一种基于医疗视觉模型的公平性检测方法及其系统

本申请适用于人工智能的技术领域，提供了一种基于医疗视觉模型的公平性检测方法及其系统，其方法包括先获取多模态医疗数据集信息和目标检测模型，然后将其划分为第一群体样本集信息和第二群体样本集信息，再生成条件感知触发器，然后基于此，生成第一投毒数据集信息和第二投毒数据集信息，最后基于混合训练集信息，对目标检测模型进行参数更新。本申请能够打破传统多模态后门攻击中全局无差别激活的固有范式，开创性地提出了利用多模态潜在空间中敏感属性的隐式纠缠来构建“子群条件后门”的技术框架，能够针对特定群体实现选择性激活，同时维持模型在非目标群体上的正常推理行为，显著提升多模态医疗模型安全性测试的精准性与可靠性。