CN106464727A - 终端装置、云装置、驱动终端装置的方法、协同处理数据的方法和计算机可读记录介质 - Google Patents

Abstract

本发明提供了终端、云设备、通过终端分析用户活动的方法以及通过云设备分析用户活动的方法。用于分析外部设备和用户的活动的终端包括：通信接口单元，配置成与所述外部设备通信；控制器，配置成获取用于预测所述用户活动的数据，将所获取数据中的一部分隐匿，以及将所隐匿数据和所述数据中其余的未隐匿数据通过所述通信单元提供至所述外部设备；以及显示单元，配置成基于所述外部设备利用所提供的数据分析得到的活动预测数据来显示关于所述用户活动的通知信息。

Description

终端装置、云装置、驱动终端装置的方法、协同处理数据的方 法和计算机可读记录介质

技术领域

本公开涉及终端、云设备、驱动终端的方法、协同处理数据的方法和计算机可读记录介质，更具体地，涉及这样的终端、云设备、驱动终端的方法、协同处理数据的方法和计算机可读记录介质：其中多个设备适应性地协同处理个性化数据以提供特定服务。

背景技术

随着通过互联网上的服务器利用各种服务(诸如存储数据)、利用网络和利用内容的云计算越来越广泛地使用，用户存储并使用互联网上的重要内容和个人信息的情况正在增加。

一般来讲，“云”理解为一种数据存储方法，其中任何人可设立云账户以上传数据，并且可利用软件环境在任何地方容易地使用该数据而不受固定硬件阻碍，如同互联网环境中漂浮的云。“云”所提供的服务类型不同。这些服务根据服务特征可分类成软件即服务(SaaS)、平台即服务(PaaS)、硬件即服务(HaaS)和基础结构即服务(IaaS)，但是这些服务概念上相同，不同之处仅在于根据提供商的轻微差异。

SaaS表示将应用出借给用户的服务，PaaS表示出借平台的服务。HaaS表示当需要特定硬件时从提供商接收硬件的服务。最后，IaaS具体地是公司常用的服务，表示允许公司根据需要通过设立服务器、存储和网络以形成虚拟环境而使用资源的服务。

然而，在信息协议(IT)(或物联网(IoT))装置所生成的数据根据IT(或IoT)装置之间连接性增加而很大程度上增加的情形下，仅使用通用集中云来分析数据的方法在操作费用、性能和隐私方面是不合适的。例如，一种常规的云服务通过分析用户活动和终端使用而执行提供服务的操作，但是该分析基于云来执行，因此，个人信息可过分地暴露，从而侵犯隐私。

另外，根据现有解决方案，资源利用是非适应性的，这是因为资源静态地分配于终端(诸如移动电话)和云设备之间；或数据仅在一个方向上(从终端至云设备或从云设备至终端)转移。例如，个体的数据使用量可灵活地增加，并且当根据云分析向多个用户提供服务时，如果机器数据随后包括于IT环境中，那么应考虑系统的可扩展性。

发明内容

因此，本公开的示例性实施方式提供了终端，云设备、驱动终端的方法、协同处理数据的方法和计算机可读记录介质，其中，例如当通过云服务使用有效推荐应用时，向每个用户提供个性化的数据协同处理服务，并且在使用个性化的数据协同处理服务时适应性地使用资源。

附图说明

图1a为根据本公开第一示例性实施方式的云服务系统的图示。

图1b为根据本公开第二示例性实施方式的数据协同处理服务系统的图示。

图1c为根据本公开第三示例性实施方式的数据协同处理服务系统的图示。

图1d为根据本公开第四示例性实施方式的数据协同处理服务系统的图示。

图1e为根据本公开第四示例性实施方式的数据协同处理服务系统的图示。

图2a为示出图1a至图1c的终端的详细结构的一个实例的框图。

图2b为图1a至图1c的终端的详细结构的另一示例性图示。

图3a为示出图1a至图1c的云设备的详细结构的一个实例的框图。

图3b为图1a至图1c的云设备的详细结构的另一示例性图示。

图4为表示数据分析器和图2a或图2b的控制器的详细功能的图示。

图5为根据本公开一个示例性实施方式的用于简要描述提供个性化服务的过程的图示。

图6为根据本公开一个示例性实施方式的用于描述通过终端安装用于提供个性化服务的应用的过程的图示。

图7a至图7k为根据本公开示例性实施方式示出用于设定服务限制级别的信息的图示。

图8为根据本公开一个示例性实施方式的用于描述通知提取数据的工作执行主体的过程的图示。

图9为根据本公开一个示例性实施方式的用于描述基于数据是否共享而确定分析工作级别的过程的图示。

图10为用于描述通知基于共享的个人信息暴露风险的过程的图示。

图11为用于描述可与相邻终端设定共享的图示。

图12a和图12b示出了根据本公开一个示例性实施方式的关于个性化数据协同处理服务的情景。

图13为由图1b的系统所执行的智能操作的示例性图示。

图14为由图1b的系统所执行的智能操作的另一示例性图示。

图15a为在用户界面(UI)屏幕上设定工作分配限制的过程的图示。

图15b为用于描述根据服务和设备情形的分析工作分配调节功能的图示。

图16示出了根据图15的服务和设备的情形的分析工作分配调节的情景。

图17a和图17b示出了用于描述根据图15的服务和设备情形的变化的工作分配过程的情景。

图18和图19为用于描述根据图15的服务和设备情形的变化的工作分配过程的图示。

图20为用于根据本公开第一示例性实施方式描述数据协同处理服务的过程的图示。

图21为用于根据本公开第二示例性实施方式描述数据协同处理服务的过程的图示。

图22为根据本公开一个示例性实施方式的驱动终端的过程的流程图。

图23为根据本公开一个示例性实施方式的驱动云设备的过程的流程图。

图24为根据本公开一个示例性实施方式的终端的屏幕显示方法的流程图。

图25和图26为用于描述隐匿一些数据同时将该数据从终端传送至云设备或相邻终端的过程的图示。

图27为示出基于文本来分类照片的常规方法的图示。

图28为用于描述将利用终端执行的用户识别级别以进行图像识别的图示。

图29为用于描述利用识别引擎和个性化模型的图像处理操作的图示。

图30为示出根据一个示例性实施方式的终端100的实例的图示，该终端100与云设备120一起分配并处理保健服务的数据。

发明内容

根据示例性实施方式的一个方面，用于分析外部设备和用户活动的终端包括：通信接口单元，配置成与所述外部设备通信；控制器，配置成获取用于预测所述用户活动的数据，将所获取数据中的一部分隐匿，以及将所隐匿数据和所述数据中其余的未隐匿数据通过所述通信单元提供至所述外部设备；以及显示单元，配置成基于所述外部设备利用所提供的数据分析得到的活动预测数据来显示关于所述用户活动的通知信息。

用于预测所述用户活动的数据可以是以下至少之一：从所述终端获得的原始数据；从所述原始数据推导出的活动数据；以及从所述活动数据推导出的活动模式数据。

当用于预测所述用户活动的数据根据多个层进行分类时，所述控制器可将用于根据所述多个层分析所述数据的分析主体设定为所述终端、所述外部设备和相邻终端中的至少之一。

当确定用于分析所述数据的程序未安装于所述外部设备和相邻终端的至少之一中时，所述控制器可将用于分析所述数据的所述程序提供至所述外部设备和所述相邻终端中的至少之一。

所述显示单元还可显示用户界面(UI)屏幕以用于设定与所述终端的操作状态和网络状态有关的条件从而分析所述数据，所述控制器可基于通过所述UI屏幕设定的条件而分析所述用户活动。

当所述数据根据多个层进行分类时，所述显示单元还可显示UI屏幕，所述UI屏幕包括第一区域、第二区域和第三区域中的至少之一，所述第一区域指示数据可分析主体以基于属于较低层的数据共享设定而生成属于较高层的数据，所述第二区域指示所述数据可分析主体的分析可操作级别，所述第三区域指示在属于所述较低层的所述数据共享设定基础上属于另一层的数据的暴露风险。

根据另一示例性实施方式的一个方面，用于分析终端和用户活动的云设备，所述云设备包括：通信接口单元，配置成与所述终端通信；存储单元，当数据被用于利用所述终端预测所述用户活动时，所述存储单元配置成通过所述通信接口单元接收所述数据中被隐匿的一部分和所述数据中其余的未隐匿数据；以及控制器，配置成利用所接收的数据来推导预测所述用户活动的活动预测数据并将所推导的活动预测数据通过所述通信接口单元提供至所述终端。

用于预测所述用户活动的数据可以是以下至少之一：从所述终端获得的原始数据；从所述原始数据推导出的活动数据；以及从所述活动数据推导出的活动模式数据。

当所述数据根据多个层进行分类时，所述存储单元可从所述终端接收并存储协同级别信息，所述协同级别信息设定成使得根据所述多个层分类的数据中的一些或全部可共享。

当所述数据根据多个层进行分类时，所述存储单元可从所述终端接收并存储这样的信息：根据所述多个层将所述终端、位于所述终端附近的相邻终端和所述云设备中的至少之一确定为数据分析主体。

根据另一示例性实施方式的一个方面，通过终端分析外部设备和用户活动的方法，所述方法包括：获取用于预测所述用户活动的数据；将所获取数据中的一部分隐匿；将所隐匿数据和所述数据中其余的未隐匿数据提供至所述外部设备；接收由所述外部设备利用所提供的数据分析得到的活动预测数据；以及基于所接收的活动预测数据，显示关于所述用户活动的通知信息。

根据另一示例性实施方式的一个方面，通过云设备分析终端和用户的活动的方法包括：接收用于利用终端预测用户的活动的数据、该数据的一些隐匿数据和该数据的其余未隐匿数据；推导活动预测数据，该活动预测数据利用该接收数据来预测用户的活动；和将该推导活动预测数据提供至终端。

用于预测所述用户活动的数据可以是以下至少之一：从所述终端获得的原始数据；从所述原始数据推导出的活动数据；以及从所述活动数据推导出的活动模式数据。

所述方法还可包括：当所述数据根据多个层进行分类时，将用于分析根据所述多个层而分类的所述数据的分析主体设定为所述终端、所述外部设备和相邻终端中的至少之一。

所述方法还可包括：当确定用于分析所述数据的程序未安装于所述外部设备和相邻终端的至少之一中时，将用于分析所述数据的所述程序提供至所述外部设备和所述相邻终端中的至少之一。

根据另一示例性实施方式的一个方面，通过云设备分析终端和用户活动的方法，所述方法包括：当数据被用于利用所述终端预测用户活动时，接收所述数据中被隐匿的一部分和所述数据中其余的未隐匿数据；利用所接收的数据来推导预测所述用户活动的活动预测数据；以及将所推导的活动预测数据提供至所述终端。

具体实施方式

在下文中，将参考附图详细地描述本公开的示例性实施方式。

图1a为根据本公开第一示例性实施方式的数据协同处理服务系统的图示。

如图1a所示，根据本公开第一示例性实施方式的数据协同处理服务系统90包括终端100、通信网络110和至少一个云设备(或服务提供设备)120。

终端100可为下文所描述的终端100-1’、终端100-1”、终端100-1”’或终端100-1””。另外，云设备120可为下文所描述的云设备120’、云设备120”、云设备120”’或云设备120””。

在此，终端100可包括执行有线/无线通信的移动设备，诸如智能电话、移动电话、膝上型电脑、平板个人计算机(PC)和个人数字助理(PDA)或可佩戴装置。例如，终端100可包括这样的终端，该终端通过具有在云计算环境条件下应用的最少硬件和软件资源仅执行互联网访问和基本算术功能。终端100可包括设备，诸如电视(TV)或机顶盒。终端100可使用多媒体服务以及基本通信服务，诸如声音和数据通信。终端100可传送并接收多媒体内容，诸如视频或图像，并且可再现终端100中的多媒体内容。

根据本公开的一个示例性实施方式的终端100可与云设备120交互工作，从而与云设备120协同以执行用于提供数据协同处理服务所需的操作。另外，终端100因此可分析用于个性化数据协同处理服务的数据。在此，由于终端100和云设备120彼此协作，因此个性化数据协同处理服务可为提供给用户的服务，例如，即使云设备为相同类型，服务也可根据用户而有差别地提供。另外，协同可表示预定任务(即，工作)被协同地(或合作地)处理。另外，当假设多条分级信息可利用云服务中所使用的用户相关数据(诸如应用使用信息、网页浏览历史和全球定位系统(GPS)信息)以及各种类型的感测信息(诸如生物信息)而生成时，用户可能不想与外部设备(即，云设备120)共享某些分级信息。在这种情况下，虽然终端100和云设备120协同地生成并使用分级信息以便提供数据协同处理服务，但是与用户不想共享的分级信息有关的数据可不从终端100提供至云设备120。根据此过程，用户的隐私可得到保护。在此，分级信息可包括层次级别信息，诸如活动识别、活动模式识别和活动预测、指示每层的属性级别信息的指示符(诸如网页浏览器使用和应用选择)以及用户位置等的网页浏览器信息等，以及关于指示符的大量数据。指示符为指示所传送数据是否与活动识别或活动模式识别相关的信息。另外，分级信息可包括但不限于原始数据、活动数据、活动模式数据和活动预测数据，如下文将参考表1所描述。

根据本公开一个示例性实施方式的终端100可基于由用户从例如终端100的屏幕所指定的设定信息而设定成是否共享分级信息。另外，基于是否共享的设定，终端100可对分级信息的数据执行分配处理，并且可确定分配处理目标。另外，终端100可基于由用户所指定的设定信息中的工作分配限制(或服务限制级别信息)对数据适应性地执行分配处理。由于对数据适应性地执行分配处理，协同形式可灵活改变。根据本公开的一个示例性实施方式，终端100可处理关于用户活动(例如，用户的动作、内容再现和应用使用)的数据。例如，基于使用内容的历史，终端100可通过分析用户所喜欢的内容类型将内容推荐至用户或推荐至用户通常再现该内容的地方。

为执行用于提供数据协同处理服务的操作，终端100自身可包括低功率消耗的数据分析模块以便处理由云设备120所处理的一些大数据处理工作。另外，云设备120可处理终端100的一些数据处理工作。此时，作为数据处理工作目标的某些数据可通过例如沙箱功能被隐藏，并且可限制从外部对隐藏数据的访问。换句话讲，终端100可通过隐藏数据而保护详细个人信息不暴露给分析主体(诸如云设备120)。在此，数据分析模块可包括引擎以用于分别获取多条层信息，例如活动识别、活动模式识别和活动预测的信息。在此，引擎可表示执行计算机领域中的核心和基本功能的程序(或过程)。引擎可被逻辑分级。在一个示意图(图4)中，下方的引擎(例如，活动识别引擎)可生成上方的引擎(例如，模式识别引擎)所需的活动识别结果。换句话讲，活动识别结果可为活动识别引擎的输出和模式识别引擎的输入。可确定协同代理部分(图4，400)的模拟引擎的执行主体，并且甚至可设定执行计划。这可基于用户限制。另外，用户限制可用于确定由个人信息保护模块共享的信息并且确定是否共享或隐藏信息。

另外，终端100和云设备120可自动地实时共享彼此使用资源的状态。另外，基于终端100和云设备120使用资源的状态，终端100可灵活地确定终端100和云设备120的分析工作负荷。另外，终端100可基于所确定的分析工作负荷，将数据协同处理服务的工作分配至云设备120。此类操作可由称为例如协同管理器100a的一类程序执行。换句话讲，协同管理器100a可为执行仲裁协同功能的智能引擎。根据本公开的一个示例性实施方式，协同管理器100a可称作自治适应代理(AAA)100a。协同管理器100a(诸如AAA)根据本公开的一个示例性实施方式可表示程序自身，或可总体地表示易失性存储器和存储于易失性存储器中的协同相关程序。作为一种选择，协同管理器100a不仅可包括程序以硬件配置的硬件，而且包括仅程序的一些模块以硬件配置的硬件。在此，分析不仅可包括分批式数据工作，而且包括实时执行的分析和处理复杂事件的一系列工作。事件可为与实时共享的使用资源的状态有关的信息。另外，终端100根据机器学习方法可对工作负荷分配的确定单元和分配计划执行策略，并且可自动地和持续地应用机器学习方法来学习和调整这些策略。

此外，用户可具有调整权限以调整信息共享级别(例如，服务限制级别或协同级别)，并且终端100可根据用户的调整授权执行个人信息保护和工作分配。因为云设备120的分析结果可优于终端100的分析结果，所以终端100可通过考虑终端100和云设备120的计算能力和资源来分配工作以用于分析和处理数据。例如，根据本公开的一个示例性实施方式的个性化数据协同处理服务的信息的处理工序可被分类成四个层次。例如，第一层次可为收集原始数据的层次，该原始数据包括从传感器所检测的感测数据以及与使用应用有关和与电子邮件有关的日志数据；第二层次可为通过分析第一层次的原始数据而生成指示用户活动的活动数据的层次；第三层次可为通过分析用户的活动数据而生成用户的活动模式数据的层次；第四层次可为通过利用用户的活动模式数据而预测用户的活动并基于用户的预测活动而生成待提供至用户的服务响应信息的层次。服务开发商可开发服务应用，使得用户可设定与待分析数据有关的共享级别，以在安装该服务应用时提供服务应用的服务。另外，数据的共享级别可根据终端100的状态、云设备120的状态和终端100与云设备120之间的网络状态灵活地变化。另外，用于服务的一些或全部的待分析数据可经由诸如沙箱化的方法进行保护。

在上文所描述服务的信息的处理工序期间所生成或所使用的数据可根据例如下表1的每个层次进行组织。

[表1]

参考表1，多个层中的第一层次可为收集由终端100能够收集的所有原始数据的层次。第二层次可为通过分析第一层次的数据而识别用户的动作(例如用户是否正在步行和吃饭)的层次，其中第二层次中所生成的数据可为基于原始数据所分析得到的活动数据。第三层次可为通过分析第二层次的数据而生成活动数据的层次，该活动数据指示用户以吃饭、锻炼和睡眠的次序正在动作。第四层次可为通过分析第三层次的数据而预测用户的动作以及生成指示所预测活动的活动预测数据的层次。在第四层次中，服务响应信息可基于活动预测数据而生成。例如，终端100可与云设备120协同工作以分析七天的用户活动数据，并且识别用户具有通常在吃饭之后慢跑的活动模式。另外，终端100可基于用户的活动模式预测用户的活动。

此外，当终端100难以分配和执行与云设备120一起的数据协同处理服务的工作时，终端100可通知用户其难以分配和执行数据协同处理服务。另外，终端100可将数据协同处理服务的工作重新分配至云设备120。例如，根据终端100与云设备120的网络状态、电池余量、中央处理单元(CPU)共享和存储器共享，终端100可适应地重新分配数据协同处理服务的工作。

通信网络110包括有线和无线通信网络两者。在此，有线网络包括互联网网络，诸如电缆网络或公共交换电话网络(PSTN)，无线通信网络包括码分多址(CDMA)、宽带CMDA(WCDMA)、全球移动通信系统(GSM)、演进型分组核心(EPC)、长期演进(LTE)或无线宽带互联网(WiBro)网络。当然，根据本公开一个示例性实施方式的通信网络110不限于此，可在例如云计算环境条件下，作为将在以后实现的下一代移动通信系统的接入网络用于云计算网络中。例如，当通信网络110为有线/无线通信网络，通信网络110中的接入点可访问电话公司的交换办公室，但是当通信网络110为无线通信网络时，接入点可访问由移动运营商操作的服务GPRS支持节点(SGSN)或网关GPRS支持节点(GGSN)以处理数据，或可访问各种中继站中的任一个(诸如基站传输(BTS)、NodeB和e-NodeB)以处理数据。

通信网络110可包括接入点。接入点包括小基站，诸如大多数提供于建筑物中的毫微微基站或微微基站。在此，毫微微基站或微微基站根据小基站的分类基于可访问的终端100的最大数量进行区分。当然，接入点包括用于与终端100执行局域通信的局域网络模块，诸如Zigbee或Wi-Fi。接入点可将TCP/IP或实时流式传输协议(RTSP)用于无线通信。在此，局域通信可以各种标准的任一种来执行，诸如射频(RF)通信，诸如蓝牙、Zigbee、红外数据协会(IrDA)、超高频(UHF)和甚高频(VHF)以及超宽带(UWV)通信，以及Wi-Fi。因此，接入点可提取数据分组的位置，指定相对于该提取位置的最佳通信路径，并且可将数据分组沿着该指定通信路径传送至下一设备，诸如终端100。接入点可在通用网络环境中共享数个线路，并且接入点可包括例如路由器、中继器和中继站。

云设备120为存储并管理计算资源(诸如以无形形式存在的软件)的设备，例如可根据终端100的请求通过将特定应用(或程序)提供至终端100而接收、存储和管理所处理的应用相关的信息，或可根据终端100的请求驱动其中的应用，然后处理终端100所请求的应用相关的信息并存储和管理处理结果。

另外，根据本公开的一个示例性实施方式的云设备120作为服务提供设备可与终端100共享与数据协同处理服务的数据的共享级别有关的服务限制级别信息。基于服务限制级别信息，云设备120可与终端100协同工作以处理由终端100所提供的数据。在此，服务限制级别信息可为由用户相对于数据共享级别而设定用于处理协同数据的设定信息。服务限制级别信息可为附加信息，而并非大量分析数据。例如，用户可设定数据共享，使得文本消息的细节被限制而不共享给云设备120，而与文本消息的传输和接收的历史有关的信息则被允许由云设备120共享。在这种情况下，与用户设定的数据共享有关的设定值可包括在服务限制级别信息中。

同时，在上文中，已描述了终端100将工作分配至云设备120并且设定与云设备120的数据共享级别，但是示例性实施方式不限于此。云设备120可将工作分配至终端100并且设定与终端100的数据共享级别。在这种情况下，如同终端100，云设备120可包括协同管理器120a。云设备120可通过分析由终端100提供的数据而获取与终端100的用户有关的级别信息。在这种情况下，基于由用户设定的安全级别，云设备120可接收个性化信息中的特定层的信息中的一些或全部信息。云设备120可根据各种条件(诸如由终端100所设定的数据处理主体、可分析级别和资源使用限制)分析接收自终端100的数据。因此，云设备120可包括用于自处理数据的数据分析模块以及处理与用于分析协同的计划策略等有关的信息的协同管理器120a。数据分析模块和协同管理器120a可类似于终端100的数据分析模块和协同管理器100a。相比于终端100的数据分析模块的性能，云设备120的数据分析模块的性能可为优异的。

云设备120的被称为协同管理器120a的智能引擎可与终端100的被称为协同管理器100a的智能引擎交互工作，使得云设备120和终端100可实时共享使用资源的状态，同时分配和执行分析数据的工作。例如，当云设备120的协同管理器120a和终端100的协同管理器100a彼此协同(即，交互)以分配用于分析数据的工作时，云设备120的数据分析模块和终端100的数据分析模块可根据分配结果执行指定至其的数据的分析操作。

例如，终端100的用户可设定层次级别信息，使得第一层关于用户活动的原始数据和第二层的活动数据与云设备120共享，而第三层的活动模式数据和第四层的活动预测数据不与云设备120共享。在这种情况下，基于与云设备120的协同管理器120a的设定，终端100的协同管理器100a可分配工作数据。当云设备120的资源在协同期间缺乏时，云设备120的协同管理器120a可通知终端100的协同管理器100a缺乏资源。另外，终端100可接收关于缺乏资源的通知，并且重新分配云设备120的工作。

同时，云设备120可通过利用虚拟组织技术经由通信网络110访问云设备120，并且注册由云设备120所提供的资源。因此，替代从头开始自行开发特定应用，开发商基于云设备120可通过由服务提供商所提供的应用编程接口(API)而迅速地开发应用程序。在此，API可以实现为操作系统与应用程序之间的通信中所用的语言或消息的形式。

当例如终端100通过数据协同处理服务获取某些结果(诸如声学语音识别(ASR))时，终端100可基于终端100所拥有的分级信息和由云设备120所提供的分级信息而向用户提供用户所请求的结果。当然，终端100可与云设备120一起检查通过分析对应于特定分级信息的数据所获取的分析结果是否在云设备120中，并且可向云设备120请求分析结果以获取用户所期望的结果。

图1b为根据本公开第二示例性实施方式的数据协同处理服务系统的图示。

如图1b所示，根据本公开第二示例性实施方式的数据协同处理服务系统90'包括终端100-1’、相邻终端100-2’、通信网络110'和云设备120'。相邻终端可由用户自己、家庭或朋友拥有。当相邻终端由家庭或朋友拥有时，需要关于数据协同的互相同意。因此，根据用户数据共享限制级别的显示而共享用于协同数据类似于根据终端100-1'和云设备120'之间的共享策略的方法。当存在多个相邻终端时，对待共享的协同数据的划分单元的调整遵循与具有多个计算资源的云的划分方法相同的方法。

将图1b的数据协同处理服务系统90'和图1a的云计算系统90相比较，数据协同处理服务系统90'还包括相邻终端100-2'。在此，相邻终端100-2'可包括诸如智能电话的移动电话、执行例如上文所描述的Wi-Fi通信的接入点，除此之外，还包括各种类型的终端，诸如TV和机顶盒。

根据上述结构，终端100-1'还可将相邻终端100-2'以及云设备120'指定为待用于数据协同处理服务的数据的分布式处理主体。数据的此类分布式处理过程可通过通信网络110'以及经由终端100-1'与相邻终端100-2'之间的直接通信来执行。

当然，在相邻终端100-2'中，用于分析由终端100-1'所请求的数据的引擎(即，程序)可包括于相邻终端100-2'中，但是当确定不包括该程序时，相邻终端100-2'可从终端100-1'或云设备120'接收该程序以执行分析操作。在此，该程序表示能够执行分析操作的协同管理器100a或可下载的引擎。另外，通过分析操作所获取的分析结果(例如，分级信息)可存储于相邻终端100-2'的内部存储器中或可从相邻终端100-2'提供至终端100-1'或云设备120'。在此，只要不侵犯个人的隐私，与关于特定用户的相关分级信息存储于何处有关的信息可在终端100-1'、相邻终端100-2'与云设备120'之间共享。相邻终端100-2'的协同处理将在后文详细地描述。

此外，因为与图1b的终端100-1'、通信网络110'和云设备120'有关的细节类似于与图1a的终端100、通信网络110和云设备120有关的细节，因此省略其描述。

图1c为根据本公开第三示例性实施方式的数据协同处理服务系统的图示。

将图1c的数据协同处理服务系统90"和图1b的数据协同处理服务系统90'相比较，图1b的相邻终端100-2'被配置为可佩戴设备100-2"。在此，可佩戴设备100-2"可为手表形状的具有计算能力的智能手表(诸如三星智能手表Galaxy Gear)，或眼镜形状的具有计算能力的智能眼镜。此外，可佩戴设备100-2"可为能够通信的眼镜、指环、眼镜、头戴式显示器(HMD)或头戴式耳机/耳塞形状的可佩戴装置。另外，可佩戴装置100-2"可为具有生物信息测量功能的可佩戴装置，诸如测量生物信息的计步器、血压仪或血糖仪。

此时，终端100-1'还可将可佩戴终端100-2"指定为待用于数据协同处理服务的数据的分布式处理主体。因为可佩戴设备100-2"的其它操作类似于图1b的相邻终端100-2'，所以省略其细节。

另外，因为图1c的终端100-1"、通信网络110"和云设备120"类似于图1a的终端100、通信网络110和云设备120，所以省略其细节。

图1d为根据本公开第四示例性实施方式的数据协同处理服务系统的图示。

将图1d的数据协同处理服务90”’和图1b的云计算系统90'相比较，图1b的相邻终端100-2'被配置为集线器或网关100-2”’。在此，集线器为一种设备，该设备通过利用一个网络中的一条线路而提供用于利用多个主机(诸如计算器)的接口；并且网关为一种设备，该设备例如使得利用不同协议的不同网络能够通信。

根据本公开的一个示例性实施方式，终端100-1”’可执行待用于个性化数据协同处理服务的数据的分布式处理，其中集线器或网关100-2”’连接至终端100-1”’。集线器或网关100-2”’的操作与图1b的相邻终端100-2'并没有很大差别，因此不提供进一步描述。

另外，因为图1d的终端100-1”’、通信网络100”’和云设备120”’类似于图1a的终端100、通信网络110和云设备120，所以不再提供其细节。然而，图1d的通信网络110”’可通过基站(诸如BTS或e-Node)连接至终端100-1”’。

图1e为根据本公开第五示例性实施方式的数据协同处理服务系统的图示。

将图1e的数据协同处理服务系统90””和图1c的云计算系统90”相比较，图1e的终端100-1””通过第一通信网络110-1””连接至可佩戴设备100-2””，而终端100-1””通过第二通信网络110-2””连接至云设备120””。在此，第一通信网络110-1””可为局域网。局域网可为例如利用以下至少一个局域通信的通信网络，诸如无线LAN(Wi-Fi)、蓝牙、Zigbee、Wi-Fi直连(WFD)、超宽带(UWB)、红外数据协会(IrDA)、蓝牙低能耗(BLE)、近场通信(NFC)和ANT+，但不限于此。第二通信网络110-2””可为上文参照图1a所描述的通信网络110，或可为局域网或远程网络。

在图1e中，终端100-1””还可将云设备120””和可佩戴设备100-2””中的至少之一指定为数据的分布式处理主体以处理用于数据协同处理服务的数据。

例如，可佩戴设备100-2””的传感器可获取关于用户动作的原始数据或关于用户的生物信息的原始数据。终端100-1””可通过第一通信网络从可佩戴设备100-2””接收原始数据。然后，终端100-1””可与云设备120””协同工作来分析该接收原始数据。作为一种选择，终端100-1””可从可佩戴设备100-2””接收经处理的数据，并且可与云设备120””协同分析该经处理的数据。该经处理的数据可包括例如活动数据、活动模式数据和活动预测数据，但不限于此。

详细地，原始数据和经处理的数据可基于安全级别或处理级别根据层或预设标准进行分类，并且显示于终端100-1””或可佩戴设备100-2””的屏幕上。在这种情况下，当确定工作主体时，终端100-1””、可佩戴设备100-2””和云设备120””可彼此协同工作以分析用户的生物信息并且提供适于该用户的健康服务。在健康服务中，可向用户提供所需的锻炼或放松方法。作为一种选择，可向用户提供疾病可能性、疾病的进展状态等。

当终端100-1””或可佩戴设备100-2””将关于用户生物信息的数据传送至外部设备或云设备120””时，终端100-1””或可佩戴设备100-2””可传输作为用于隐私保护的隐匿数据的一些数据。在这种情况下，原始数据和经处理的数据的一些或全部可被隐匿。例如，通过将关于生物信息的原始数据或经处理的数据的一些改变成不同预设值，一些数据可被隐匿。例如，可通过将特定数据的诸如姓名、年龄和性别等的数据改变成不同值而执行隐匿。关于隐匿的细节将在后文详细地描述。另外，将在后文描述这样的情景：基于由可佩戴设备100-2””收集的生物信息通过终端100-1””与云设备120””之间的协同而提供不同级别的医疗服务。

图2a为示出图1a至图1e的终端100、100-1’、100-1”、100-1”’和100-1””的详细结构的一个实例的框图。

为便于描述，一并参考图2a和图1a，根据本公开一个示例性实施方式的终端100包括通信接口单元200、控制器210和显示单元220中的一些或全部。

在此，“包括一些或全部”意指诸如通信接口单元200的部件可被配置为集成于诸如控制器210的另一部件中。例如，通信接口单元200和控制器210可称作数据处理器。在下文中，为全面理解本公开，将描述的是，终端100包括通信接口单元200、控制器210和显示单元220中的全部部件。

通信接口单元200与云设备120通信以便向用户提供数据协同处理服务(例如，个性化数据协同处理服务)。因此，通信接口单元200可将由用户在终端100中设定的关于数据协同处理服务的服务限制级别信息传送至云设备120。另外，通信接口单元200可基于关于服务限制级别的信息将待分析用于数据协同处理服务的数据传送至云设备120。在此类过程期间，通信接口单元200可附加地执行诸如转换所接收数据的操作。例如，通信接口单元200可执行数据处理，诸如编码或解码。即使数据对应于一个特定层，但在执行工作分配时，终端100可将服务限制级别信息传送至云设备120，从而有利于数据分配。例如，当待处理的数据为对应于第二层的活动识别结果的数据时，用户可设定数据的处理，使得待处理数据的前50％由终端100进行处理，并且待处理数据的后50％由云设备120进行处理。在这种情况下，云设备120可被提供有服务限制级别信息以及待处理数据(例如，全部数据)，并且可根据服务限制级别信息分析待处理数据。然而，示例性实施方式不限于此，并且根据本发明的一个示例性实施方式，当服务限制级别信息不需要传送时，云设备120可不接收服务限制级别信息，并且可仅接收待处理数据并分析所接收的数据。

控制器210可控制通信接口单元200和显示单元220的整体操作。例如，当用户通过显示于显示单元220上的UI屏幕设定关于数据协同处理服务的服务限制级别时，通信接口单元200可被控制以将关于数据协同处理服务和该设定的信息传送至云设备120。在此，服务限制级别可为指示用户的隐私保护程度的级别，并且用户相关数据的一些或全部的共享可根据该服务限制级别进行限制。云设备120可通过利用从终端100提供的用户相关数据来推导多条分级信息，这些分级信息被分级。另外，根据服务限制级别，待提供至云设备120的一些或全部数据可被隐匿。终端100的用户可确定分级信息，该分级信息指示待与云设备120共享的至多层次，使得云设备120不能共享与多条分级信息中的特定分级信息有关的信息。因此，推导特定分级信息所需的一些数据可不从终端100提供至云设备120。

为设定该服务限制级别，控制器210可控制显示单元220显示UI屏幕，同时，可控制显示单元220以附加地设定各种类型的信息。例如，为推导多条分级信息中的特定分级信息，用户可设定各种类型的信息，诸如与对应分级信息有关的数据多久进行分析，以及分析主体是否确定分析级别的百分比(％)。另外，关于如何执行数据的分布式处理的各种类型的信息可根据资源(诸如终端100的CPU和电池)和网络状态(诸如通信网络110)的可用能力进行设定。这样设定的各种类型的信息可与云设备120共享。其它细节将在后文中进一步描述。AAA和分析模块可根据由控制器210设定的服务限制级别执行协同处理。

显示单元220显示由用户进行设定所需的各种UI屏幕。在此，由用户进行设定所需的UI屏幕可包括用于设定服务限制级别、数据分析工作可行主体、分析工作级别和工作分配限制的屏幕。另外，基于由用户通过UI屏幕所设定的信息而确定额外地通知用户的信息可以UI屏幕或弹出窗口的形式来显示。例如，用户不希望共享与多条分级信息中的特定分级信息有关的信息，但显示单元220可通知用户该设定过程是错误的，或显示信息来通知用户该用户不希望共享的特定分级信息可能因而在外部被共享。此外，显示单元220可显示由控制器210所处理的各种类型的信息。

图2b为图1a至图1e的终端的详细结构的另一示例性图示。

为便于描述，一并参考图2b和图1a，根据本公开另一示例性实施方式的终端100可包括通信接口单元200'、用户界面单元210'、控制器220'、数据分析器230'和UI屏幕生成器240'中的一些或全部。此外，终端100还可包括成像单元(未示出)、语音识别器(未示出)和语音输出单元(未示出)。

在此，“包括一些或全部”意指诸如用户界面单元210'的部件可省略，或诸如UI屏幕生成器240'的部件可与诸如控制器220'的另一部件集成，并且为全面理解本公开，将描述的是，终端100包括全部的通信接口单元200'、用户界面单元210'、控制器220'、数据分析器230'和UI屏幕生成器240'。

如同图2a的通信接口单元200，基于服务限制级别和链接至服务限制级别的指示符(在终端100中由用户设定)，通信接口单元200'可与云设备120协同工作以分散地分配并处理各种类型的数据。

用户界面单元210'可配置为按钮单元和显示单元，或可实现为触摸屏，该触摸屏一并执行按钮单元的功能和显示单元的功能。另外，用户界面单元210'还可包括用户信息检测器，该用户信息检测器包括传感器等。按钮单元可接收用户指令，并且用户信息检测器可利用终端100检测关于用户的各种类型信息。例如，可检测关于用户的位置的信息。另外，各种类型的支持信息可通过显示单元显示于终端100上。

控制器220'可控制包括于终端100中的通信接口单元200'、用户界面单元210'、数据分析器230'和UI屏幕生成器240'的整体操作。例如，当存在通过用户界面单元210'的用户请求时，控制器220'可控制UI屏幕生成器240'以将用于设定服务限制级别的UI屏幕显示于用户界面单元210'上，详细地，显示于显示单元上。另外，控制器220'可将基于所设定的服务限制级别信息而处理的数据提供至数据分析器230'，并且控制数据分析器230'以推导分级信息。因为关于控制器220'的其它细节与图2a的控制器220并没有太大差别，所以不在提供其描述。

控制器220'可包括CPU和存储器。在此，存储器可包括随机存取存储器(RAM)和/或只读存储器(ROM)。RAM为易失性存储器，并且可存储诸如根据本公开一个示例性实施方式的AAA 100a的程序。另外，ROM为非易失性存储器，并且可存储用于初始驱动终端100的程序。因此，CPU在初始驱动期间利用存储于ROM中的程序执行启动，在启动之后执行存储于存储器中的自动协同的程序，并且基于根据该程序的执行而提供的服务限制级别信息来执行用于数据分布式处理的协同操作。控制器220'将基于服务限制级别信息而提供的数据提供至数据分析器230'。

数据分析器230'分析通过自包括于用户界面单元210'中的各种传感器所获取的数据。例如，用户持有的终端100的移动信息(方向信息、旋转信息，等等)可通过陀螺仪获取。作为另一实例，可获取用户所使用的应用的类型和使用应用的日志历史。在此类过程期间，数据分析器230'基于由用户设定的服务限制级别信息来分析数据。当用户设定终端100以从多条分级信息钟推导特定层的分级信息时，数据分析器230'可仅分析与该特定分级信息有关的数据。因此，数据分析器230'可云运行分析引擎(即，程序)以推导每条分级信息。

获取上文所描述的原始数据和数据分析结果的获取器可根据下表2进行组织。

[表2]

UI屏幕生成器240'是生成UI屏幕的部件，例如，可生成特定功能的各种UI屏幕，诸如用于确定是否共享分级信息的UI屏幕。在此，各种UI屏幕包括用于设定服务限制级别和工作分配限制等的UI屏幕。作为一种选择，完全可能的是，UI屏幕生成器240'配置成预存储关于所生成屏幕的信息，并且当生成特定事件时，提供关于对应UI屏幕的信息。

此外，成像单元可包括图像获取装置(诸如相机)，可使用通过图像获取装置而获取成像数据(例如，图像文件或视频文件)，成像数据可用于数据协同处理服务中。另外，语音识别器包括麦克风，语音数据也可用于数据协同处理服务中。语音输出单元包括扬声器等。

图3a为示出图1a至图1e的云设备的详细结构的一个实例的框图。

为便于描述，一并参考图3a和图1a，根据本公开一个示例性实施方式的云设备120包括通信接口单元300、控制器310和存储单元320中的一些或全部。

在此，“包括一些或全部”意指诸如通信接口单元300的部件可与诸如控制器310的另一部件集成以形成数据处理器，并且为全面理解本公开，将描述的是，云设备120包括全部的通信接口单元300、控制器310和存储单元320。

通信接口单元300执行与终端100的通信以便向用户提供数据协同处理服务。因此，通信接口单元300可接收根据用户的服务限制级别信息(由终端100提供)，并且可将服务限制级别信息传送至控制器310以存储于存储单元320中。另外，通信接口单元300接收终端100基于服务限制级别信息提供的数据。然后，通信接口单元300可执行诸如信息转换等的操作。另外，当请求特定分级信息作为从终端100所接收的数据的分析结果时，通信接口单元300可传送该特定分级信息。

控制器310可控制云设备120中的每个部件(例如，通信接口单元300和存储单元320)的整体操作，并且可执行数据分析操作。例如，控制器310可将各种类型的信息存储于存储单元320中，诸如从通信接口单元300所提供的服务限制级别信息。另外，当从分配的数据或终端100提供原始日志数据时，控制器310可基于所存储的服务限制级别信息执行数据的分析操作。在此，日志数据可包括通过在线信道(诸如网页或移动信道)所获取的数据。因此，控制器310可将分析引擎(即，程序)存储于内部存储器(具体地，RAM)或存储单元320中，并且运行分析引擎以根据数据分析生成关于任意用户的分级信息。然后，所生成的分级信息可根据终端100的请求提供至终端100。

存储单元320可存储数据分析处理所需的各种类型的信息。代表性地，存储单元320可存储由控制器310所提供的服务限制级别信息，并且在控制器310的控制下输出所存储信息。此外，存储单元320可存储由控制器310所处理的各种类型的信息和数据处理结果，然后根据请求将其输出。

图3b为图1a至图1e的云设备的详细结构的另一示例性图示。

为便于描述，一并参考图3b和图1a，根据本公开一个示例性实施方式的云设备120可包括通信接口单元300'、控制器310'、存储单元320'和数据分析器330'中的一些或全部。在此，包括一些或全部具有与上文相同的意义。

将图3b的云设备120和图3a的云设备120相比较，图3b的云设备120还包括与控制器310'分离的数据分析器330'。

控制器310'可包括CPU和易失性存储器。为提供个性化数据协同处理服务，CPU可调用存储于存储单元320'中被称为AAA 100a的程序以存储于易失性存储器中，然后运行该程序。根据该程序的运行，AAA 100a和数据分析器330'的分析引擎可彼此交互工作。例如，AAA 100a可分析由通信接口单元300'所提供的服务限制级别信息，并且基于分析结果将从通信接口单元300'所接收的数据提供至数据分析器330'的每个分析引擎。

数据分析器330'可包括用于数据分析的分析引擎，并且在控制器310'的控制下分析所提供数据。例如，即使在从终端100提供原始日志数据时，基于由用户在终端100中所设定的服务限制级别信息，完全可仅分析用于推导特定分级信息的数据。分析引擎是用于执行活动检测、用于分析活动模式和用于基于活动模式而预测未来活动的过程，并且表示于图4的400中。每个引擎根据服务限制级别进行分级。下层中的引擎生成上层所需的数据。例如，活动识别引擎生成模式识别引擎所需的活动检测结果以分析重复模式。

另外，因为图3b的通信接口单元300'、控制器310'和存储单元320'类似于图3a的通信接口单元300、控制器310和存储320，所以不再提供其细节。

图4为表示图2a或图2b的控制器和数据分析器的详细功能的图示。

为便于描述，一并参考图4和图2a，根据本公开一个示例性实施方式的控制器210包括分析模块400和存储器410，并且还可包括CPU。

在此，分析模块400可配置为芯片的形式，作为用于处理数据协同处理服务的一些数据的一部分。例如，分析模块400可为用于存储和运行分析引擎(即，程序)的ROM，诸如掩模ROM、可擦可编程ROM(EPROM)或电可擦可编程ROM(EEPROM)。在此，分析引擎可包括用于活动识别的活动识别引擎、用于分析活动模式的模式识别引擎以及用于推导与活动模式有关的预测结果的预测引擎。ROM可为程序可被编写和擦除的存储器类型。分析模块400能够在线/离线操作，并且可分析用户的关注点，分析活动模式，以及执行预测操作。换句话讲，数据可基于由用户设定的服务限制级别信息进行分析以推导关于用户的特定区域的分级信息。在此，因为终端100的用户可将分析任务沙箱化，所以详细个人信息可通过数据隐藏受保护而免于分析任务。

存储器410可为例如易失性存储器。存储器410可存储关于AAA 100a的程序，并且可存储待分析数据。作为一种选择，存储器410可存储根据数据分析的分级信息。此外，存储器410可存储与使用资源的状态等有关的各种类型的信息，其中这些信息可与云设备120共享。另外，存储器410可存储用于基于工作负荷分配单元确定和分配计划策略而动态分配工作负荷的信息，并且可存储用于通过机器学习调整工作负荷分配单元确定和分配计划策略的信息。

另外，存储器410中的AAA 100a可在例如CPU的控制下运行。例如，AAA 100a可在终端100操作时运行以分析用户的关注点、活动模式等。因此，AAA 100a确定用户的限制、推导工作划分和分配方法，并且分析连同图1b的相邻终端100-2'和云设备120'一起执行的工作划分，从而根据分析工作划分的结果与分析模块400交互工作。

图5为根据本公开一个示例性实施方式的用于简要描述提供个性化服务的过程的图示。

如图5所示，根据本公开的一个示例性实施方式的终端100和云设备120包括用于数据分析的分析引擎(即，程序)。在此，程序可独立地运行。

根据本公开的一个示例性实施方式，作为分析引擎，可包括用于处理原始日志数据的引擎50、用于识别用户动作的活动识别引擎510、用于分析用户模式的模式识别引擎520和用于预测用户活动并设定服务响应级别的预测引擎530。

当服务限制级别在终端100中设定时，终端100可仅与云设备120共享基于该设定服务限制级别而处理的级别中的数据以用于服务。换句话讲，终端100可视为仅提供数据，使云设备120能够利用特定引擎来分析数据。

另外，即使在云设备120中，当内部负荷增加时，云设备120也可设定相对于终端100的动态处理级别。在此，动态处理级别意指，与终端100协同处理的数据可根据云设备120的网络状态而频繁改变。

图6为根据本公开一个示例性实施方式用于描述通过终端安装用于提供个性化服务的应用的过程的图示。

如图6所示，根据本公开一个示例性实施方式的终端100可需要安装应用以使用服务限制级别的数据协同处理服务，即，个性化服务。因此，如图6(a)所示，用于设定权限并同意获得个人信息的屏幕可显示于终端100的屏幕上。如果用户不同意，那么不能使用该服务。

然而，当用户在图6(a)同意时，图6(a)的屏幕可显示于终端100上。因此，可设定用于安装应用的权限。

图7a至图7k为根据本公开示例性实施方式示出用于设定各种类型的信息以指定服务限制级别的信息的图示。

详细地，图7a至图7e为示出设定层次级别信息、工作主体和工作级别的过程的图示，图7f至图7h为示出设定属性级别信息、工作主体和工作级别的过程的图示，并且图7i至图7k为示出设定网页浏览器信息、工作主体和工作级别的过程的图示。

参考图7a至图7e连同图1a和图1b，根据本公开一个示例性实施方式的终端100可设定用于分析并设定分级隐私数据的UI。因此，终端100可提供用于设定如图7a至图7e所示的各种类型的信息的UI屏幕。

为便于描述，参考图7a至图7e连同图1b，终端100-1'的用户选择在如图7(a)所示的壁纸上显示的图标，以使用个性化数据协同服务。然后，终端100-1'可显示用于提供如图7a(b)所示的服务的屏幕。例如，诸如“使用中的个人云服务”的短语可显示于屏幕的顶部，使得用户识别，该服务在使用中。当用户例如从服务屏幕选择终端100-1'的底部的菜单按钮时，用于设定信息的弹出窗口显示于屏幕的顶部。弹出窗口一般可显示账户的账户条目700、观察列表条目710和信息设定条目720，用户信息等输入到账户条目700中，观察列表条目710示出由用户指定的设备列表用于使用服务，信息设定条目720用于指定服务限制级别。在此，观察列表条目710可显示例如由用户指定作为数据处理主体的设备以使用当前服务。

在图7a(b)的屏幕中，当终端100-1'的用户选择信息设定条目720时，终端100-1'可显示用于设定如图7b(c)所示的详细信息的设定信息列表。根据本公开的一个示例性实施方式，设定信息列表可简要地包括用于设定层次级别信息、属性级别信息、网页浏览器信息和工作分配限制的条目等。

在图7b(c)的屏幕中，当终端100-1'的用户选择用于设定层次级别信息的条目时，可显示图7b(d)的屏幕。在图7b(d)的屏幕中，连同详细地指示正在被设定的信息的短语一起，可显示指示服务限制级别正在被设定的短语。用户可选择与外部设备共享和不与外部设备共享的层信息。当然，外部设备可为图1b的相邻终端100-2'或云设备120'。在此，共享意指终端100-1'与相邻终端100-2'和云设备120'协同来处理数据以获取层信息。当然，在此，协同也可相对于一条层信息来执行。另一方面，不共享意指相关数据仅由终端100-1'进行处理以获取相关层信息。

例如，相对于如图7b(d)所示的四个层次，终端100-1'可确定根据层次的共享。第一层次(层次0)涉及未处理信息自身(其由终端100-1'收集)，并且为处理与物理传感器的开启/关闭、应用的使用信息等相关的数据的层。第二层次(层次1)涉及终端100-1'基于第一层次的信息而生成的动作分析，并且例如，为处理与步行、通勤、吃饭等相关的数据的层。第三层次(层次2)涉及基于第二层次的信息的用户模式分析，并且例如，为处理与吃饭、锻炼和睡眠的模式相关的数据的层。第四层次(层次3)涉及用户的预测动作，并且例如，为用于预测动作(诸如两个小时之后离开办公室和三个小时之后慢跑)的层。

在图7b(d)的屏幕中，用户可通过选择确认按钮终止层次级别信息的设定过程。例如，在图1b中，当仅终端100和云设备120被指定用于服务时，在确定是否共享层信息之后，终端100可通过与云设备120协同而自动地执行对数据的分配处理。然而，用户可详细地确定工作主体，并且可考虑云设备120的分析资源具有高性能，而设置至高分析级别。因此，当选择是否共享层信息时，图1b的终端100-1'可附加地询问用户是否设定分析主体和分析级别，如图7c(e)所示。

在图7c(e)的屏幕中，当用户选择确认按钮时，可示出图7d(f)的屏幕，并且用户可经由左右轻击操作详细地设定工作主体和工作级别，或检查预执行的设定。例如，关于指定为不可共享的层信息，分析工作仅在自终端(终端自身)(即，图1b的终端100-1')中执行，因此不需要单独的设定工作。然而，关于允许共享的层信息，可从多个设备指定用于获取对应层信息的设备，并且可指定工作级别的百分比。

例如，当设定工作主体时，在工作主体仅为如图1a所示的终端100和云设备120时，可生成设定工作主体的两个工作主体设定条目并显示于如图7e(g)所示的屏幕上。同时，尽管未详细地示出，但当用户将五个设备(例如，自终端、云和终端1至3)指定为工作主体时，可显示设定工作主体的最多五个工作主体设定条目。在此，正在显示的工作主体设定条目的数量根据设定工作级别可变。换句话讲，当工作主体1的条目将自终端的工作级别设定为80％并且工作主体2的条目将云的工作级别设定为20％时，工作级别为100％，因此，即使存在五个可设定设备时，工作主体设定条目也不再显示。另外，如图7d(f)的屏幕所示，用户可选择指示按钮730以指定工作主体，并且可从根据选择向下凸出的凸出窗口中设定特定设备，例如自终端。用户可经由此类过程设定工作主体，并且可执行输入工作级别数值的单独输入过程。工作的单元设定和工作的执行计划根据给定执行设备的资源的当前状态来智能地执行。

如图7e(g)的屏幕所示，当用户完成相对于与从多条层信息中选择为可共享的活动模式有关的识别结果和预测结果设定工作主体的过程和设定工作级别的过程时，用户可经由点击操作检查最终输入的信息。然后，当选择确认按钮时，层次级别信息、工作主体和工作级别的设定得以完成。另外，图1b的终端100-1'可再次显示如同图7b(c)所示的屏幕。

另外，图1b的终端100-1'可向用户提供用于确定级别(但不针对全部个人信息)的UI，并且如果需要，可提供用于通过分级将每个层次信息设定为如图7f至图7k所示的属性级别的UI。

简单来说，在图7f(a)的屏幕中，用户选择用于设定属性级别信息的设定条目。然后，显示图7f(b)的屏幕，并且用户通过该屏幕选择属性级别中的可共享性。然后，当选择确认按钮时，用于询问用户是否设定分析主体和级别的屏幕可如图7g(c)所示来显示。如果用户希望在图8g(c)的屏幕中设定分析主体和级别，那么终端100-1'可显示图7h(d)的屏幕，并且可从用户接收工作主体的输入。工作级别根据执行设备的可用资源级别来智能地预估。

当用户在完成输入过程之后选择屏幕底部处的确认按钮时，属性级别信息的设定得以完成。然后，终端100-1'可再次显示图7b(c)的屏幕。

详细地，参考图7f，根据本公开一个示例性实施方式的属性级别信息被不同地分级成某一属性级别，即终端或终端的活动，以及作为终端中的活动的应用选择、摄像、音乐聆听等。换句话讲，用户可确定是否在用户的简单活动级别上共享甚至使用终端100-1'的各种用户活动，诸如使用网页浏览器和摄像。换句话讲，在图7b(d)的屏幕中，用户希望共享例如活动识别结果，但在图7f(b)的屏幕中，用户不希望共享关于GPS路线的数据，而除GPS路线之外的活动识别结果可共享。例如，假设用于识别用户活动的Wi-Fi模块和GPS模块包括于终端100-1'中。因此，当用户不共享关于GPS路线的数据时，仅关于Wi-Fi模块的数据被共享。

例如，当用户仅利用Wi-Fi模块共享数据时，用户的活动数据可限于非常有限的空间，诸如住宅或办公室。然而，当利用GPS模块共享数据时，可共享用户的每次移动，因此可能侵犯用户的隐私。例如，如果用户访问泌尿科医生或售卖所谓奢侈品的知名百货商店，那么用户希望隐藏的信息可能被暴露。

另外，当用户将非常私密的照片或视频存储于终端100-1'中并且与外部设备共享有关存储的信息时，相应内容可被破解和暴露，并且因此隐私可能得不到保护。因此，与将活动内容存储于终端中的信息共享可被限制。

此外，当用户浏览网站并打开xxx.com时，可共享关于“互联网使用”的信息，而关于搜索内容详情的信息可不共享。这在保护用户的隐私方面可为有用的。

因为图7i至图7k与图7a至图7h并没有很大区别，所以不再提供其相同内容。然而，在图7i(b)中，网页浏览器信息示出了与当前位置有关的详细信息，用户可确定是否共享该详细信息，此外，可确定工作主体和工作级别。详细信息包括有关与当前位置相关的场所名称、时间段、和经度以及维度的信息。

同时，关于网页浏览的层信息将参考图7i详细地描述。例如，用户可能不希望与外部的云设备120共享图7i(b)的屏幕上的某些网页浏览信息。例如，用户可设定共享规则，使得特定区域的网页浏览记录不被共享。首先，假设所有的网页浏览记录设定为共享，并且用户从首尔移动至水原。在这种情况下，终端100-1'可收集根据用户的移动所生成的各种类型的数据。例如，收集关于用户移动至哪个区域、用户何时移动和用户何处搜索网页的数据。因此，此类数据为对应于第一层的原始数据。利用原始数据，终端100-1'可识别用户的活动。换句话讲，用户的活动(用户在特定时间移动至某一区域以及在特定位置搜索网页)被识别。此类活动为第二层的活动识别数据。另外，如果通过活动识别数据，用户早晨在首尔并且下午移动至水原，那么该活动模式数据可在第三层次中获取。此外，当分析活动模式：用户一般下午在水原时，可预测的是，即使例如用户早晨在首尔以外的区域，用户也可能移动至水原。

然而，当用户将活动模式分析和预测操作的分析主体设定至云设备120'并且终端100-1'不与云设备120'共享在水原的网页浏览记录时，则关于水原的活动模式数据可不传送至云设备120'。换句话讲，在从活动模式数据中删除关于水原的数据之后，再传送活动模式数据。因此，云设备120'不能获取与用户一般下午移动至水原有关的活动模式和预测信息来进行如上文所进行的业务。因此可认为，通过将活动模式和预测限制于首尔，云设备120'了生成完全不同于上文的数据。

同时，慢跑类似于网页浏览。例如，假设慢跑的路径为从住宅沿着海岸道路。因此，原始数据包括与传感器收集的路径有关的数据以及与用户在慢跑期间所聆听的音乐有关的数据，等等。另外，作为第二层次(即，作为活动识别结果)，可包括用户离开住宅、沿着海岸道路慢跑和聆听音乐的活动。然后，作为对应于第三层次的模式识别结果，获取用户在离开住宅之前聆听音乐和在离开住宅之后沿着海岸道路慢跑的数据。然后，作为第四层次，因为用户一般在早上8：00返回住宅，所以可预测用户可在30分钟(到达之前的30分钟)之后返回住宅。

因此，在这种情况下，当用户设定不与图1b的云设备120'共享关于聆听音乐的数据时，云设备120'可仅使用用户从住宅沿着海岸道路慢跑的数据。因此，对应于第三层次的模式识别结果是与音乐有关的数据被删除后的数据。

图8为根据本公开一个示例性实施方式的用于描述通知提取数据的工作执行主体的过程的图示。

为便于描述，一并参考图8和图1a，根据一个示例性实施方式的终端100可基于由用户在较低层次所设定的共享而向至少一个其它设备通知执行工作的主体以用于提取属于较高层次的数据，并且使其它设备类能够确定主体。在此，较高层次的数据基于较低层次的数据来提取。因此，需要原始日志数据以用于图8中的动作识别，但是如果终端100不与云设备120共享原始日志数据，那么动作识别的主体必须为终端100，并且可对用户通知该信息。

当模式分析数据与云设备120共享时，预测分析工作也可在云设备120中执行，并且可对用户通知该信息。

例如，在图7b(d)的屏幕中，当用户就原始日志数据而言选择为不可共享时，终端100可以弹出窗口的形式在屏幕上对用户显示诸如“因为原始日志数据选择为不共享，所以动作识别的主体只能在自终端中”的短语，从而帮助用户将自终端选择为动作识别的主体。

另外，因为用户在多条层信息中将涉及模式识别选择为可共享，所以终端100可以弹出窗口的形式在屏幕上对用户显示诸如“因为模式识别选择为共享，所以预测的分析主体还可在云设备中”的短语，从而帮助用户进行选择。

图9为根据本公开一个示例性实施方式的用于描述基于数据是否共享而确定分析工作级别的过程的图示。

为便于描述，一并参考图9和图1a，当用户允许特定数据共享时，根据本公开一个示例性实施方式的终端100可设定能够进行分析工作的主体的分析工作级别。分析工作级别可以百分比(％)的形式设定。就此而言，如图7e(g)的屏幕所示，用户可通过UI屏幕检查关于工作主体的工作级别。例如，在图9中，当自终端(即，终端100)使用原始日志数据来提取活动识别结果时，活动识别的精度可达到90％。

图10为用于描述通知基于共享的个人信息暴露风险的过程的图示。

为便于描述，一并参考图10和图1a，当根据本公开一个示例性实施方式的终端100不准许如图10所示的较高层次的数据共享时，较低层次的数据共享可以默认模式自动阻断。例如，当不准许模式信息共享时，可自动地不准许动作识别。

因此，当用户错误地设定特定层次的数据共享时，终端100能够通知用户：在较低层次设定为共享的层次可被不准许。

例如，在图7b(d)的屏幕中，用户针对预测结果层信息、模式识别结果层信息、活动识别结果层信息和原始日志数据层信息，可分别选择为可共享、不可共享、可共享和不可共享。在此，当不准许模式信息的共享时，终端100可将动作识别自动地改变为不可共享。然后，终端100可经由弹出窗口通知用户：共享被错误地设定。此外，终端100可通知相对于各种共享方式的个人信息的暴露风险程度，并且可在选择共享方式时例如将暴露风险程度显示为紧邻所选条目。

同时，当图8至图10在UI屏幕中进行配置时，图8至图10可彼此分离以形成单独屏幕，或可在如图7e(g)所示的一个UI屏幕中分成第一区域至第三区域。因此，根据本公开的一个示例性实施方式，未明确地限制设定UI屏幕的方法。

图11为用于描述可与相邻终端设定共享的图示。

为便于描述，参考图11连同图1b和图1c，根据本公开的一个示例性实施方式的终端100-1'或100-1"可设定相邻终端100-2'或可佩戴设备100-2"；相对于如图11所示的允许共享的层次，终端100-1'或100-1"与终端100-2'或可佩戴设备100-2"一起执行工作的共享。

例如，当用户设定终端2(即，相邻终端100-2')相对于活动识别可共享时，模式识别工作可与终端2协同进行处理。例如，模式识别工作可完全由终端2根据用户的设定进行处理，并且终端2可将处理结果提供至终端100-1'或100-1"。

就此而言，如上文相对于图7e(g)所描述，当用户选择共享特定层信息时，终端100-1'或100-1"可在屏幕上显示用于将设备设定为共享的设定条目和如何分配工作级别，并且用户可通过该屏幕输入详细信息。

图12a和图12b示出了根据本公开一个示例性实施方式的关于个性化数据协同处理服务的情景。

为便于描述，参考图12a和12b连同图1a，当终端100的用户设定例如如图12a所示“希望网页浏览记录受保护”时，终端100可不与外部的云设备120共享基于网页浏览记录的关注预测工作。换句话将，终端100可自执行对应工作。

例如，在图7I(b)的UI屏幕显示于终端100上时，用户设定共享和不不共享的网页浏览器信息。例如，当用户针对关于网页浏览器的整体信息选择为不可共享时，用户的网页浏览记录可完全受保护。因此，当终端100处理关于用户活动的原始日志数据时，涉及网页浏览的数据不与云设备120共享。

另一方面，如图12b所示，当用户仅准许针对首尔的路线预测数据的共享而不准许针对水原的共享时，关于首尔的预测数据可从终端100转移至云设备120。另一方面，关于水原的预测数据不提供至云设备120。因此，云设备120仅推导关于首尔的用户的动作预测结果，并且与终端100共享动作预测结果。

就此而言，虽然未提供单独附图针对例如用户将关于当前位置的场所名称、时间段和经纬度的信息在图7I(b)的屏幕中设定为不可共享的情况，但是终端100还可将用于设定区域的UI屏幕提供为下一屏幕。通过在该UI屏幕中附加地设定区域，用户可将关于特定区域的数据设定为不共享，如图12b所示。

图13为由图1b的系统所执行的智能操作的示例性图示。图13的附图标号1301指示确定分析主体以用于根据数据类型执行分析。

参考图13连同图1b，终端100-1'的分析API和云设备120'的分析API可彼此替换，如图13所示。然而，提供给用户的服务级别基于配置可不同。换句话讲，可在隐私与操作之间进行权衡。例如，作为一个服务实例，在识别Wi-Fi使用模式之后预测到应用的使用时，可进行图13的操作。

详细地，相邻终端100-2'可运行活动识别引擎以从多条层信息推导活动识别结果。因此，相邻终端100-2'可从终端100-1'接收并使用与Wi-Fi使用有关的原始日志数据。另一方面，模式识别工作可由终端100-1'来执行。因此，终端100-1'可从相邻终端100-2'接收并使用活动识别结果以推导模式识别结果。另外，推导模式识别结果可提供至云设备120'以用于推导预测结果。

根据此类操作，例如，因为在用户在图7b(d)的屏幕中仅选择每条可共享层信息并选择确认按钮时，工作主体在订购个人服务期间被预先指定，因此所指定的工作主体之间的动态确定是可能的。例如，工作主体可根据终端100-1'和相邻终端100-2'的CUP使用或电池使用，以及进一步根据云设备120'的网络使用等，而被自动确定。

图14为由图1b的系统所执行的智能操作的另一示例性图示。

一并参考图14和图1b，根据本公开的一个示例性实施方式，仅当包括能够基本执行数据分析工作的引擎(即，程序)的一部分时，系统中的设备可执行分配的工作或可参与动态服务功能的重建。

然而，如图14(b)所示，为了准备工作分配，终端100-1'可将活动识别引擎传送至相邻终端100-2'，并且相邻终端100-2'完全可能从云设备120'取用模式识别引擎和基于模式的预测引擎。因此，利用接收自终端100-1'的活动识别引擎和接收自云设备120的模式识别引擎，相邻终端100-2'可执行推导赋予自身的活动识别结果和模式识别结果的操作，并且可将每个推导结果传送至终端100-1'和云设备120'中的至少之一。

图15a为在UI屏幕上设定工作分配限制的过程的图示，并且图15b为用于描述根据服务和设备的情形的分析工作分配调节功能的图示。用户不能个性化地设定限值。在这种情况下，AAA可利用机械学设定合适限值，或一般地，将其他用户常用的限值用作默认值。

为便于描述，参考图15a和图15b连同图1a，根据本公开的一个示例性实施方式，终端100的用户可预测相对于如图15b所示的限制的限值，并且可在如图15a所示的工作分配限制设定UI屏幕上设定相对于限制的详细阈值。

详细地，终端100的用户从如图15a(a)的屏幕中所示的设定信息列表选择工作分配限制设定条目。然后，终端100显示图15a(b)的屏幕。因此，用户设定相对于每个限制条目的限值(即，阈值)。

例如，当用户将CUP使用设定为50％时，例如在图1a的终端100中，赋予自身的工作在CPU使用不超出50％的情况下执行，但该赋予的工作在CPU使用超出50％的情况下可由共享设备执行。另外，关于电池使用，在电池基于完全充电消耗多达约80％的情况下可改变工作主体。另外，当确定网络宽带使用超过90％时，终端100可不将工作主体改变为云设备120。此类实例基于这样的假设：终端100和云设备120彼此指定成共享每条层信息。因此，因为上文描述可基于可共享性自由地改变，所以本公开的一个示例性实施方式不具体限于上文描述。

如上文所描述，终端100的用户可设定网络使用极限值、电池使用极限值和CPU使用极限值(即，阈值)。终端100和云设备120之间的分析工作的标准可仅在如此设定限制时来准备。

因此，工作分配限制可自动地确定。例如，当日常网络使用设定成不超出10Mbyte时，关于其的资源使用限制可自动地确定。换句话讲，因为关于相对于网络使用限制的10Mbyte的设定信息存储于终端100中，所以限制可通过检查该信息来确定。另外，当存在多条限制时，例如，当以网络、电池和CPU的次序设定优先级时，优先级可基于此类资源使用限制自动地确定。换句话讲，因为关于每个限制的优先级信息还存储于终端100中，所以当需要确定优先级时，可检查存储的优先级信息。因此，基于由用户设定的信息，终端100可例如通过图15a的屏幕自动地确定工作主体或级别。

图16示出了与根据图15的服务和设备情形的分析工作分配调节有关的情景。

为便于描述，一并参考图16和图1a，根据本公开一个示例性实施方式的终端100消耗50％的CPU来分析每天慢跑模式，此时，功率消耗为100mJ，并且另一方面，当将慢跑日志传送至云设备120时，功率消耗为100mJ。此类信息例如经由机械学习根据经验确定。因此，终端100确定活动分析数据可利用自资源来处理的，并且如图16(a)所示，可将慢跑模式分析模块维持有效状态。换句话讲，可运行对应模块。

在此类过程期间，例如，当确定CPU不足时(因为如图16(b)所示，搜索词分析处理必须同时执行)，终端100可将搜索分析日志数据传送至云设备120以转移搜索分析工作。例如，当CPU匮乏而终端100同时执行搜索词分析处理时，终端100可将相关数据传送至云设备120，使得搜索词分析处理在云设备120中执行。

图17a和图17b示出了用于描述根据图15的服务和设备情形的变化的工作分配过程的情景。

为便于描述，参考图17a和17b连同图1a，根据本公开一个示例性实施方式的多个终端100可根据网络和终端100的操作状态执行各种操作。例如，图17a的终端1(装置1)可根据电池余量自动地调节数据传输量，并且当CUP利用处于饱和状态时，终端2(装置2)可减少转移至云设备120的数据传输量。另外，在云设备120中，可选择合适终端100来执行转移工作。

当例如云设备120的负荷在此类过程期间减少时，此时云设备120的资源利用状态可与终端100共享，并且在这种情况下，终端100可增加转移至云设备120的数据传输量，如图17b所示。

因此，根据服务和设备的情形的变化，工作分配在终端100和云设备120之间自动地、动态地或适应性地执行。

详细地，根据本公开的一个示例性实施方式，原则上，终端100的协同管理器和云设备120的协同管理器根据由用户相对于终端100中的数据共享所设定的设定信息执行对数据的分配处理。这对应于用于数据分配处理的协同操作。然而，在此类过程期间，可存在这样的情形：终端100由于缺乏电池余量而不能执行数据分配处理，或者云设备120由于数据处理的工作负荷而延迟或难以执行数据分配处理；在此类情形条件下，终端100的协同管理器和云设备120的协同管理器可执行重新协同操作。当然，重新协同操作可对除用户不想共享的数据之外的数据执行。因此，根据终端100或云设备120中实时变化的资源状态的数据分配处理方法的重新执行可视为“工作分配根据情形变化自动地执行”。

例如，当云设备120执行关于由自身执行的数据分析的工作重新分配时，云设备120可请求图1b的终端100-1'或相邻终端100-2'执行数据分析，并且可在负荷解决时接收数据和分析结果。

另外，当存在由用户通过终端100设定的隐匿设定信息时，终端100在电池余量匮乏时还可将隐匿信息提供至云设备120以请求云设备120来生成包括隐匿信息的数据。然后，当电池容量恢复时，终端100可从云设备120接收包括隐匿信息的数据并向用户提供该数据。例如，隐匿将特定数据的诸如姓名、年龄和人事关系等的数据改变成不同数据。其细节将在后文中进一步描述。

图18和图19为用于描述根据图15的服务和设备情形的变化的工作分配过程的图示。

为便于描述，一并参考图18和图1a，根据本公开一个示例性实施方式的终端100可确定根据云设备120的数据分析处理能力进行转移的数据传输量。例如，如果云设备120能够接收并处理例如与对应于每分钟10Mbyte的模式识别工作有关的数据，那么终端100可传送对应于每分钟1Mbyte的数据。

另外，一并参考图19和图1b，根据本公开一个示例性实施方式的终端100-1'还可确定根据相邻终端100-2'的数据分析处理能力进行转移的数据。例如，当相邻终端100-2'能够接收与用于图像识别工作的图像资料有关的每分钟1Mbyte的数据时，终端100-1'可根据此类信息传送数据。

总之，在将数据转移至云设备120或相邻终端100-2'之前，终端100或100-1'可首先确定云设备120或相邻终端100-2'的数据分析处理能力，然后转移可处理能力范围内的数据。

图20为用于根据本公开第一示例性实施方式描述数据协同处理服务的过程的图示。在下文中，数据协同处理服务描述为云服务。

为便于描述，一并参考图20和图1a，在操作S2000中，根据本公开第一示例性实施方式的终端100可显示用于设定云服务的服务限制级别(或协同级别)的UI屏幕。

然后，当用户通过UI屏幕设定服务限制级别时，在操作S2010中，可相应地将服务限制级别信息提供至云设备120。然而，提供服务限制级别信息的时间点不限于此，服务限制级别信息可在数据的分配处理期间提供至云设备120。

在操作S2020中，云设备120存储根据用户的所接收的服务限制级别信息。大体上，因为云设备120能够存储根据用户的多个用户的服务限制级别信息，所以每个用户的服务限制级别可根据用户而不同。

在操作2030中，当与用户的服务限制级别有关的信息在终端100和云设备120之间共享时，终端100和云设备120基于由用户确定的服务限制级别信息对数据执行分布式处理。

在该过程期间，终端100可确定分配处理级别的百分比(％)，此外，可设定上文所描述的各种类型的信息，使得数据处理被动态地和适应性地处理。

然后，当终端100的用户请求根据数据分析的分析结果(即，诸如用户预测的分级信息)以使用特定云服务时，云设备120将所请求信息传送至终端100，并且终端100可利用自存储的分级信息和由云设备120所提供的分级信息，提供用户所期望的数据协同处理服务。

图21为用于根据本公开第二示例性实施方式描述数据协同处理服务的过程的图示。

为便于描述，一并参考图21和图1b，在操作S2100中，根据本公开第二示例性实施方式的终端100-1'显示用于设定云服务的服务限制级别和数据分析对象的UI屏幕。

然后，当用户通过UI屏幕设定服务限制级别和分析主体时，在操作S2110中，将服务限制级别信息和关于分析主体的信息相应地提供至相邻终端100-2'和云设备120。

然后，在操作2130中，相邻终端100-2'和云设备120存储接收的服务限制级别信息和所接收的关于分析主体的信息。

然后，在操作2140中，基于存储的服务限制级别信息，相邻终端100-2'和云设备120连同终端100-1'一起执行数据分布式处理。当待处理数据作为大数据进行传送时，基于服务限制级别信息，相邻终端100-2'和云设备120'可检查并分析待处理数据的特定数据。然而，根据网络的负荷，待处理数据可分割并提供至相邻终端100-2'和云设备120'。

即使在对数据进行分割并提供时，如果终端100-1'设定为可分析级别，那么终端100-1'、相邻终端100-2'和云设备120'可通过额外考虑与该可分析级别的有关信息，执行数据的分布式处理和分析工作。各种方法的任一种可相对于数据的分配和传输来施加。

图22为根据本公开一个示例性实施方式的驱动终端的过程的流程图。

为便于描述，参考图22连同图1a和图1b，在操作S2200中，根据本公开一个示例性实施方式的终端100执行与提供云服务的云设备120的通信。例如，当终端100请求使用云服务时，云设备120可就此做出响应。

然后，在操作S2210中，终端100显示用于确定根据用户的云服务的服务限制级别的UI屏幕。

当存在如图1b所示的相邻终端100-2'同时终端100确定服务限制级别时，可设定各种类型的信息，诸如分析主体。因为其细节已在上文充分地描述，所以不再提供其描述。

在操作S2220中，当服务限制级别通过UI屏幕来设定时，基于设定的服务限制级别，终端100连同云设备120一起通过执行对数据的分配处理而分析云服务中所用的数据。

当在此类过程期间确定相对于相邻终端100-2'的分析主体时，可在相邻终端100-2'也执行分配处理时分析该数据。

图23为根据本公开一个示例性实施方式的驱动云设备的过程的流程图。

为便于描述，参考图23连同图1a，在操作S2300中，根据本公开一个示例性实施方式的云设备120执行与使用云服务的终端100的通信。

然后，在操作S2310中，云设备120从终端100接收并存储根据用户所确定的服务限制级别信息。

在此过程期间，尽管未示出，但是云设备120可存储服务限制级别信息，如果存在如图1b所示的相邻终端100-2'，那么可设定关于分析主体、可分析级别等的各种类型的信息。

另外，在操作S2320中，基于存储的服务限制级别，云设备120连同终端100一起对云服务中所用的数据执行分配处理。在此，云设备120可通过分配处理过程推导数据分析结果。

然后，如果需要向终端100提供数据分析结果同时提供云服务，那么云设备120可提供对应结果。

图24为根据本公开一个示例性实施方式的终端的屏幕显示方法的流程图。

为便于描述，一并参考图24和图1a，在操作S2400中，根据本公开一个示例性实施方式的终端100显示用于由使用云服务的终端100的用户在多条分级信息中设定可共享分级信息的UI屏幕，该多条分级信息被分级并在云服务中使用。

然后，在操作S2410中，基于分级信息的设定的共享方式，终端100可显示用于根据分级信息来设定云服务的数据分析主体的UI屏幕。

另外，当设定数据分析主体时，终端100可设定分析级别，此外，可显示对根据用户的共享方式进行风险通知的各种类型信息。因为其细节已在上文充分地描述，所以不再提供其描述。

图25a和图25b为用于描述在将数据从终端传送至云设备或相邻终端时隐匿一些数据的过程的图示。

为便于描述，参考图25a和图25b连同图1a，在基于设定的分级信息的共享方式将数据传送至例如云设备120时，根据本公开一个示例性实施方式的终端100可附加地隐匿待传送的数据中的一些数据以用于隐私保护。在此，隐匿意味着一些数据(诸如文本、消息、语音或视频)改变成或构成为在保留目标对象特征的范围内的不同内容。

例如，当将诸如图25a(a)的文本或语音根据分级信息的共享而传送至云设备120时，整体意义可原封不动地传送，同时包含担心侵犯隐私的关于姓名、年龄和人事关系的信息的一些数据目标，诸如“三星电子公司”、“Hanban Yoon总经理”和“38岁”，可概括为“公司”、“Yoon”和“30多岁”，如图25a(b)所示。换句话讲，对应措辞可改变为其它措辞然后传送。换句话讲，关于语音，类似于文本，对应于“Hanban Yoon总经理”的语音可剪切并将“Yoon”的语音插入其中。

另外，在如图25b(a)中的图像或视频的情况下，面部区域可被如图25b(b)所示的情绪图像或漫画的面部图像隐藏然后传送。详细地，如图25b(a)所示，可从图像识别个体对象，附加的图像可替换识别的个体对象的一部分，具体为面部，如图25b(b)所示。当然，此类隐匿可通过应用于范围内的所有原始数据而应用，使得对象的实质特征不被列出。

基于上文描述，根据本公开一个示例性实施方式的终端100可执行分析(或确定)：根据分级信息的共享方式是否额外需要待传送数据的隐匿过程，此外，可额外地执行根据分析结果修改一些数据的过程。在，此类操作可由例如参照图2b的控制器220'和数据分析器230'执行。

详细地，参考图26a至图26c，例如，用户可在图26a(a)至(c)中设定隐匿的数据类型和详细隐匿信息。换句话讲，如图26a(a)所示，隐匿信息设定条目可从信息设定条目中选择；然后，基于文本的内容(诸如电子邮件、消息和聊天服务)从图26a(b)的屏幕中选择；然后可详细地设定姓名、年龄和人事关系的隐匿，如图26a(c)的屏幕所示。

当这样完成设定时，终端100存储与其中的隐匿相关的设定信息。然后，当用户执行数据分配工作时，分析在将对应数据传送至例如云设备120之前是否存在涉及隐匿的信息。当基于分析结果确定存在与隐匿信息相关的数据时，该数据可能改变成由用户指定的另一数据，或可能由终端100改变成默认值，然后可传送改变的数据。在此，默认值可意指终端100根据隐匿策略自动地改变数据。因为其细节已在上文参考图25a充分地描述，所以不再提供其描述。

另外，如图26b(a)至(c)所示，用户可在诸如语音消息、视频通话、视频和照片等的多媒体内容中，在例如图像的情况下设定面部的隐匿，以及可设定语音中的姓名以及视频中的面部的隐匿化。此时，当终端100在用户设定数据工作分配之后分配数据时，终端100将相关数据改变成另一数据，然后基于其中所设定的信息传送该相关数据。该改变方法可通过将相关数据改变为由用户指定的数据，或由终端100自动地改变相关数据来执行。

此外，如图26c(a)至(c)所示，用户可设定办公文档的隐匿，诸如Word、PPT或Excel。例如，当在文档中检查诸如安全、预算、机密等的信息时，具有对应信息的文档中的各种类型的信息可根据安全策略被隐匿。在此，安全策略可包括如上文所描述的人事关系、年龄和姓名，以及面部(如果文档为照片)。因为此类安全策略可变化，所以本公开的一个示例性实施方式未具体地限制。

根据本公开的一个示例性实施方式，图27为示出基于文本来分类照片的常规方法的图示，用于描述根据在图像识别工作期间所设定的服务限制级别将照片自动分类的操作。

为便于描述，参考图27连同图1a和图7b(d)，根据本公开一个示例性实施方式的终端100的用户可将图像识别结果设定为不与云设备120共享，如图7b(d)的屏幕所示。详细地，终端100可将如图27(a)所示的各种照片中用户的个人照片额外地设定为不与云设备120共享。

在这种情况下，在以内部相册文件夹形式存储由终端100所拍摄的照片或外部装置提供的照片时，终端100可通过经由图像识别引擎分析照片自动地区分用户的个人照片。因此，个人照片和其它照片可被分类并存储。例如，当使用面部识别时，可存储与用户面部特征点相关的信息，并且当存储信息和所识别照片的信息根据比较彼此匹配时，可将该识别照片确定为用户的个人照片并且自动地分类。

例如，如图27(a)至(c)所示，常规图像分类方法是非常不便的。换句话讲，存储于如图27(a)所示的相册文件夹中的许多照片可基于如图27(b)所示的文本进行搜索，从而根据图像种类将照片分类，如图27(c)所示。

然而，如同本公开的一个示例性实施方式，当与图像识别有关的分级信息仅在终端100中执行，并且可仅在个人照片和终端100中额外设定种类信息时，照片的分类工作以及个体的隐私保护可为非常容易的。

如果确认将个人照片之外的其余照片提供至云设备120，那么终端100可将对应照片提供至云设备120。

图28为用于描述为进行图像识别，将通过终端执行的用户的识别级别的图示。

参考图28，为执行图像识别(详细地，图像扫描操作)，图1a的终端100可访问图1d的云设备120或网关100-2”’以接收并使用相关程序(或应用)。

因此，如图28(a)所示，终端100可使用各种图像识别相关程序中用户所期望的程序，例如“image-net.sqlite3”。如果用户从图28(a)的屏幕选择“Select a DifferentModel(选择不同模式)”按钮来观察其它模型，那么终端100可显示如图28(b)所示的可下载程序的列表。

图29为用于描述利用识别引擎和个性化模型的图像处理操作的图示。

为便于描述，参考图29连同图1d，当根据本公开一个示例性实施方式的终端100-1”’仅指定为图像分析的工作主体(如图29(a)所示)时，终端100-1”’可从外部装置(诸如云设备120”’或网关100-2”’)下载并存储图像识别模型以用于确定一般由用户在终端100-1”’中所观察的文本(即，状态)并分析该文本，然后可利用该图像识别模型执行文本分析。在此，图像识别模型可意指程序，诸如图28(a)的“image-net.sqlite3”。

例如，当发现可访问的网关100-2”’时，终端100-1”’访问网关100-2”’以请求模型，然后接收请求的模型并存储于其中。然后，请求的模型用于图像识别。

同时，如图29(b)所示，当图像识别工作与网关100-2”’协同执行时，终端100-1”’将照片传送至网关100-2”’，并且从网关100-2”’接收并存储识别结果。

图29(a)和(b)所示的模型管理器执行尝试访问网关100-2”’的控制功能，并且数据接收器执行用于两个设备之间同步的操作，其中模型管理器和数据接收器均可配置为软件模块。另外，个性化数据和模型可存储于存储器中。

图30为示出根据一个示例性实施方式的终端100的实例的图示，终端100与云设备120一起分配并处理保健服务的数据。

参考图30，终端100可获取用于保健服务的原始数据。终端100可从用户身上的可佩戴装置100-3接收由可佩戴装置100-3所感测的感测信息。根据预设周期或在生成特定事件时，可佩戴装置100-3可通过可佩戴装置100-3中的传感器生成关于可佩戴装置100-3的位置和移动的感测信息，和关于用户的脉冲和温度的感测信息。另外，根据预设周期或生成特定事件时，可佩戴装置100-3可将感测信息传送至终端100。另外，利用终端100中的传感器，终端100可生成关于终端100的位置和移动的感测信息，和关于用户的脉冲和温度的感测信息。另外，终端100可获取关于何时生成感测信息的时间信息。

另外，在将一些或全部的原始数据传送至云设备120-1时，终端100可请求云设备120-1来分析该传送原始数据。云设备120-1分析原始数据以生成活动数据，并将生成的活动数据传送至终端100。终端100可将隐匿的原始数据传送至云设备120-1，云设备120-1可分析隐匿的原始数据以生成隐匿的活动数据。另外，云设备120-1可将隐匿的活动数据提供至终端100。

另外，在将一些或全部的活动数据传送至云设备120-2时，终端100可请求云设备100-2来分析该传送活动数据。终端100可隐匿待传送至云设备120-2的活动数据中的一些，并且将隐匿的活动数据传送至云设备120-2。例如，当用户的活动数据包括“汉江河岸”、“周日”、“9：00至10:00”和“慢跑”时，该活动数据通过将活动数据中的位置相关活动数据“汉江河岸”替换为预设变量“x”而进行隐匿。另外，基于该隐匿的活动数据，云设备120-2可生成用户的活动模式数据。在这种情况下，基于多条隐匿的活动数据，云设备120-2可生成用户的活动模式数据。另外，由云设备120-2所生成的活动模式数据可包括隐匿值。例如，云设备120-2可生成活动模式数据，诸如“周日从9:00至10:00在x慢跑”。另外，终端100可从云设备120-2接收由云设备120-2所生成的活动模式数据，并且可将活动模式数据中所包括的“x”解释为“汉江河岸”，从而生成诸如“用户周日从9:00至10:00在汉江河岸慢跑”的活动模式数据。

另外，在将全部活动模式数据的一些传送至云设备120-3时，终端100可请求云设备120-3来生成活动预测数据。终端100可隐匿待传送至云设备120-3的活动模式数据中的一些，并且将隐匿的活动数据传送至云设备120-3。例如，当用户的活动模式数据包括信息“周日从9:00至10:00在汉江河岸慢跑”时，终端100可将活动模式数据隐匿为“周日从9:00至10:00在x慢跑”。另外，终端100可将该隐匿的活动模式数据提供至云设备120-3。

在这种情况下，终端100可实时获取关于用户活动的信息，并且将该信息提供至云设备120-3。在这种情况下，关于用户活动的信息可为相对于用户活动所获取的原始数据或从该原始数据所分析的活动数据。终端100可隐匿实时获取的关于用户活动的信息中的一些或全部，并且将隐匿的信息提供至云设备120-3。

另外，通过将从终端100所传送的关于用户活动的信息与用户的活动模式数据相比较，云设备120-3可生成关于用户活动的通知信息。例如，基于从终端100所传送的关于用户活动的信息，云设备120-3可确定用户在周日早上9:30正站在汉江河岸处，并且用户的温度低于预设值。另外，云设备120-3可将此确定结果与活动模式数据相比较以生成通知信息，通知用户身体状况出现问题，并且将该通知信息传送至终端100。

在这种情况下，终端100可将通知信息传送至预设的相邻终端。接收该通知信息的相邻终端可由用户预设定。然而，示例性实施方式不限于此，云设备120-3可将通知信息传送至预设的相邻终端。

同时，形成本公开一个示例性实施方式的所有部件组合成一个部件或相组合进行操作的描述并非一定限于该示例性实施方式。换句话讲，在本公开的范围内，所有部件可选择性地组合成一个以上的部件进行操作。另外，所有部件可各自实现为一个单独硬件，但是一些或全部的部件可选择性地组合以实现为具有程序模块的计算机程序，该程序模块执行一个或多个硬件中所组合的一些或所有功能。本领域的技术人员可容易推断出计算机程序的代码和代码片段。该计算机程序可存储于非暂态计算机可读介质中，并且可由计算机读取并执行，从而实现本公开的一个示例性实施方式。

在此，非暂态可读记录介质不是短时间存储数据的介质(诸如寄存器、高速缓存或存储器)，而是半永久地存储数据的介质，并且可通过装置读取。详细地，上文所描述的程序可存储于诸如CD、DVD、硬盘、蓝光盘、USB、存储卡或ROM的非暂态可读记录介质中并且由其提供，。

虽然已参考附图描述了一个或多个例示性实施方式，但是本领域的技术人员将理解，可在不脱离以下权利要求书所限定的精神和范围的情况下对形式和细节做出各种改变。

Claims (15)

1.一种用于分析外部设备和用户活动的终端，所述终端包括：

通信接口单元，配置成与所述外部设备通信；

控制器，配置成获取用于预测所述用户活动的数据，将所获取数据中的一部分隐匿，以及将所隐匿数据和所述数据中其余的未隐匿数据通过所述通信单元提供至所述外部设备；以及

显示单元，配置成基于所述外部设备利用所提供的数据分析得到的活动预测数据来显示关于所述用户活动的通知信息。

2.根据权利要求1所述的终端，其中，用于预测所述用户活动的数据是以下至少之一：从所述终端获得的原始数据；从所述原始数据推导出的活动数据；以及从所述活动数据推导出的活动模式数据。

3.根据权利要求1所述的终端，其中，当用于预测所述用户活动的数据根据多个层进行分类时，所述控制器将用于根据所述多个层分析所述数据的分析主体设定为所述终端、所述外部设备和相邻终端中的至少之一。

4.根据权利要求1所述的终端，其中，当确定用于分析所述数据的程序未安装于所述外部设备和相邻终端的至少之一中时，所述控制器将用于分析所述数据的所述程序提供至所述外部设备和所述相邻终端中的至少之一。

5.根据权利要求1所述的终端，其中，所述显示单元还显示用户界面(UI)屏幕以用于设定与所述终端的操作状态和网络状态有关的条件从而分析所述数据，以及

所述控制器基于通过所述UI屏幕设定的条件而分析所述用户活动。

6.根据权利要求1所述的终端，其中，当所述数据根据多个层进行分类时，所述显示单元还显示UI屏幕，所述UI屏幕包括第一区域、第二区域和第三区域中的至少之一，所述第一区域指示数据可分析主体以基于属于较低层的数据共享设定而生成属于较高层的数据，所述第二区域指示所述数据可分析主体的分析可操作级别，所述第三区域指示在属于所述较低层的所述数据共享设定基础上属于另一层的数据的暴露风险。

7.一种用于分析终端和用户活动的云设备，所述云设备包括：

通信接口单元，配置成与所述终端通信；

存储单元，当数据被用于利用所述终端预测所述用户活动时，所述存储单元配置成通过所述通信接口单元接收所述数据中被隐匿的一部分和所述数据中其余的未隐匿数据；以及

控制器，配置成利用所接收的数据来推导预测所述用户活动的活动预测数据并将所推导的活动预测数据通过所述通信接口单元提供至所述终端。

8.根据权利要求7所述的云设备，其中，用于预测所述用户活动的数据是以下至少之一：从所述终端获得的原始数据；从所述原始数据推导出的活动数据；以及从所述活动数据推导出的活动模式数据。

9.根据权利要求7所述的云设备，其中，当所述数据根据多个层进行分类时，所述存储单元从所述终端接收并存储协同级别信息，所述协同级别信息设定成使得根据所述多个层分类的数据中的一些或全部可共享。

10.根据权利要求7所述的云设备，其中，当所述数据根据多个层进行分类时，所述存储单元从所述终端接收并存储这样的信息：根据所述多个层将所述终端、位于所述终端附近的相邻终端和所述云设备中的至少之一确定为数据分析主体。

11.一种通过终端分析外部设备和用户活动的方法，所述方法包括：

获取用于预测所述用户活动的数据；

将所获取数据中的一部分隐匿；

将所隐匿数据和所述数据中其余的未隐匿数据提供至所述外部设备；

接收由所述外部设备利用所提供的数据分析得到的活动预测数据；以及

基于所接收的活动预测数据，显示关于所述用户活动的通知信息。

12.根据权利要求11所述的方法，其中，用于预测所述用户活动的数据是以下至少之一：从所述终端获得的原始数据；从所述原始数据推导出的活动数据；以及从所述活动数据推导出的活动模式数据。

13.根据权利要求11所述的方法，还包括：当所述数据根据多个层进行分类时，将用于分析根据所述多个层而分类的所述数据的分析主体设定为所述终端、所述外部设备和相邻终端中的至少之一。

14.根据权利要求11所述的方法，还包括：当确定用于分析所述数据的程序未安装于所述外部设备和相邻终端的至少之一中时，将用于分析所述数据的所述程序提供至所述外部设备和所述相邻终端中的至少之一。

15.一种通过云设备分析终端和用户活动的方法，所述方法包括：

当数据被用于利用所述终端预测用户活动时，接收所述数据中被隐匿的一部分和所述数据中其余的未隐匿数据；

利用所接收的数据来推导预测所述用户活动的活动预测数据；以及

将所推导的活动预测数据提供至所述终端。