一种基于Hodges-Lehmann的核电站风险信息双重稳健差分隐私防御方法及装置

本发明公开了一种基于Hodges‑Lehmann的核电站风险信息双重稳健差分隐私防御方法及装置，涉及信息安全领域，包括将多种类型的噪声进行两两配对，计算每种组合的平均值，对各个平均值取中位数，得到融合噪声；将融合噪声加入深度学习模型训练当中，根据当前的梯度情况动态调整融合噪声的强度；将深度学习模型输出的置信度进行预处理和区间划分；获得Hodges‑Lehmann候选值并筛选；以与置信度分数接近的概率选择扰动值作为新的Hodges‑Lehmann候选值，并将该候选值替代原本该区间的置信度分数。本发明采用双重防御方法，能够同时抵御模型反演攻击及成员推理攻击，实现全面地核电站风险信息保护。