CN106936864A - 一种用户隐私保护方法及系统 - Google Patents

Abstract

本发明涉及一种用户隐私保护方法及系统，所述方法包括：获取用户的注册信息及其对应的网上行为信息；将所述用户的注册信息及其对应的网上行为信息转换为用户的评价信息；采用聚类方法根据所述用户的评价信息将用户分为n类，其中，n类用户对应n个虚拟用户；对用户的位置信息进行密钥管理；根据用户的位置信息及其对应的虚拟用户的偏好向所述用户推荐应用信息；本发明提供的方法及系统，使用户的个人隐私可控开放，既能使电力移动应用获取推荐相关的需求，又能让用户的个人信息得以保护。

Description

一种用户隐私保护方法及系统

技术领域

本发明涉及电力移动通信安全领域，具体涉及一种用户隐私保护方法及系统。

背景技术

随着国家电网公司信息化建设步伐的加快，传统的供电营业厅所提供的服务项目逐渐向网上迁移。近几年，智能手机的普及和移动互联网的发展，大部分人已经习惯用手机进行上网活动。国家电网公司开发的“电力E行”手机客户端提供了一系列便民服务，迅速积累了一大批用户。由于手机的便携性，人们也随时随地带着手机，所以手机定位服务得到了迅速的发展。电力移动客户端可以收集用户的网上行为信息去分析用户的偏好，结合手机定位向用户推送附近提供不同服务项目的电力网点，用户可以去这些网点办理电力相关业务，这样一种O2O(online to offline)模式在移动互联网时代将会得到极大的发展。

对用户而言，这种推荐能让用户在短时间内了解到附近的网点信息，根据后台推荐的信息能在最短时间内找到符合自己需求的网点，对网点而言，这是一种极佳的营销方式，而且营销对象的定位更加准确。然而，在这便利的后面也隐藏了不安全的隐患。为了让推荐的信息更加切合用户的偏好，电力移动客户端必须要搜集用户的个人信息，从而能够为不同的用户提供符合其个人兴趣偏好的推荐结果，这一做法不可避免地触及了个人隐私这一公众敏感神经。越多地利用用户的个人信息，推荐结果就越匹配用户的个人偏好，得到更好的推荐效果，相应地增加了用户个人隐私泄露的风险。目前，关于个人隐私保护的研究集中在用户个人信息的表示和鉴别、通讯隐私、安全存取以及个人信息建模和使用等方面。

发明内容

针对现有技术的不足，本发明提供一种用户隐私保护方法及系统，使用户的个人隐私可控开放，既能使电力移动应用获取推荐相关的需求，又能让用户的个人信息得以保护。

本发明的目的是采用下述技术方案实现的：

一种用户隐私保护方法，其改进之处在于，包括：

(1)获取用户的注册信息及其对应的网上行为信息；

(2)将所述用户的注册信息及其对应的网上行为信息转换为用户的评价信息；

(3)采用聚类方法根据所述用户的评价信息将用户分为n类，其中，n类用户对应n个虚拟用户；

(4)对用户的位置信息进行密钥管理；

(5)根据用户的位置信息及其对应的虚拟用户的偏好向所述用户推荐应用信息。

优选的，所述步骤(2)中，将第i个用户的注册信息及其对应的网上行为信息转换为第i个用户的评价信息A_i，公式为：

式(1)中，m为网络行为总数，θ_j为第j种网络行为的权重系数，e_ij为第i个用户的第j种网络行为的次数。

进一步地，所述网络行为包括：网上缴纳电费、浏览电力新闻版块、下载电力文档和订阅电力通知。

优选的，所述步骤(3)中，将所述用户的评价信息作为所述k-means聚类算法的输入将用户分为n类，其中，第i个用户与第s个用户间欧氏距离d_is的公式为：

式(2)中，A_i为第i个用户的评价信息，A_s为第s个用户的评价信息。

优选的，所述步骤(4)中，对用户的位置信息进行加密的公式为：

c＝m^e mod n (3)

式(3)中，c为加密后的位置信息密文，m为位置信息，e为加密指数，(e，n)为加密公钥，mod为求余运算符；

对用户的位置信息进行解密的公式为：

k＝c^d mod n (4)

式(4)中，k为位置信息密文的解密结果，d为解密指数，(d，n)为解密私钥。

一种用户隐私保护系统，其改进之处在于，所述系统包括：

获取模块，用于获取用户的注册信息及其对应的网上行为信息；

转换模块，用于将所述用户的注册信息及其对应的网上行为信息转换为用户的评价信息；

聚类模块，用于采用聚类方法根据所述用户的评价信息将用户分为n类，其中，n类用户对应n个虚拟用户；

加密模块，用于对用户的位置信息进行密钥管理；

推荐模块，用于根据用户的位置信息及其对应的虚拟用户的偏好向所述用户推荐应用信息。

进一步地，所述转换模块中，将第i个用户的注册信息及其对应的网上行为信息转换为第i个用户的评价信息A_i，公式为：

式(1)中，m为网络行为总数，θ_j为第j种网络行为的权重系数，e_ij为第i个用户的第j种网络行为的次数。

优选的，所述网络行为包括：网上缴纳电费、浏览电力新闻版块、下载电力文档和订阅电力通知。

优选的，所述聚类模块中，将所述用户的评价信息作为所述k-means聚类算法的输入将用户分为n类，其中，第i个用户与第s个用户间欧氏距离d_is的公式为：

式(2)中，A_i为第i个用户的评价信息，A_s为第s个用户的评价信息。

优选的，所述加密模块中，对用户的位置信息进行加密的公式为：

c＝m^e mod n (7)

式(3)中，c为加密后的位置信息密文，m为位置信息，e为加密指数，(e，n)为加密公钥，mod为求余运算符；

对用户的位置信息进行解密的公式为：

k＝c^d mod n (8)

式(4)中，k为位置信息密文的解密结果，d为解密指数，(d，n)为解密私钥。

与最接近的现有技术相比，本发明具有的有益效果：

本法发明提供的一种用户隐私保护方法及系统，将用户的隐性隐私构建虚拟用户偏好，单个用户归属到一类虚拟用户中，在给用户推荐信息时，依据的是虚拟用户的偏好，防止用户的个人隐私泄露，同时，通过基于密钥管理的用户地理位置隐私可控开放，使得用户信任的电力移动客户端才能获得用户的有效地理位置信息。

附图说明

图1是本发明提供的一种用户隐私保护方法流程图；

图2是本发明提供的一种用户隐私保护系统结构图。

具体实施方式

下面结合附图对本发明的具体实施方式作进一步的详细说明。

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

本发明提供了一种用户隐私保护方法，如图1所示，包括：

(1)获取用户的注册信息及其对应的网上行为信息；

(2)将所述用户的注册信息及其对应的网上行为信息转换为用户的评价信息；

(3)采用聚类方法根据所述用户的评价信息将用户分为n类，其中，n类用户对应n个虚拟用户；

(4)对用户的位置信息进行密钥管理；

(5)根据用户的位置信息及其对应的虚拟用户的偏好向所述用户推荐应用信息。

具体的，所述步骤(2)中，将第i个用户的注册信息及其对应的网上行为信息转换为第i个用户的评价信息A_i，公式为：

式(1)中，m为网络行为总数，θ_j为第j种网络行为的权重系数，e_ij为第i个用户的第j种网络行为的次数。

进一步的，所述网络行为包括：网上缴纳电费、浏览电力新闻版块、下载电力文档和订阅电力通知。

所述步骤(3)中，将所述用户的评价信息作为所述k-means聚类算法的输入将用户分为n类，其中，第i个用户与第s个用户间欧氏距离d_is的公式为：

式(2)中，A_i为第i个用户的评价信息，A_s为第s个用户的评价信息。

所述步骤(4)中，对用户的位置信息进行加密的公式为：

c＝m^e mod n (3)

式(3)中，c为加密后的位置信息密文，m为位置信息，e为加密指数，(e，n)为加密公钥，mod为求余运算符；

对用户的位置信息进行解密的公式为：

k＝c^d mod n (4)

式(4)中，k为位置信息密文的解密结果，d为解密指数，(d，n)为解密私钥。

实施例

例如：当用户在国家电网移动客户端注册一个新账号时，需要填写注册信息，包括姓名、家庭住址、手机号码、生日等，当用户使用该账号浏览客户端上的信息时，这些记录将被保存在后台服务器中。后台服务器根据注册用户在客户端上的注册信息和网上行为信息，利用机器学习技术，构建多种虚拟用户，虚拟用户表示的是一类用户。后台服务器依据每个用户的注册信息和网上行为信息，把每个用户划归到一类虚拟用户中，然后归纳出这一类虚拟用户共有特点，作为这一类用户的标签，这种标签即输出的虚拟用户偏好，比如家庭住址、年龄段、习惯网上缴纳电费、喜欢浏览电力新闻版块等。而且，每个用户不是固定在某一类虚拟用户中，当用户的年龄在增长和网上行为发生显著变化时，需要对用户进行重新的归类，用户属于某一类虚拟用户是在动态变化中，聚类方法可以采用k-means聚类方法，电力移动应用推荐信息的另一个特点是根据用户所在的地理位置对周边相关电力服务进行推荐。在本发明中，电力移动应用服务应用是结合虚拟用户的偏好来对用户进行推荐，单个用户的个人信息不会被泄露，但是，地理位置却是与用户一一对应，单个用户的地理位置隐私会被暴露，因此在本发明中提出基于密钥管理的用户地理位置可控开放，即用户对信任的电力移动客户端开放自身的地理位置信息，加密方法可以采用RSA算法。

一种用户隐私保护系统，如图2所示，所述系统包括：

获取模块，用于获取用户的注册信息及其对应的网上行为信息；

转换模块，用于将所述用户的注册信息及其对应的网上行为信息转换为用户的评价信息；

聚类模块，用于采用聚类方法根据所述用户的评价信息将用户分为n类，其中，n类用户对应n个虚拟用户；

加密模块，用于对用户的位置信息进行密钥管理；

推荐模块，用于根据用户的位置信息及其对应的虚拟用户的偏好向所述用户推荐应用信息。

具体的，所述转换模块中，将第i个用户的注册信息及其对应的网上行为信息转换为第i个用户的评价信息A_i，公式为：

式(1)中，m为网络行为总数，θ_j为第j种网络行为的权重系数，e_ij为第i个用户的第j种网络行为的次数。

进一步的，所述网络行为包括：网上缴纳电费、浏览电力新闻版块、下载电力文档和订阅电力通知。

所述聚类模块中，将所述用户的评价信息作为所述k-means聚类算法的输入将用户分为n类，其中，第i个用户与第s个用户间欧氏距离d_is的公式为：

式(2)中，A_i为第i个用户的评价信息，A_s为第s个用户的评价信息。

所述加密模块中，对用户的位置信息进行加密的公式为：

c＝m^e mod n (7)

式(3)中，c为加密后的位置信息密文，m为位置信息，e为加密指数，(e，n)为加密公钥，mod为求余运算符；

对用户的位置信息进行解密的公式为：

k＝c^d mod n (8)

式(4)中，k为位置信息密文的解密结果，d为解密指数，(d，n)为解密私钥。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

Claims (10)

1.一种用户隐私保护方法，其特征在于，所述方法包括：

(1)获取用户的注册信息及其对应的网上行为信息；

(2)将所述用户的注册信息及其对应的网上行为信息转换为用户的评价信息；

(3)采用聚类方法根据所述用户的评价信息将用户分为n类，其中，n类用户对应n个虚拟用户；

(4)对用户的位置信息进行密钥管理；

(5)根据用户的位置信息及其对应的虚拟用户的偏好向所述用户推荐应用信息。

2.如权利要求1所述的方法，其特征在于，所述步骤(2)中，将第i个用户的注册信息及其对应的网上行为信息转换为第i个用户的评价信息A_i，公式为：

$A_i=\underset{j=1}{\overset{m}{\Σ}}{\mathrm{\θ}}_j{e}_{ij}---\left(1\right)$

式(1)中，m为网络行为总数，θ_j为第j种网络行为的权重系数，e_ij为第i个用户的第j种网络行为的次数。

3.如权利要求2所述的方法，其特征在于，所述网络行为包括：网上缴纳电费、浏览电力新闻版块、下载电力文档和订阅电力通知。

4.如权利要求1所述的方法，其特征在于，所述步骤(3)中，将所述用户的评价信息作为所述k-means聚类算法的输入将用户分为n类，其中，第i个用户与第s个用户间欧氏距离d_is的公式为：

$d_{is}=\sqrt{{A_i}^2-{A_s}^2}---\left(2\right)$

式(2)中，A_i为第i个用户的评价信息，A_s为第s个用户的评价信息。

5.如权利要求1所述的方法，其特征在于，所述步骤(4)中，对用户的位置信息进行加密的公式为：

c＝m^e mod n (3)

式(3)中，c为加密后的位置信息密文，m为位置信息，e为加密指数，(e，n)为加密公钥，mod为求余运算符；

对用户的位置信息进行解密的公式为：

k＝c^d mod n (4)

式(4)中，k为位置信息密文的解密结果，d为解密指数，(d，n)为解密私钥。

6.一种用户隐私保护系统，其特征在于，所述系统包括：

获取模块，用于获取用户的注册信息及其对应的网上行为信息；

转换模块，用于将所述用户的注册信息及其对应的网上行为信息转换为用户的评价信息；

聚类模块，用于采用聚类方法根据所述用户的评价信息将用户分为n类，其中，n类用户对应n个虚拟用户；

加密模块，用于对用户的位置信息进行密钥管理；

推荐模块，用于根据用户的位置信息及其对应的虚拟用户的偏好向所述用户推荐应用信息。

7.如权利要求6所述的系统，其特征在于，所述转换模块中，将第i个用户的注册信息及其对应的网上行为信息转换为第i个用户的评价信息A_i，公式为：

$A_i=\underset{j=1}{\overset{m}{\Σ}}{\mathrm{\θ}}_j{e}_{ij}---\left(5\right)$

式(1)中，m为网络行为总数，θ_j为第j种网络行为的权重系数，e_ij为第i个用户的第j种网络行为的次数。

8.如权利要求6所述的系统，其特征在于，所述网络行为包括：网上缴纳电费、浏览电力新闻版块、下载电力文档和订阅电力通知。

9.如权利要求6所述的系统，其特征在于，所述聚类模块中，将所述用户的评价信息作为所述k-means聚类算法的输入将用户分为n类，其中，第i个用户与第s个用户间欧氏距离d_is的公式为：

$d_{ij}=\sqrt{{A_i}^2-{A_s}^2}---\left(6\right)$

式(2)中，A_i为第i个用户的评价信息，A_s为第s个用户的评价信息。

10.如权利要求6所述的系统，其特征在于，所述加密模块中，对用户的位置信息进行加密的公式为：

c＝m^e mod n (7)

式(3)中，c为加密后的位置信息密文，m为位置信息，e为加密指数，(e，n)为加密公钥，mod为求余运算符；

对用户的位置信息进行解密的公式为：

k＝c^d mod n (8)

式(4)中，k为位置信息密文的解密结果，d为解密指数，(d，n)为解密私钥。