雷火竞技首页

一种基于大模型的金融数据隐私保护方法及系统技术方案
发布时间:2026-10-13
 当前位置:首页专利查询北京网智天元大数据科技有限公司专利正文  本申请提供了一种基于大模型的金融数据隐私保护方法及系统,在获取当前金融贸易中的金融数据后,确定金融隐私数据簇中每个金融隐私数据的隐私敏感度;根据各个隐私敏感度和所有的隐私损失量确定金融隐私数据簇中所有金融隐私数据的关联隐私损失,由所有的关联隐私损失和当前金融贸易中差分隐私模型的总隐私预算确定金融隐私数据簇的差分隐私约束;通过差分隐

  当前位置:首页专利查询北京网智天元大数据科技有限公司专利正文

  本申请提供了一种基于大模型的金融数据隐私保护方法及系统,在获取当前金融贸易中的金融数据后,确定金融隐私数据簇中每个金融隐私数据的隐私敏感度;根据各个隐私敏感度和所有的隐私损失量确定金融隐私数据簇中所有金融隐私数据的关联隐私损失,由所有的关联隐私损失和当前金融贸易中差分隐私模型的总隐私预算确定金融隐私数据簇的差分隐私约束;通过差分隐私指数和各个关联隐私损失确定金融隐私数据簇中每个金融隐私数据在历史金融贸易中的动态隐私界限,进而通过动态隐私界限对当前金融贸易中的金融数据进行动态保护。上述方案基于隐私预算的动态适应性分配对金融数据进行隐私保护,可提高金融数据隐私保护时的隐私保护适配能力。

  本申请涉及金融隐私保护,更具体地说,本申请涉及一种基于大模型的金融数据隐私保护方法及系统。

  1、隐私保护是通过技术手段、政策和实践来确保个人或组织的信息在采集、存储、处理和传输过程中的安全性和隐私性,关键措施包括数据加密、访问控制、数据脱敏和差分隐私,数据加密利用对称和非对称算法确保敏感信息在传输和存储过程中的保密性,访问控制通过角色和属性基于模型限制数据访问权限,数据脱敏技术,如假名化和匿名化,防止泄漏数据被直接关联到个人;此外,联邦学习允许多个机构在不共享原始数据的情况下联合训练模型,提高数据利用率的同时保障隐私,通过这些技术措施和合规性策略,隐私保护在确保数据安全性的同时,提升了信息处理的透明度和信任度。

  2、基于大模型的金融数据隐私保护是指在利用大规模预训练模型进行金融数据分析和处理时,采用多种隐私保护技术以确保数据的安全性和隐私性,主要技术包括联邦学习、动态加密和数据脱敏,联邦学习允许多个机构在不共享原始数据的情况下联合训练模型,同态加密支持在加密数据上执行计算,确保数据机密性,数据脱敏技术,如假名化和匿名化,防止数据泄露,

  2.如权利要求1所述的方法,其特征在于,对所述金融数据进行归类筛选,得到金融隐私数据簇具体包括:

  3.如权利要求1所述的方法,其特征在于,确定所述金融隐私数据簇中每个金融隐私数据的隐私敏感度具体包括:

  4.如权利要求1所述的方法,其特征在于,通过所述历史隐私记录确定所述金融隐私数据簇在不同时间间隔内的隐私损失量具体包括:

  5.如权利要求1所述的方法,其特征在于,由所有的关联隐私损失和当前金融贸易中差分隐私模型的总隐私预算确定所述金融隐私数据簇的差分隐私约束具体包括:

  2.如权利要求1所述的方法,其特征在于,对所述金融数据进行归类筛选,得到金融隐私数据簇具体包括:

  3.如权利要求1所述的方法,其特征在于,确定所述金融隐私数据簇中每个金融隐私数据的隐私敏感度具体包括:

  4.如权利要求1所述的方法,其特征在于,通过所述历史隐私记录确定所述金融隐私数据簇在不同时间间隔内的隐私损失量具体包括:

  5.如权利要求1所述的方法,其特征在于,由所有的关联隐私损失和当前金融贸易中差分隐私模型的总隐私预算确定所述金融隐私数据簇的差分隐私约束具体包括: