一种敏感字段识别的动态数据脱敏方法

本发明公开了一种敏感字段识别的动态数据脱敏方法包括，通过在多个客户端上协同训练探针模型，并基于联邦学习框架，在不暴露原始数据的前提下识别出包含待脱敏敏感信息的特定数据样本；针对该特定数据样本，计算其对目标神经网络模型各参数的影响程度，并筛选出受影响最显著的关键参数子集；构建一个包含信息遗忘项、知识保持项和正则化项的多目标优化函数，仅对关键参数子集进行优化更新，从而在模型中逆向消除特定数据样本的影响；通过量化评估脱敏后模型对特定数据样本的遗忘程度，验证脱敏效果；本发明通过精准定位和最小化编辑，实现了高效、低损的模型数据脱敏，尤其适用于隐私要求严格的联邦学习环境，并提供了可量化的安全验证机制，显著提升了数据脱敏的效率、保真度和可信度。