一种基于多模态大模型的敏感数据智能识别与脱敏方法

著录项目

摘要

本发明公开了一种基于多模态大模型的敏感数据智能识别与脱敏方法，包括如下步骤：对多源异构数据进行解析和标准化，得到多模态标准数据、源位置映射关系和访问条件特征；将所述数据输入改进的BLIP‑2模型，通过敏感证据双通道Q‑Former生成双通道查询特征；构建跨模态敏感实体证据链并进行证据可信度校正；结合访问权限、使用场景及数据用途执行风险状态与脱敏策略双向耦合推理，生成动态脱敏指令；执行跨模态一致性脱敏，并通过敏感残留验证和数据可用性验证进行双反馈校正，得到目标脱敏数据及数据安全审计结果。本发明涉及人工智能与数据安全技术领域，实现多模态敏感数据的精准识别、自适应脱敏和闭环安全校正。

附图

附图 1