本发明公开了一种基于局部差分隐私的AI模型训练数据保护方法及装置，其中该方法包括：噪声尺度确定步骤：根据预设的隐私预算值和获取的输入数据通过拉普拉斯差分隐私机制确定噪声尺度；数据噪声添加步骤：根据所述噪声尺度生成拉普拉斯噪声，并为所述输入数据添加所述拉普拉斯噪声；梯度噪声添加步骤：根据预设的初始模型训练参数确定添加拉普拉斯噪声后的输入数据中每个数据点的梯度，并为每个数据点的梯度添加所述拉普拉斯噪声，得到加噪梯度值；参数确定步骤：根据所述加噪梯度值确定预测模型训练参数。本发明能够在有效避免训练数据隐私泄露的情况下，提高模型训练的精确度及效率。