大模型检索增强生成方法及装置
知识产权简介
本发明公开了一种基于差分隐私的隐私保护检索与脱敏生成方法。该方法在政府或企业用户与外部知识库之间设置第三方服务器，通过引入高斯噪声对用户查询向量和知识库向量进行扰动，实现检索阶段的隐私保护。为克服噪声对检索准确性的影响，设计了协方差修正相似度、置信度加权函数以及鲁棒性Plackett-Luce排序算法，能够在多个数据持有方之间进行隐私安全的相似度比较和结果排序。在检索得到相关知识索引后，进一步采用基于动态差分隐私的模糊化脱敏方案，通过滑动窗口采样和两层指数机制，从原始语料中生成满足差分隐私的合成数据，使得知识库内容在提供可用上下文的同时无法被逆向推断或泄漏敏感信息。本发明实现了检索与生成两阶段的全流程隐私保护，兼顾数据可用性与安全性。
转化前景
本专利对应产品为一套面向政府及企业的隐私保护检索与脱敏生成系统，由用户端、第三方协助服务器以及多个知识持有方共同组成。产品核心功能包括：在用户发起查询时，对查询向量和各方知识库向量分别添加高斯噪声后发送至第三方服务器，服务器采用协方差修正相似度、置信度加权函数以及鲁棒性Plackett-Luce排序算法，在无法获知明文内容的前提下完成最相关知识片段的检索；随后基于动态差分隐私的模糊化脱敏方案，通过滑动窗口采样和双层指数机制生成满足差分隐私要求的合成上下文语料。技术优势上，本方案通过主动噪声补偿和维度归一化设计，克服了传统差分隐私方法中噪声严重降低检索精度的缺陷，同时利用置信区间筛选和极值裁剪抑制高噪声数据的干扰，支持多个数据持有方采用不同噪声参数，具备良好的异构系统兼容性。在性能指标方面，即便在较小的隐私预算下，系统仍能保持接近无噪声场景的检索准确率，噪声引起的向量模长膨胀误差可大幅降低，合成数据的隐私损失精确可控。产业化应用前景上，本专利可广泛应用于政务数据共享、金融风控查询、医疗病历跨机构检索、企业知识库外包计算等高安全需求场景，尤其适用于在第三方服务器上完成计算但不得暴露原始数据或用户查询意图的情形。随着数据隐私法规日益严格，本产品具有极强的市场刚性和商业转化价值，可形成软件系统、SDK或云服务等多种产品形态。