基于对抗式联邦过滤器的医疗大模型隐私保护方法和装置

本发明属于医疗数据处理的技术领域，更具体地，涉及基于对抗式联邦过滤器的医疗大模型隐私保护方法和装置。所述方法包括获取并预处理数据集，选取医疗大模型提取特征；提取高风险隐私实体并调用UMLS生成完整策略指令，将完整策略指令注入原始文本生成对抗样本，提取对抗特征后和原始特征后计算差值得到特征扰动向量；基于特征扰动向量设计双通道隐私过滤器；设计联合损失函数并执行更新策略，得到参数差分；服务器基于差分进行安全聚合生成新一代全局模型，并返回各客户端，如此循环迭代。本发明解决了当前相关隐私保护技术与机制尚存在关键问题和不足，以及传统隐私保护技术在大语言模型场景中实用性与可控性不足的问题。