一种面向大模型知识库的数据隐私保护方法及系统

本发明提供一种面向大模型知识库的数据隐私保护方法及系统，涉及人工智能技术领域，所述方法包括：获取各参与方的原始隐私数据，对原始隐私数据进行清洗和特征提取，识别敏感信息字段；利用生成对抗网络对包含敏感信息的字段进行脱敏处理，得到脱敏后的数据；对脱敏后的数据执行k‑匿名化处理，基于准标识符将数据划分为多个等价类，并对记录数量少于k的类进行泛化处理，得到匿名化数据集。本发明解决大模型训练中多参与方数据协同的隐私泄露问题。