一种面向多模态学习的自适应差分隐私预算调整方法

本发明公开了一种面向多模态学习的自适应差分隐私预算调整方法，通过评估多模态数据的特征分布差异、任务贡献度及噪声敏感度，在训练过程中动态分配差分隐私预算，具体包括：提取多模态特征向量，计算模态相关性；融合特征并预测下游任务结果；基于预测准确率和噪声敏感度确定贡献比与敏感差异比；结合相关性微调每一轮隐私预算，实现高贡献模态分配较大预算以保障性能，低贡献模态分配较小预算以强化隐私保护；在梯度反向传播中按预算注入高斯噪声。