1.一种适用于智能车联网的生成模型隐私保护方法，其特征在于，包括如下步骤：S11、利用能量模型概化给定的私有数据集的流行特征，并采用投影技术将所述私有数据集映射到低维空间，得到低维流行特征，所述私有数据集为具有隐私保护需求的数据集；S12、利用预训练的第一生成模型对所述低维流行特征进行编码，并把编码的掩码版本通过残差增强网络融入到所述第一生成模型中间层的特征中；S13、基于分数匹配的梯度估计过程对所述第一生成模型进行训练，并在训练过程中引入扰动投影向量，得到第二生成模型，所述扰动投影向量为对通过所述投影技术得到的投影向量进行扰动得到的向量；S14、利用哈密顿动力学模拟，结合所述第二生成模型的梯度信息，确定采样路径并进行采样，得到符合所述私有数据集数据分布要求的样本数据；在基于分数匹配的梯度估计过程对所述第一生成模型进行训练中，所述第一生成模型的训练损失函数如下： ；式中， 表示损失函数， 表示期望， 表示映射向量， 表示映射向量的转置， 表示势能函数， 表示是 ， 表示能量模型；在训练过程中引入扰动投影向量，得到第二生成模型中，应用随机扰动机制 ，这种随机扰动机制私有化了 的投影向量，使得投影向量 和 没有严格对齐，包括：对每个数据样本x，利用步骤S11将 和 的梯度投影到投影向量 的方向上； 表示势能函数在样本x i 处的梯度；利用步骤S12对所得到的低维流形特征进行残差增强，期间把高斯分布采样的噪声向量添加到特征中；利用差分隐私机制对投影向量进行扰动，这等价于扰动投影向量 ；利用下式对梯度进行投影扰动： ；式中， 表示概率分布函数， 表示映射向量中的元素， 表示随机变量， 表示随机扰动机制， 表示除去 以外的元素， 是映射向量的子集， 表示隐私开销参数。
2.根据权利要求1所述的适用于智能车联网的生成模型隐私保护方法，其特征在于，由所述私有数据集得到所述低维流行特征的表达式如下： ；式中， 表示Fisher散度， 表示能量模型， 和 表示模型参数和模型输入， 表示期望， 表示对数梯度， 表示数据分布， 表示势能函数， 表示是 。
3.根据权利要求1所述的适用于智能车联网的生成模型隐私保护方法，其特征在于，对所述第一生成模型进行训练时，还将高斯分布采样的噪声向量添加到所述生成模型中间层的特征中。
4.根据权利要求1所述的适用于智能车联网的生成模型隐私保护方法，其特征在于，所述第二生成模型的训练损失函数如下： ；式中， 表示损失函数， 表示势能函数 在模型θ上的收敛。
5.根据权利要求1所述的适用于智能车联网的生成模型隐私保护方法，其特征在于，采样过程按照下式进行： ；式中， 表示采样函数， 表示采样元素， 表示步长。
6.一种适用于智能车联网的生成模型隐私保护装置，其特征在于，包括：第一数据处理模块，用于利用能量模型概化给定的私有数据集的流行特征，并采用投影技术将所述私有数据集映射到低维空间，得到低维流行特征，所述私有数据集为具有隐私保护需求的数据集；残差增强模块，用于利用预训练的第一生成模型对所述低维流行特征进行编码，并把编码的掩码版本通过残差增强网络融入到所述第一生成模型中间层的特征中；投影扰动模块，用于基于分数匹配的梯度估计过程对所述第一生成模型进行训练，并在训练过程中引入扰动投影向量，得到第二生成模型，所述扰动投影向量为对通过所述投影技术得到的投影向量进行扰动得到的向量；采样模块，用于利用哈密顿动力学模拟，结合所述第二生成模型的梯度信息，确定采样路径并进行采样，得到符合所述私有数据集数据分布要求的样本数据；在基于分数匹配的梯度估计过程对所述第一生成模型进行训练中，所述第一生成模型的训练损失函数如下： ；式中， 表示损失函数， 表示期望， 表示映射向量， 表示映射向量的转置， 表示势能函数， 表示是 ， 表示能量模型；在训练过程中引入扰动投影向量，得到第二生成模型中，应用随机扰动机制 ，这种随机扰动机制私有化了 的投影向量，使得投影向量 和 没有严格对齐，包括：对每个数据样本x，利用步骤S11将 和 的梯度投影到投影向量 的方向上； 表示势能函数在样本x i 处的梯度；利用步骤S12对所得到的低维流形特征进行残差增强，期间把高斯分布采样的噪声向量添加到特征中；利用差分隐私机制对投影向量进行扰动，这等价于扰动投影向量 ；利用下式对梯度进行投影扰动： ；式中， 表示概率分布函数， 表示映射向量中的元素， 表示随机变量， 表示随机扰动机制， 表示除去 以外的元素， 是映射向量的子集， 表示隐私开销参数。
7.一种计算机设备，其特征在于，所述设备包括处理器以及存储器：所述存储器用于存储计算机程序，并将所述计算机程序的指令发送至处理器；所述处理器根据所述计算机程序的指令执行如权利要求1-5中任一项所述的一种适用于智能车联网的生成模型隐私保护方法。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-5中任一项所述的一种适用于智能车联网的生成模型隐私保护方法。
