一种基于记忆值的成员推理攻击公平防御方法及装置

本发明公开了一种基于记忆值的成员推理攻击公平防御方法及装置。该方法针对不同类别在成员推理攻击（MIA）中防御难度不均的问题，通过引入类别记忆值评估机制，实现差异化隐私防御策略。首先，系统对目标模型中各类别的样本进行记忆度估计，用于衡量类别被模型记忆或过拟合的程度；然后，根据记忆值的高低自适应地分配防御强度，对记忆值较高、攻击风险更大的类别提高差分隐私随机梯度下降（DP‑SGD）的噪声水平，而对记忆值较低的类别维持较低防御强度，从而在全局隐私预算受限的条件下实现防御资源的最优分配。该方法能够以最低的隐私成本显著提升整体防御效果，在有效降低成员推理攻击成功率的同时保持模型性能稳定。与传统统一防御机制相比，本发明实现了类别层面的公平防御与隐私性能平衡，具有计算成本低、可扩展性强和实用价值高等优点。