CN107924267A - 用于通知的情境隐私引擎 - Google Patents

Abstract

在一个示例中，公开了一种计算装置，包括：用户通知接口；情境接口；以及一个或多个逻辑元件，该一个或多个逻辑元件形成情境隐私引擎，该情境隐私引擎可操作用于：接收通知；经由该情境接口来接收情境；经由通知规则来向该通知应用该情境；以及至少部分基于该应用来经由该用户通知接口采取动作。该情境隐私引擎还可操作用于将用户反馈数学地并入该通知规则中。还描述了一种提供情境隐私引擎的方法以及一种其上存储有用于提供情境隐私引擎的可执行指令的一个或多个计算机可读存储介质。

Description

用于通知的情境隐私引擎

相关申请的交叉引用

本申请要求于2015年8月27日递交的标题为“CONTEXTUAL PRIVACY ENGINE FORNOTIFICATIONS”的美国非临时（实用）专利申请No.14/836,993的优先权的权益，其全部内容通过引用并入本文。

技术领域

本公开大体上涉及计算机隐私领域，并且更具体地但非排他地涉及用于提供用于通知的情境隐私引擎的系统和方法。

背景技术

现代计算机设备可以被配置为向用户提供通知。例如，当用户收到传入的电子邮件时，桌面型计算机可以在通知区域弹出通知。在平板电脑或智能电话上，通知可以出现在“下拉”菜单上。在很多情况下，通知伴随着悬停的“工具提示”、声音、颜色改变、运动、或其他高度可见的动作。

发明内容

在一个示例中，公开了一种计算装置，包括用户通知接口；情境接口；以及形成情境隐私引擎的一个或多个逻辑元件，所述情境隐私引擎可操作用于：接收通知；经由情境接口接收情境；经由通知规则将情境应用于通知；以及至少部分基于应用来经由用户通知接口采取行动。情境隐私引擎还可以可操作用于将用户反馈数学地并入通知规则中。还描述了提供情境隐私引擎的方法以及其上存储有用于提供情境隐私引擎的可执行指令的一个或多个计算机可读存储介质。

附图说明

当与附图一起阅读时，根据下面的具体实施方式最佳地理解本公开。所强调的是，根据业界的标准实践，各种特征不一定是按比例绘制的，并且仅用于说明的目的。在明确地或隐含地示出比例的情况下，它仅提供一个说明性示例。在其它实施例中，为了清楚讨论，各种特征的尺寸可以被任意增加或减小。

图1是根据本说明书的一个或多个示例的操作情境隐私设备的用户的图示的框图。

图2是根据本说明书的一个或多个示例的计算装置的框图。

图3是根据本说明书的一个或多个示例的服务器的框图。

图4是根据本说明书的一个或多个示例的情境隐私引擎的框图。

图5是根据本说明书的一个或多个示例的由情境隐私引擎执行的方法的流程图。

图6是根据本说明书的一个或多个示例的置信度分数的图表。

具体实施方式

以下公开提供了用于实现本公开的不同特征的许多不同的实施例或示例。下面描述了组件和布置的具体示例以简化本公开。当然，这些仅仅是示例，并不旨在限制。此外，本公开可以在各种示例中重复附图标记和/或字母。这种重复是为了简单和清楚的目的，并且本身并不指示所讨论的各种实施例和/或配置之间的关系。不同的实施例可以具有不同的优点，并且特定优点对于任意实施例都不是必需的。

尽管可用于向用户立即通知传入消息、事件或活动，但通知也可能是有问题的。考虑以下示意性和非限制性的示例：

a.用户Tom在一次重要的商务会议期间将他的膝上型电脑的屏幕投影在会议室中。他的妻子在不知道会议的情况下向他发送一个调情的、暗示性的电子邮件，并且通知以消息预览弹出。这个消息引起尴尬，并使会议脱离正常进程。

b.招聘人员已经就很适合用户Shelly而且有加薪的新工作机会联系了她。但是她还没有决定接受这份工作。当她的主管在她的办公室中完全看到她的计算机屏幕时，招聘人员发送电子邮件说：“好消息！他们已经提供了工作机会，并希望你尽快开始！“

c.用户Carl将他的“火腿”电台爱好加入电子邮件列表。虽然他喜欢在他的业余时间交换列表上的消息，但在他工作时，消息通知是分散注意力的。

d.用户Natalie是通过桌面共享程序与客户进行会议的律师。在她共享桌面时，她的律师助理向她发送了电子邮件，其中包含有关另一客户的机密信息，并且她的电子邮件应用程序弹出通知图标以及持续几秒钟的消息浮动预览。第一个客户因此接触到关于第二个客户的保密信息，这可以构成违反律师保密义务。

e.用户Joe受到称为“烦躁症（flidgetism）”严重的的心理状态的影响，该烦躁症很敏感并且在一些圈子里有社会耻辱感。当Joe和他的朋友在车里开车时，并且他的电话经由蓝牙连接，Jones医生打电话。Joe的汽车中的大显示屏幕以明亮的字母点亮“Jones医生-东北烦躁症研究所”。更糟糕的是，在Joe没有回答的时候，Jones医生留下了消息，该消息在Joe的汽车中通过扬声器播放：“Joe，你的血液报告回来了。请给我打电话，这样我们可以讨论你的药物剂量。“

f.用户Hannah有一个安装了许多应用程序的智能电话，所有这些应用程序都想要定期提供“推送”通知。虽然Hannah发现这些通知中的一些是有用的，但它们中的很多是多余的或无趣的。不管情境如何她愿意立即接收到一些信息，其他消息她想仅在工作时间之外或不在开会时收到，还有一些消息她愿意永远不必看到。然而，Hannah不想为每个单个应用程序和情境手动配置通知，即使她想，她也不知道从哪里开始。她更愿意让电话来“学习”哪些通知是她认为有用的，以及她何时、何地、如何愿意接受它们。

在前述的示例中的每一个中，存在用户认为有益的有用的通知。但是在每种情况下，该通知的情境都是不合适的。

在Tom的情况下，来自他妻子的消息完全适合他的私人专注，但对整个会议室来说完全不合适。Tom甚至可能在工作时间期间不关心接收到通知，但是他愿意在会议结束后接收到通知。

在Shelly的情况下，来自招聘人员的消息对她是极其有用的，并且她想要实际地尽快得到通知，但是与她的老板共享此信息可能损害她的职业前景并危害她的谈判地位。

在Carl的情况下，他想要在他从事他的业余无线电爱好时收到新消息的通知。但是他们在工作时间期间分散注意力，易于使他的心思脱离他的工作，并且使他思考他想要去哪以及他愿意做什么。

在Natalie的情况下，她需要关于她的第二客户的机密信息，并且需要被及时地通知它是可用的。但是，在Natalie经由会议应用程序共享桌面时，不应显示通知，因为这实际上可能构成Natalie的道德或职业违规。根据信息的性质和两个客户的身份，这种违规可能是从无害的混乱到数百万美元的彻底改变事态者的任何事物。

在Joe的情况下，来自他的医生的消息可能是极其重要的。然而，由于附属于烦躁症的社会耻辱感，所以他不想和他的朋友分享这些信息，也不想让医生的信息在他的汽车的扬声器上播放。他宁愿将来电直接发送到他的语音信箱，并且在他从蓝牙接口断开连接后接收到通知。

在Hannah的情况下，她仅想要接收她感兴趣的通知（在该通知对她有用的时候和地方），而不会受到没有用处或不感兴趣的通知的打扰。这可以不仅取决于内容的性质，还取决于Hannah的情境，诸如她在哪里，她正在做什么，现在是一天中的什么时候，在她的日历上安排了什么活动，以及她和谁在一起。

本说明书提供了一种用于情境隐私引擎的系统和方法，该情境隐私引擎被配置为检测用户的情境，并且基于该情境采取关于通知的动作。在一个示例中，用户的设备被提供有通知接口，其可以被用来向用户提供通知。情境接口可以用来检测可以告知通知规则的情境。当设备接收到传入通知时，情境隐私引擎根据通知规则和情境数据来检查通知，并采取行动。

作为非限制性示例，情境可以包括以下中的任意项：

a.位置-存在确定用户或设备位置的许多方式。例如，可以使用GPS输入或者三角测量或者与某些接入点的接近度来确定位置。

b.运动和速度-例如，可以例如通过GPS或加速计来检测运动。当用户正在移动，或以超过特定速度移动时，可以期望修改通知。例如，如果用户正在驾驶，则直到汽车停止才提供传入的文本消息的通知是更安全的。

c.其他人的存在-一些通知是非常私人的，并且根本不应当与其他人分享。在这些情况下，通知规则可以在其他人则在场时抑制某些通知。可以通过例如使用相机或其他光学设备将房间中的物体识别为人，或者通过检测来自附近的移动设备的传输来确定他人的存在。

d.其他人的身份-某些通知仅适用于与某些特定个人（白列表）或与除了特定个人集合（黑列表）的所有人共享。存在确定他人何时在场以及他们的身份的许多方式。例如，情境接口可以包括相机或可以捕捉那些存在的人的图像的其他光学设备，并且可以使用面部识别来确定那些人的身份。在另一示例中，无线通信设备可以监听来自附近移动设备的传输，并且可以将它们例如与联系人列表进行比较以尝试确定设备拥有者的身份。

c.时间-这个因素可以意指一天中的时间、一周中的某一天、一个月中的时间、一年中的时间、或任意其他合适的时间因素。例如，用户可以不愿意在工作时间（诸如工作日上午8点至下午5点）期间接收到某些类型的电子邮件的通知。另一用户可能以更不规律的计划表工作（例如，每个月的第三个星期二的中班）。教师可以有不同的夏季和学年计划表。时间因素的许多其他组合是可能的。

f.日历事件-日历事件可能修改正常时间计划表。例如，用户可以不介意当他在办公桌前时接收某些通知，但可能不想在会议中时接收这些通知。相反，当用户不在办公室或休假时，不适合于工作的某些通知可能是可以接受的。

g.第三方程序操作-当其他第三方程序正在运行时，某些通知可能不合适（尤其是在前台）。例如，如果用户正在操作桌面共享程序，则可以暂停通知，使得它们不会出现在共享桌面上。在另一示例中，用户可能正在玩计算机游戏，在这种情况下，弹出式通知可能窃取焦点或以其他方式中断游戏的操作。许多其他的示例是可能的。

h.第三方程序输入-在某些示例中，第三方程序可以明确或隐含地提供影响通知规则的特定消息。例如，如上所述的游戏可以经由适当的消息总线来发送请求通知暂停的消息。在另一示例中，情境隐私引擎可以在消息总线上监听隐含地影响通知的消息。

i.当前输入方法的性质-当前输入设备可以影响通知。例如，当膝上型电脑对接在具有全键盘和鼠标的对接站中时，消息可以是合适的，但是在卸离（undock）时可能是不合适的。

j.当前输出方法的性质-类似地，输出设备也可以影响通知。例如，在膝上型电脑对接时，消息可以是可接受的，但如果膝上型电脑已卸离，特别是在连接到投影机的情况下，消息可以是不可接受的。在另一示例中，通知可以仅被发送给某些选择的输出设备。例如，膝上型电脑可以与辅助设备配对，所述辅助设备诸如可穿戴计算机、智能手表或智能电话。膝上型电脑上被抑制的通知可以在适当情况下被显示在辅助设备上。

k.传入的应用程序编程接口（API）数据-在一些示例中，情境通知引擎可以提供允许外部设备和程序提供“插件”以便它们可以明确地发送消息或修改通知规则的API。

l.传出的API数据-情境通知引擎也可以配置为充当第三方程序的插件。在那种情况下，API的可用性和功能可以影响通知规则。例如，API可以允许通知引擎读取用户的日历。

m.环境因素-许多现代设备包括环境传感器，并且未来的新设备可以提供有新的环境输入。环境输入可以包括温度、压力、湿度、加速度、方向、酸度、碱度以及任意其他传感器输入。在某些情况下，提供特定的环境换能器来发送感测的输入。这些中的任意一个均可以适当地集成到通知规则中。例如，环境传感器可以帮助推断设备的位置以提供位置适当的通知。

n.生物计量换能器-环境换能器的一个特例包括生物计量换能器。在这种情况下，生物计量换能器可以指示例如用户何时处于压力下，或者高度专注于任务。在那些情况下，部分或全部通知可以是不合适的。

o.生物计量用户识别-生物计量输入也可用于认证。例如，指纹、声纹和视网膜扫描可以单独地或者作为多因素认证方案的一部分来用于识别用户。可以仅在存在某些生物计量用户识别条件的情况下提供某些更新。

p.认证强度-在适当的情况下，认证的强度可以不同。例如，用户可以仅经由密码或者经由双因素认证来进行认证。情境通知引擎可以考虑认证的强度，例如仅当认证强度超过特定阈值时才提供某些通知。

q.备选认证-设备可以提供“恐慌模式”。如果用户被迫在胁迫下向设备认证自身，他可以提供替代认证（诸如替代密码）。通知可以被压制、清除或以其他方式改变来补偿。在这种情况下，也可以提供传出警报，例如通知有关当局。

r.安全令牌的存在-安全令牌（诸如通过非限制性示例的智能卡和RFID令牌）可以形成单因素或多因素认证方案的一部分。它们也可以用来确定用户何时在附近。

有利地，用户不需要手动输入每个可能的情境和规则以获得期望的行为。相反，用户可以能够输入某些基线规则来管理最重要的行为，并且通知引擎可以基于用户的行为来推断其他规则。例如，如果用户迅速或立即解除通知，则可以推断出该通知对于该情境是不合适的。如果通知停留了一段时间，并且用户然后在不查看它或不对其进行操作的情况下将其解除，则可以推断该用户对该通知是不感兴趣的。如果用户立即对通知进行操作，则可以推断该通知是合意的并且合乎情境。如果用户等待一段时间，并且然后对通知进行操作，则可以推断该通知是合意的，但是不合乎情境，或者至少原始情境是次优的。

为了优化关于何时显示哪些通知的决定，通知引擎可以使用机器学习引擎以数学方式并入用户反馈。对于附加的情境，情境隐私引擎的决定可以在适当的情况下被导出到“云”中的服务器，其中关于大类决定（large classes of decisions）的数据（潜在地是匿名的）可以被聚集以识别趋势和共同决定。进而，情境隐私引擎可以从云端获取信息以进一步完善其决定。

还应当注意，除了“完全通知”或“不通知”之外，可以采取各种动作。作为非限制性示例，选项可以包括现在通知、稍后通知、解除通知、静音通知、克制通知、加密通知、编码通知和置乱通知。

现在将更具体地参考附图来描述用于情境通知的系统和方法。应当注意，遍及各附图可以重复某些附图标记以指示特定的设备或块跨各附图完全或基本一致。然而，这并不旨在暗示所公开的各种实施例之间的任意特定的关系。在某些示例中，可通过特定附图标记（“小部件10”）来指代一类元件，而该类的单个类别或示例可通过带有连字符的数字（“第一特定小部件10-1”和“第二特定小部件10-2”）指代。

图1是用户120在驾驶汽车130时操作移动设备110的透视图。乘客124也乘坐在汽车124中。在该示例中，用户120可以是任意合适的人类行动者。在另一示例中，用户120可以不是人类行动者，而是可以是机器行动者。例如，用户120可以是与适当地被配置为提供本说明书的方法的服务器或其他计算设备接口连接的移动设备。在那种情境中，移动设备110可以是任意合适的计算设备，包括提供本文描述的功能的远程服务器。在更一般的意义上，用户120可以是操作移动设备110（其可以是任意合适的计算设备）的任意人、实体或事物。因此，意图在于使本说明书的教导被广义地理解为包括被配置和可操作地执行本文描述的方法的行动者、人类、机器或其他的任意合适的组合。

为了讨论的目的，参照图1，用户120将被描述为操作汽车130的人类用户，而乘客124骑乘并且还可能能够操作移动设备110。在该示例中，移动设备110具有到汽车130的合适的数据连接，例如蓝牙或其他无线连接，或USB或其他有线连接。为了讨论的目的，将使用蓝牙连接作为示例。

在该示例中，汽车130包括对于用户120和乘客124而言是高度可见的显示器140。在一个示例中，显示器140在汽车130的仪表板上，并且包括用户120可以容易地观察和阅读而不会分心的大字体、高对比度文本显示。

同样在该示例中，汽车150包括被配置为检测用户120和/或移动乘客124的位置的接近传感器150。接近传感器150可以被配置为向移动设备110向后提供指示用户120是位于汽车130的驾驶员座位中还是位于汽车130的乘客座位中的信号或其它数据流。这可以为移动设备110的情境隐私引擎224（图2）提供附加的灵活性。

通过示例的方式公开了分立的接近传感器150，但是也可以使用其他类型的有源和无源传感器。例如，许多车辆在乘客侧和驾驶员侧座椅中具有现存的压力开关，以根据激活准则来激活或停用安全气囊。来自这样的传感器的数据可以用作接近传感器150。例如，如果驾驶员侧上的压力开关被激活，并且在乘客侧的压力开关没有被激活，则情境隐私引擎224可以推断出用户120是独自的。如果汽车130具有后座，则那里的传感器也可以用于检测乘客。

在另一示例中，用户120还可以具有可穿戴设备160。可穿戴设备160可以通信地耦合到移动设备110，使得情境隐私引擎224可以在至少三个通知状态之间进行选择：仅在移动设备110上的通知、仅在可穿戴设备160上的通知、或者经由汽车显示器140的完整通知。

然而，应当注意，接近传感器150的各种应用和实施例可以是可选的。在一些情况下，策略可以被配置为确保移动设备110默认为其最受限制的状态，而不管是否存在接近传感器150。

在该示例中，汽车130包括显示器140。除了情境通知之外，显示器140还可以向用户120提供有用的情境敏感数据。例如，在图1中，显示器140指示移动设备110当前处于锁定状态（即，直接用户输入被锁定）。例如，这可以是安全预防措施，因为汽车130当前正在运动。另外，显示器140通知用户120汽车130当前正在以每小时55英里的速度移动。该信息可以进一步有利地用于辅助用户120确保他正在合法地操作汽车130，例如，在公布的速度限制内。最后，如由情境隐私引擎224所确定的，显示器140可以提供通知。例如，在这种情况下，用户120可以看到他有来自名为Jim的、电话号码为101-555-1234的朋友的来电。

图1的实施例公开了其中情境隐私引擎224有用的情况的一个示例。具体而言，用户120想要确保乘客124不查看隐私、令人尴尬的或者不合乎情境的消息。如本文其他地方所讨论的，许多其他的情境隐私情况是可能的，并且所有这样的适当情况都旨在由本公开的宽泛范围所涵盖。

图2是根据本说明书的一个或多个示例的客户端设备200的框图。计算设备200可以是任意合适的计算设备。在各种实施例中，通过非限制性示例的方式，“计算设备”可以是或者包括计算机、工作站、服务器、大型机、虚拟机（无论是仿真的还是“裸机（bare-metal）”管理程序）、嵌入式计算机、嵌入式控制器、嵌入式传感器、个人数字助理、膝上型计算机、蜂窝电话、IP电话、智能电话、平板计算机、可翻转平板计算机、计算装备、网络装备、接收机、可穿戴计算机、手持式计算器或用于处理和传送数据的任意其他电子器件、微电子器件、或微机电设备。任意计算设备都可以被指定为网络上的主机。每个计算设备都可以将其自身称为“本地主机”，而其外部的任意计算设备可以被指定为“远程主机”。

在某些实施例中，客户端设备110可以是计算设备200的示例。

计算设备200包括连接到存储器220的处理器210，其中存储有用于提供操作系统222和情境隐私引擎224的至少软件部分的可执行指令。客户端设备200的其他组件包括存储设备250、网络接口260和外围接口240。该架构仅通过示例的方式提供，并且旨在是非排他性的和非限制性的。此外，所公开的各个部分仅旨在是逻辑分区，并且不需要一定表示物理上分离的硬件和/或软件组件。某些计算设备例如在单个物理存储设备中提供主存储器220和存储设备250，并且在其他情况下，存储器220和/或存储设备250在功能上跨许多物理设备分布。在虚拟机或管理程序的情况下，全部或部分功能可以以在虚拟化层上运行的软件或固件以提供所公开的逻辑功能的形式来提供。在其他示例中，诸如网络接口260的设备可以仅提供执行其逻辑操作所必需的最小硬件接口，并且可以依靠软件驱动程序来提供附加的必要逻辑。因此，本文公开的每个逻辑块广义上旨在包括一个或多个逻辑元件，该逻辑元件被配置为和可操作用于提供所公开的该框的逻辑操作。如遍及本说明书所使用的，“逻辑元件”可包括硬件、外部硬件（数字、模拟或混合信号）、软件、往复式软件、服务、驱动程序、接口、组件、模块、算法、传感器、组件、固件、微码、可编程逻辑或可以协调以实现逻辑操作的对象。

在一个示例中，处理器210经由存储器总线270-3通信地耦合到存储器220，其通过示例的方式可以是例如直接存储器存取（DMA）总线，但其他存储器架构是可能的，包括其中存储器220经由系统总线270-1或某个其他总线与处理器210通信的存储器架构。处理器210可以经由系统总线270-1通信地耦合到其他设备。如遍及本说明书所使用的，“总线”包括任意有线或无线互连线、网络、连接、束、单总线、多总线、交叉开关网络、单级网络、多级网络或可操作用于承载计算设备的部件之间的、或计算设备之间的数据、信号或功率的其他传导介质。应当注意，这些用途仅以非限制性示例的方式公开，并且一些实施例可以省略前述总线中的一个或多个，而其他实施例可以采用附加的、或不同的总线。

在各种示例中，“处理器”可以包括可操作用于执行指令的逻辑元件的任意组合，无论是从存储器加载还是直接以硬件实现，作为非限制性示例包括微处理器、数字信号处理器、现场可编程门阵列、图形处理单元、可编程逻辑阵列、专用集成电路或虚拟机处理器。在某些架构中，可以提供多核处理器，在这种情况下，处理器210可以视情况仅被视为多核处理器的一个核，或者可被视为整个多核处理器。在一些实施例中，还可以为专用或支持功能提供一个或多个协处理器。

处理器210可以经由DMA总线270-3以DMA配置连接到存储器220。为了简化本公开，存储器220被公开为单个逻辑块，但是在物理实施例中可以包括任意合适的一个或多个易失性或非易失性存储器技术的一个或多个块，包括例如DDR RAM、SRAM、DRAM、高速缓存、L1或L2存储器、片上存储器、寄存器、闪存、ROM、光学介质、虚拟存储器区域、磁带或磁带存储器或类似存储器。在某些实施例中，存储器220可以包括相对低延迟的易失性主存储器，而存储设备250可以包括相对较高延迟的非易失性存储器。然而，存储器220和存储设备250不必是物理上分离的设备，并且在一些示例中可以简单地表示功能的逻辑分离。还应当注意，尽管通过非限制性示例的方式公开了DMA，但DMA不是与本说明书一致的唯一协议，并且其他存储器架构是可用的。

存储设备250可以是任意类别的存储器220，或者可以是分离的设备。存储设备250可以包括一个或多个非暂时性计算机可读介质，以非限制性示例的方式包括硬盘驱动器、固态驱动器、外部存储器、独立磁盘冗余阵列（RAID）、网络附加存储设备、光存储设备、磁带驱动器、备份系统、云存储设备或前述的任意组合。存储设备250可以是或可以在其中包括以其他配置存储的数据或者一个或多个数据库，并且可以包括操作软件的存储副本，诸如操作系统222和情境隐私引擎224的软件部分。许多其他配置也是可能的并且旨在被涵盖在本说明书的宽泛范围内。

可以提供网络接口260以将客户端设备200通信地耦合到有线或无线网络。如遍及本说明书使用的“网络”可以包括可操作用于交换计算设备内或计算设备之间的数据或信息的任意通信平台，其通过非限制性示例的方式包括ad-hoc本地网络、提供具有以电子方式交互的能力的计算设备的因特网架构、普通老式电话系统（POTS）（其中计算设备可以用于执行交易，其中它们可以被人类操作员协助或者其中他们可以手动将数据键入电话或其他合适的电子设备）、在系统的任意两个节点之间供应通信接口或交换的任意分组数据网络（PDN）、或任意局域网（LAN）、城域网（MAN）、广域网（WAN）、无线局域网（WLAN）、虚拟专用网络（VPN）、内联网或者促进网络或电话环境中的通信的任意其他适当的架构或系统。

在一个示例中，情境隐私引擎224可操作用于执行如本说明书中所描述的计算机实现的方法。情境隐私引擎224可以包括其上存储有可执行指令的一个或多个有形的、非暂时性计算机可读介质，所述可执行指令可操作用于指示处理器提供情境隐私引擎224。如遍及本说明书所使用的，“引擎”包括相似或不同种类的一个或多个逻辑元件的任何组合，其可操作用于并被配置为执行由引擎提供的一个或多个方法。因此，情境隐私引擎224可以包括被配置为提供如本说明书中所公开的方法的一个或多个逻辑元件。在一些情况下，情境隐私引擎224可以包括被设计为执行方法或其一部分的专用集成电路，并且还可以包括可操作用于指示处理器执行该方法的软件指令。在一些情况下，情境隐私引擎224可以作为“守护进程”过程来运行。“守护进程”可以包括无论以硬件、软件、固件或其任意组合来实现的、作为后台过程、终止和驻留程序、服务、系统扩展、控制面板、启动程序、BIOS子例程、或在没有直接的用户交互的情况下操作的任意类似的程序运行的任意程序或可执行指令系列。在某些实施例中，守护进程可以在“驱动程序空间”中以提升的权限运行，或者在保护环架构中的环0、1或2中运行。还应当注意，情境隐私引擎224还可以包括其他硬件和软件，其通过非限制性示例的方式包括配置文件、注册表条目、以及交互式或用户模式软件。

在一个示例中，情境隐私引擎224包括在可操作用于执行根据本说明书的方法的非暂时性介质上存储的可执行指令。在适当的时间，诸如在启动客户端设备200时或者根据来自操作系统222或用户120的命令，处理器210可以从存储设备250中取回指令的副本并将其加载到存储器220中。处理器210然后可以迭代地执行情境隐私引擎224的指令以提供期望的方法。

外围接口240可以被配置为与连接到客户端设备200但不一定是客户端设备200的核心架构的一部分的任意辅助设备接口连接。外围设备可操作用于向客户端设备200提供扩展功能并且可以或可以不完全依赖于客户端设备200。在一些情况下，外围设备可以是以其自身权限的计算设备。外围设备可以包括输入和输出设备，诸如（通过非限制性示例的方式）显示器、终端、打印机、键盘、鼠标、调制解调器、数据端口（例如串行、并行、USB、火线或类似的）、网络控制器、光学介质、外部存储设备、传感器、换能器、致动器、控制器、数据采集总线、相机、麦克风、扬声器或外部存储设备。

在一个示例中，外围设备包括显示适配器242、音频驱动器244和输入/输出（I/O）驱动器246。显示器适配器242可以被配置为提供人类可读的可视输出，诸如命令行界面（CLI）或图形桌面，诸如Microsoft Windows、Apple OSX桌面或基于Unix/Linux X Window系统的桌面。显示适配器242可以以任意合适的格式提供输出，诸如以非限制性示例的方式的同轴输出、复合视频、分量视频、VGA或数字输出，诸如DVI或HDMI。在一些示例中，显示适配器242可以包括硬件图形卡，其可以具有其自己的存储器和其自己的图形处理单元（GPU）。音频驱动器244可以提供用于可听声音的接口，并且在一些示例中可以包括硬件声卡。声音输出可以以模拟（如3.5mm立体声插孔）、分量（“RCA”）立体声、或数字音频格式（作为非限制性的示例诸如S/PDIF、AES3、AES47、HDMI、USB、蓝牙或Wi-Fi音频）的形式来提供。

在特定情况下，I/O驱动器246可以被配置为通信地耦合到一个或多个情境传感器，该情境传感器向情境隐私引擎224的情境引擎提供输入。显示适配器242和音频驱动器244可以提供可见或可听的通知。

图3是根据本说明书的一个或多个示例的服务器级设备300的框图。服务器300可以是如结合图2所描述的任意合适的计算设备。一般而言，除非另有明确说明，图2的定义和示例可以被认为同样适用于图3。本文分离地描述服务器300以阐述在某些实施例中，根据本说明书的逻辑运算可以沿客户端-服务器模型划分，其中客户端设备200提供某些本地化任务，而服务器300提供某些其他集中化任务。在当前的实践中，尽管不需要这些配置，但服务器300比客户端设备200更可能被提供为在计算集群上运行的“无头”VM，或者提供为独立的装备。

在某些实施例中，服务器300可以被布置为充当“云”服务器，使得一个或多个情境隐私引擎224可以上传情境数据。这可以通过聚集跨许多设备的许多决定来寻找趋势和共性来增强情境决定的整体有效性。

服务器300包括连接到存储器320的处理器310，其中存储有用于提供操作系统322和服务器引擎324的至少软件部分的可执行指令。服务器300的其他组件包括存储设备350、网络接口360和外围接口340。如图2所描述，每个逻辑块可以由一个或多个相似或不同的逻辑元件提供。

在一个示例中，处理器310经由存储器总线370-3可通信地耦合到存储器320，存储器总线370-3可以是例如直接存储器存取（DMA）总线。处理器310可以经由系统总线370-1通信地耦合到其他设备。

处理器310可以经由DMA总线370-3以DMA配置连接到存储器320，或者经由任意其他合适的存储器配置连接到存储器320。如图2中所讨论的，存储器320可以包括任意合适类型的一个或多个逻辑元件。

存储设备350可以是任意种类的存储器320，或者可以是如结合图2的存储设备250所描述的分离的设备。存储设备350可以是或可以在其中包括一个或多个数据库或以其他配置存储的数据，并且可以包括操作软件的存储副本，诸如操作系统322和服务器引擎324的软件部分。

可以提供网络接口360以将服务器140通信地耦合到有线或无线网络，并且可以包括如图2中所描述的一个或多个逻辑元件。

服务器引擎324是如图2中所描述的引擎，并且在一个示例中，包括一个或多个逻辑元件，该一个或多个逻辑元件可操作用于执行如本说明书中所描述的计算机实现的方法。服务器引擎324的软件部分可以作为守护进程运行。

服务器引擎324可以包括其上存储有可执行指令的一个或多个非暂时性计算机可读介质，所述可执行指令可操作用于指示处理器提供安全引擎。在适当的时间，诸如在启动服务器140时或者根据来自操作系统322或用户120或安全管理员150的命令，处理器310可以从存储设备350取回服务器引擎324（或其软件部分）的副本，并将其加载到存储器320中。然后，处理器310可以迭代地执行服务器引擎324的指令以提供期望的方法。这可以包括提供用于发送、接收、聚合和分析情境隐私决定的云存储接口。

外围接口340可以被配置为与接口连接到服务器300但是不一定是服务器300的核心架构的一部分的任意辅助设备接口。外围设备可以以非限制性示例的方式包括在图2中公开的外围设备中的任意。在一些情况下，服务器300可以包括比客户端设备200更少的外围设备，这反映出它可以更专注于提供处理服务而不是直接与用户接口连接。

图4是根据本说明书的一个或多个示例的情境隐私引擎224的框图。情境隐私引擎224包括机器学习引擎420和情境引擎430。其与例如由服务器300（图3）提供的云服务470以及与通知API 460进行通信。通知API 460接收传入的通知410并且以可感知的形式向用户120提供通知。来自情境隐私引擎224的输入可以影响通知API 460如何通知用户120。用户120还可以可选地经由通知API 460向情境隐私引擎224提供反馈，该情境隐私引擎224可以并入机器学习引擎420中。

机器学习引擎420可以在消息进入时根据消息进行训练或学习。例如，在特定的一天，用户Tom可以接收以下消息，其在下表中被分类，其中一些细节是编校的。

通知	类别	敏感度	紧迫性	脏话/俚语/性内容
					您的借记卡[编校]已于15年3月30日在CALIFORNIA BURRITO用来购买$[编校]。现在余额是$[编校]。	金融	高	中	无
SBI支付网关3D安全注册的OTP是[编校]。请不要与任何人分享。	密码	高	高	无
					Melissa：孩子们都在学校。如果你回家吃午饭，[编校]。	个人	中	高	高
您的Airtel移动电话222-555-1234的日期为15年2月22日的账单$[编校]。15日3月15日到期。请及时付款，以避免滞纳金！	公用事业/账单	低	高	无
					招聘人员：这是职位提供，宝贝！起薪为$[编校]！	职业	高	中	中

机器学习引擎420学习并适应于用户120的隐私偏好以用于特定的整体情境。例如，机器学习引擎420学习当在特定情境中接收到消息时用户120想要应用程序采取什么动作，并适应于随着时间改变用户的偏好。

针对其来学习隐私偏好的情境被指定为情境向量。情境向量是情境线索集合，其可以包括位置、一天中的时间、附近人数、消息语义、以及本文公开的任意其他情境因素。情境数据可以从情境引擎430内的一个或多个引擎接收。例如，情境引擎430可以包括自然语言处理引擎432、图像处理引擎434和情境API 434。

NLP引擎432可以被配置为“读取”传入消息或者提议的通知，并且以自然的方式进行处理。这个引擎可以因此能够基于其语言来推断通知的意图、范围或主题。例如，基于对账户余额和应付金额的讨论，NLP引擎432可以将第一消息识别为财务通知，并将第四消息识别为账单。基于术语“OTP”（单次密本）的用户以及禁令“不要分享”，NLP引擎432可以将第二消息识别为密码。基于亲密语言，NLP引擎432可以将第三消息识别为夫妻间通信。

NLP引擎432还可以识别影响情境的某些词语和词组。例如，最后一条消息中“宝贝”的用户可以将该消息标记为包含俚语，即使情境是原本未知的。因此，情境隐私引擎224可以认为该消息不适合在工作中以简单形式共享。类似地，来自“Melissa”的第三消息可能包含可能不适于共享的亲近的或直率的语言，并且因此情境隐私引擎224也可以抑制该通知。

例如，可以提供图像处理引擎434来分析照相输入以确定谁或什么在附近的性质。例如，在上面的图表中，如果有其他人在场，用户Tom可能宁愿不收到来自他的妻子Melissa的个人消息的通知。无论消息是否包括由NLP引擎432识别的任意“触发”词语和词组，情况都是如此。Tom认为他和Melissa之间的文本消息是他们的私事，并且因此想让这些消息在其他人在场时被抑制。替代地，Tom可以提供特殊的编码或“虚拟”信息，其让他知道他有来自Melissa的信息，但其他人不会理解。例如，Tom可以训练他的电话，当他收到来自Melissa的消息时，总是输出通知“关于你的包裹的运送更新”。这通知Tom，他有来自他的妻子的消息，但没有向任意其他人提供有用信息，从而允许Tom在他一方便时就查看实际的消息。

图像处理引擎434还可以提供更高级的图像处理。例如，Tom可能想要确保当他的老板在场时来自招聘人员的信息从不显示。因此，图像处理引擎434可以包括面部识别特征以识别Tom的老板何时在房间中。

情境API 436可以包括从第三方应用程序传入或向第三方应用程序传出的API。例如，情境引擎430可以访问用户Tom的地址簿，并且发现“Melissa”被列为Tom的妻子。因此，即使NLP引擎432不能够充分地解析第三消息，但是仅仅该消息来自Melissa（或者任意其他家庭成员）的事实就可以允许情境隐私引擎224推断该消息是私有性质的，并且不应当在情境之外分享。类似地，如果NLP引擎432未能将最后的消息识别为来自招聘人员的消息，则地址簿可提供招聘人员的身份，从而为消息提供实质情境。

情境向量可以是或包括数据结构，例如：

在一个示例中，机器学习引擎420以规则的形式将知识存储在知识数据库（KDB）中。规则可以由三元组<cxt, ac, cs>表示，其中cxt是情境集合，ac是动作，并且cs是置信度分数。规则可以是活动的或不活动的（默认）。

当情境引擎430识别传入消息时，其以示例的方式可以执行以下操作：

a.构建情境向量（使用一个或多个适当的情境引擎）。

b.查询机器学习引擎420以查看是否存在对应于该情境向量的活动规则。这可以包括一个或多个字段的匹配，并且该规则也可以包含动作。

c.如果规则存在，检查置信度分数以查看其是否足够高以自动实施规则。

d.如果存在活动且可实施的规则，则执行规则中包含的动作。

e.如果不存在活动的和可实施的规则，则向用户征求关于用户想要采取的行动的反馈。这可以包括本文讨论的动作中的任意一个。

f.如果接收到用户反馈，则机器学习引擎420更新用于给定情境的动作的置信度分数。这可以包括以下公式。

g.由于随着时间过去更多的反馈积累，动作的置信度分数可以超过激活阈值。然后，情境动作置信度三元组成为一个活跃的且可实施的规则。

h.为了计及用户偏好的改变，情境隐私引擎224可以提供“超时”（例如，基于时间和出现次数中的一个或两个）。在超时之后，情境隐私引擎224可以再次请求用户反馈以确认该规则应当保持活动并且可实施。这有助于情境隐私引擎224基于用户反馈来识别最有用的规则。随着确认次数的增长，超时可以增加，因此随着置信度的增加，反馈烦扰用户会较不频繁。

i．当请求反馈时，如果用户从当前学习动作()改变动作，则的置信度量度降低，并且的置信度量度增加。这可以导致活动的规则被取消激活，并且不活动的规则被激活。

每个动作可以被枚举（例如，{通知，不通知，部分通知，编码，置乱}）。然后，机器学习引擎420可以相对于任意情境保持每个动作的置信度分数。该分数表示在给定某种情境的情况下该引擎针对要采取的动作的置信度量度。当引擎遇到新的情境（情境向量）时，它会自动为情境创建新的规则，并与每个可能的动作配对，将它们添加为KDB中的记录。新创建的规则在默认的置信度分数值下是不活动的。

对于没有活动规则的情境（例如，在不存在具有足够高置信度水平的“优选”动作的情况下），机器学习引擎420可以从用户120请求关于要采取的动作的反馈。然后将该动作提供给机器学习引擎420，该机器学习引擎420既可以使动作被采取，又可以提高该动作的分数。

在一个示例中，可以根据以下公式来更新作为用户120的反馈给出的动作的置信度分数：

其中：

a. A是可以采取的所有行动（包括本文描述的任意行动）的集合。

b. i是用户选择的动作的索引（即，动作是以有序数组或数据结构（诸如“enum”）提供的，并且i是索引）。

c. t是规则激活的阈值。分数低于t的规则是不活动的，而分数高于t的规则是活动的。

d. f1是用户给出的“真”或“肯定”反馈的百分比（0 <f1 <1）。

e. f2是KDB中将 作为优选动作的活动规则的百分比（0 <f2 <1）。

f.Δ是t和之间的差。

g. c是确定置信度分数增长率的恒定值（c> 0）。

当针对特定情境针对动作的置信度分数cs超过阈值t时，则由三元组<>表示的规则被激活。然后，如果机器学习引擎420以等同于的情境来查询（即，如在特定实现中定义的完全匹配或者足够接近地匹配），则应用规则，并且动作A由客户端应用程序执行。

如将从该公式理解的，在每次更新时，机器学习引擎420可以使动作的置信度分数递增降低当前置信度分数与激活阈值t之间的间隔的量。

上述方法提供了许多优点。例如，简单地将Δ与常数C一起加到(i.e,)，得到在一个事件之后可以超过t。这意味着规则在单个反馈之后被激活，这隐含着机器学习引擎420给予用户给出的任意孤立的反馈的完全信任，而不管过去的交互历史。这既违反直觉，又无效率。相比之下，因子f1和f2使得能够随着行为的重复而更逐渐地发生改变。

因子f1是用户120给出的“真实”反馈的百分比（或归一化分率）。这可以跟踪用户在规则变为活动之前给出真实反馈的次数。如果用户120给出了许多假否定，则f1将是低的，并且在每次更新时，与具有较少假否定的另一用户相比，置信度分数的增量将更低。

对于动作的反馈，因子f2表示KDB中将作为优选动作的活动规则的百分比。如果在KDB中有许多将作为优选动作的活动规则，则在每次更新时，与针对另一动作的反馈相比，置信度分数的增量将会更高，其中。

为了计及改变的用户的隐私偏好，经学习的规则可以不会永久保持。相反，该规则可以被周期性地“刷新”，以确保它仍然反映有效的用户偏好。因此，机器学习引擎420可周期性地提示用户120确认经学习的规则仍然有用。提示之间的时间可以与规则的置信度分数成比例。附接到规则的置信度越高，提示之间的时间就越长。

当机器学习引擎420提示用户120确认活动规则,时，用户120可以确认或拒绝。在一个示例中，在肯定响应的情况下，的提示时间加倍，直到其达到最大值。如果用户拒绝，并且代之以选择替代动作，则的置信度分数可以被设置为其默认值（即，初始条件），而的置信度可以根据上面的等式增加。

图5是根据本说明书的一个或多个示例的由情境隐私引擎224执行的方法的流程图。

在框500中，情境隐私引擎224接收传入通知。

在框510中，情境引擎430处理情境输入。这可以包括例如NLP引擎432、图像处理引擎434和情境API 436。这还可以包括本文公开的任意其他情境引擎或方法。

在框520中，机器学习引擎420构建情境向量以表示整体情境。情境向量可以根据之前描述的方法来构建。

一旦已构建了情境向量，则在判定框530中，机器学习引擎420检查其知识库以确定针对该情境是否存在活动角色。

在框540中，如果规则不存在，则机器学习引擎420可以向用户120询问优选的动作。

回到框530，如果规则确实存在，则在判定框532中，机器学习引擎420检查以查看是否是时候提示用户进行规则确认。

如果不是时候提示用户，则在框560中，机器学习引擎420根据规则进行操作，并且在框599中完成该方法。

返回判定框532，如果是时候提示确认，则在框550中，机器学习引擎420请求来自用户120的反馈。

在判定框570中，机器学习引擎420确定来自用户120的反馈对规则是否有帮助或有益。

在框580中，如果反馈是有用的，则机器学习引擎420可以更新规则的提示时间，诸如扩展到下一个提示的时间，如前所述。

可以从框540或者从框570的“否”分支到达框590。在框590中，机器学习引擎420根据不管先前动作是什么来更新置信度值。

在框592中，机器学习引擎420检查以查看规则的置信度值是否已经移动到高于或低于阈值t。如果已经这样，则机器学习引擎420可以更新该规则的激活状态（即，使其是活动的或不活动的）。

在框599中，该方法完成。

图6是根据本说明书的一个或多个示例的置信度图。具体而言，图6将线性置信度分数与根据本文公开的方法计算的置信度分数进行比较。如从该图可以看出的，对于线性置信度分数和激活阈值八，需要七个用户反馈事件（在1.00处建立值的初始遭遇之后）来跨过阈值。

相反，使用本说明书的方法，规则在仅五个步骤之后越过阈值。规则不是从1线性地进展到2到3等等，而是开始于1.000的基线，在来自用户的第一肯定输入之后立即跳到3.690，在第二输入之后稍微更小地移动到5.519，在第三输入后又更小地变为6.763，并在第四输入后移动到7.609。这四个输入的置信度分数接近8.00的阈值。最后，在第五输入时，该线越过阈值到值8.184。随着规则正常执行，然后该置信度可以在8.184处保持稳定。如果接收到附加的确认输入，则置信度值可以不自行调整，但要求确认之间的时间可以增加。为了这种计算的目的，使用了值,,,和。

以上概述了若干实施例的特征，使得本领域技术人员可以更好地理解本公开的各方面。本领域的技术人员应当理解，他们可以容易地使用本公开作为用于设计或修改用于执行实现本文介绍的实施例的相同优点和/或相同目的的其他处理和结构的基础。本领域的技术人员也应当认识到，这样的等同构造不脱离本公开的精神和范围，并且在这里它们可以在不脱离本公开的精神和范围的情况下进行各种改变、替换和变更。

本公开的特定实施例可以容易地包括片上系统（SOC）中央处理单元（CPU）封装。SOC表示集成电路（IC），其将计算机或其他电子系统的组件集成到单个芯片中。它可以包含数字、模拟、混合信号和射频功能：所有这些功能都可以提供在单个芯片基板上。其他实施例可以包括多芯片模块（MCM），其中多个芯片位于单个电子封装内并且被配置为通过电子封装彼此紧密地相互作用。在各种其他实施例中，可以在专用集成电路（ASIC）、现场可编程门阵列（FPGA）和其他半导体芯片中的一个或多个硅芯中实现数字信号处理功能。

另外，与所描述的微处理器相关联的组件中的一些可被移除或以其他方式合并。在一般意义上，附图中描绘的布置在其表示中可以更合逻辑，而物理架构可以包括这些元件的各种置换、组合和/或混合。必须指出的是，可以使用无数可能的设计配置来实现本文概述的操作目标。因此，相关联的基础设施具有大量的替代布置、设计选择、设备可能性、硬件配置、软件实现、装备选项等等。

任意适当配置的处理器组件可执行与数据相关联的任意类型的指令以实现本文详述的操作。本文公开的任意处理器都可以将元素或物品（例如数据）从一种状态或事物转换为另一种状态或事物。在另一示例中，本文概述的一些活动可以用固定逻辑或可编程逻辑（例如，由处理器执行的软件和/或计算机指令）来实现，并且本文所标识的元件可以是某种类型的可编程处理器、可编程数字逻辑（例如现场可编程门阵列（FPGA）、可擦除可编程只读存储器（EPROM）、电可擦除可编程只读存储器（EEPROM））、包括数字逻辑、软件、代码、电子指令的ASIC、闪存、光盘、CD-ROM、DVD ROM、磁卡或光卡、适用于存储电子指令的其它类型的机器可读介质、或其任意适当的组合。在操作中，在合适的情况下并基于特定的需要，处理器可以将信息存储在任意合适类型的非暂时性存储介质（例如，随机存取存储器（RAM）、只读存储器（ROM）、现场可编程门阵列（FPGA）、可擦除可编程只读存储器（EPROM）、电可擦除可编程ROM（EEPROM）等）、软件、硬件中或存储在任意其他合适的组件、设备、元件或对象中。此外，基于特定的需求和实现，被跟踪、发送、接收或存储在处理器中的信息可以被提供在任意数据库、寄存器、表、高速缓存、队列、控制列表或存储结构中，所有这些都可以是在任意合适的时间框架内引用。本文讨论的存储器项中的任意一个都应当被解释为涵盖在广义术语“存储器”中。

实现本文描述的功能中的全部或部分的计算机程序逻辑以各种形式体现，包括但绝不限于源代码形式、计算机可执行形式和各种中间形式（例如，由汇编器、编译器、链接器或定位器生成的形式）。在一个示例中，源代码包括以各种编程语言实现的一系列计算机程序指令，诸如目标代码、汇编语言或诸如OpenCL、Fortran、C、C++、JAVA或HTML的用于与各种操作系统或操作环境一起使用的高级语言。源代码可以定义和使用各种数据结构和通信消息。源代码可以是计算机可执行形式（例如，经由解释器），或者可以将源代码（例如经由翻译器、汇编器或编译器）转换成计算机可执行形式。

在一个示例实施例中，附图的任意数量的电路可以在相关联的电子设备的板上实现。该板可以是通用电路板，其可以容纳电子设备的内部电子系统的各种组件，并且进一步为其他外围设备提供连接器。更具体地说，该板可以提供电连接，系统的其他部件可以通过该电连接进行电通信。基于特定配置需求、处理需求、计算机设计等，任意合适的处理器（包括数字信号处理器、微处理器、支持芯片组等）、存储器元件等可以适当地耦合到该板。诸如外部存储设备、附加传感器、用于音频/视频显示的控制器、以及外围设备的其他组件可以作为插入式卡、经由线缆、或者集成到板自身中来附接到该板。在另一示例实施例中，附图的电路可以被实现为独立模块（例如，具有被配置为执行特定应用或功能的相关联组件和电路的设备），或者作为插件模块被实现到电子设备的专用硬件中。

注意，利用本文提供的大量示例，交互可以用两个、三个、四个或更多个电子组件来描述。但是，这仅仅是为了清楚和示例的目的进行的。应当理解，系统可以以任意合适的方式被合并。沿着相似的设计替代方案，附图中所示的任意组件、模块和元件可以以各种可能的配置进行组合，所有这些都清楚地在本说明书的宽泛范围内。在某些情况下，通过仅参考有限数量的电气元件来描述给定流程集合中的一个或多个功能可以更容易。应当理解，附图及其教导的电路是容易扩展的并且可以容纳大量的部件以及更复杂/精细的布置和配置。因此，所提供的示例不应当限制可能应用于大量其他架构的电路的范围，或者抑制可能应用于大量其他架构的电路的宽泛教导。

本领域技术人员可以确定许多其他的改变、替代、变体、变更和修改，并且本公开旨在涵盖落入所附权利要求书的范围内的所有这些改变、替换、变体、变更和修改。为了协助美国专利商标局（USPTO）和另外关于本申请发布的任意专利的任意读者解释所附权利要求，申请人想指出申请人：（a）不旨在使所附权利要求中的任一项因为其存在于其递交日而援引35 U.S.C第112章节第六（6）段（pre-AIA）或在相同章节的（f）段（post-AIA），除非词语“用于......的部件”或“用于......的步骤”具体地用在特定权利要求中；以及（b）不旨在通过说明书中的任意陈述来以原本在所附权利要求中未反映出的任何方式来限制本公开。

示例实现

在一个示例中公开了一种计算装置，包括：用户通知接口；情境接口；以及包括情境隐私引擎的一个或多个逻辑元件，所述情境隐私引擎可操作用于：接收通知；经由所述情境接口来接收情境；经由通知规则来将所述情境应用于所述通知；以及至少部分基于所述应用来经由用户通知接口来采取动作。

还公开了一个示例，还包括反馈接口，其中所述情境隐私引擎还可操作用于：经由所述用户反馈接口来接收反馈；以及至少部分地基于反馈内容来将通知规则的置信度分数（）更新为新的置信度分数（）。

进一步公开了一个示例，其中更新所述置信度分数包括形式 的运算，其中A表示多个可能动作集合，i表示动作的索引，t表示阈值，f1表示接收到的“真”反馈的部分，f2表示以作为优选动作的活动规则的百分比，Δ表示t和之间的差，c是增长率常数。

还进一步公开了一个示例，其中所述动作是从由现在通知、稍后通知、解除通知、静音通知、克制通知、加密通知、编码通知和置乱通知构成的所述组中选择的。

还公开了一个示例，其中情境包括从由以下各项构成的组中选择的输入：位置、运动、速度、其他用户在场、其他用户的身份、时间、日历事件、第三方程序操作、第三方程序输入、输入方法、传入应用程序编程接口（API）数据、传出API数据、环境因素、生物计量数据、用户识别、认证强度、替代认证和安全令牌。

还公开了一个示例，其中经由通知规则来向所述通知应用所述情境包括检查消息语义。

还公开了一个示例，其中该情境隐私引擎包括自然语言处理引擎，其可操作用于执行消息内容的语义分析。

还公开了一个示例，其中消息语义包括至少一个消息主题类型。

还公开了一个示例，其中该情境隐私引擎包括图像处理引擎，其可操作用于接收光学输入并且对该光学输入执行对象识别。

还公开了一个示例，其中该情境隐私引擎包括应用程序编程接口（API），其可操作用于接收第三方程序数据。

还进一步公开了一个示例，其中该API是本地操作系统API。

进一步公开了一个示例，其中所述情境隐私引擎可操作用于构建情境向量，其被配置为表示总体当前情境。

进一步公开了一个示例，其中该总体当前情境包括情境数据和消息语义两者。

还公开了其上存储有用于指示一个或多个处理器提供情境隐私引擎的可执行指令的一个或多个有形、非暂时性计算机可读存储介质的示例，该情境隐私引擎可操作用于执行前述示例中的操作中的任意或全部。

还公开了提供情境隐私引擎的方法的示例，包括执行前述示例的操作中的任意或全部。

还公开了一个装置的示例，所述装置包括用于执行该方法的部件。

还公开了一个示例，其中所述部件包括处理器和存储器。

还公开了一个示例，其中所述部件包括一个或多个有形的、非暂时性计算机可读存储介质。

还公开了一个示例，其中所述装置是计算设备。

Claims (25)

1.一种计算装置，包括：

用户通知接口；

情境接口；以及

包括情境隐私引擎的一个或多个逻辑元件，所述情境隐私引擎可操作用于：

接收通知；

经由所述情境接口来接收情境；

经由通知规则来向所述通知应用所述情境；以及

至少部分基于所述应用来经由所述用户通知接口采取动作。

2.根据权利要求1所述的计算装置，还包括反馈接口，其中所述情境隐私引擎还可操作用于：

经由所述用户反馈接口来接收反馈；以及

至少部分地基于所述反馈内容来将所述通知规则的置信度分数（）更新为新的置信度分数（）。

3.根据权利要求2所述的计算装置，其中更新所述置信度分数包括形式的运算，其中A表示多个可能动作集合，i表示所述动作的索引，t表示阈值，f1表示接收到的“真”反馈的部分，f2表示以作为优选动作的活动规则的百分比，Δ表示t和之间的差，c是增长率常数。

4.根据权利要求1所述的计算装置，其中所述动作是从由现在通知、稍后通知、解除通知、静音通知、克制通知、加密通知、编码通知和置乱通知构成的所述组中选择的。

5.根据权利要求1所述的计算装置，其中所述情境包括从由以下各项构成的所述组中选择的输入：位置、运动、速度、其他用户在场、其他用户的身份、时间、日历事件、第三方程序操作、第三方程序输入、输入方法、传入应用程序编程接口（API）数据、传出API数据、环境因素、生物计量数据、用户识别、认证强度、替代认证和安全令牌。

6.根据权利要求1所述的计算装置，其中经由通知规则来向所述通知应用所述情境包括检查消息语义。

7.根据权利要求1所述的计算装置，其中所述情境隐私引擎包括自然语言处理引擎，所述自然语言处理引擎可操作用于执行消息内容的语义分析。

8.根据权利要求6所述的计算装置，其中消息语义包括至少一个消息主题类型。

9.根据权利要求1至5中任一项所述的计算装置，其中所述情境隐私引擎包括图像处理引擎，所述图像处理引擎可操作用于接收光学输入并且在所述光学输入上执行对象识别。

10.根据权利要求1至5中任一项所述的计算装置，其中所述情境隐私引擎包括应用程序编程接口（API），所述应用程序编程接口（API）可操作用于接收第三方程序数据。

11.根据权利要求10所述的计算装置，其中所述API是本地操作系统API。

12.根据权利要求1至5中任一项所述的计算装置，其中所述情境隐私引擎可操作用于构建情境向量，所述情境向量被配置为表示总体当前情境。

13.根据权利要求12所述的计算装置，其中所述总体当前情境包括情境数据和消息语义两者。

14.一个或多个有形、非暂时性计算机可读存储介质，其上存储有用于提供情境隐私引擎的可执行指令，所述情境隐私引擎可操作用于：

接收通知；

接收情境；

经由通知规则向所述通知应用所述情境；以及

至少部分地基于所述应用来经由用户通知接口来采取动作。

15.根据权利要求14所述的一个或多个有形的、非暂时性计算机可读存储介质，其中所述情境隐私引擎还可操作用于：

经由所述用户反馈接口来接收反馈；以及

至少部分地基于所述反馈内容来将所述通知规则的置信度分数（）更新为新的置信度分数（）。

16.根据权利要求15所述的一个或多个有形的、非暂时性计算机可读存储介质，其中更新所述置信度分数包括形式的运算，其中A表示多个可能动作集合，i表示所述动作的索引，t表示阈值，f1表示接收到的“真”反馈的部分，f2表示以作为优选动作的活动规则的百分比，Δ表示t和之间的差，c是增长率常数。

17.根据权利要求14所述的一个或多个有形的、非暂时性计算机可读存储介质，其中所述动作是从由现在通知、稍后通知、解除通知、静音通知、克制通知、加密通知、编码通知和置乱通知构成的所述组中选择的。

18.根据权利要求14所述的一个或多个有形的、非暂时性计算机可读存储介质，其中所述情境包括从由以下各项构成的所述组中选择的输入：位置、运动、速度、其他用户在场、其他用户的身份、时间、日历事件、第三方程序操作、第三方程序输入、输入方法、传入应用程序编程接口（API）数据、传出API数据、环境因素、生物计量数据、用户识别、认证强度、替代认证和安全令牌。

19.根据权利要求14至18中的任一项所述的一个或多个有形的、非暂时性计算机可读存储介质，其中经由通知规则向所述通知应用所述情境包括检查消息语义。

20.根据权利要求14至18中的任一项所述的一个或多个有形的、非暂时性计算机可读存储介质，其中所述情境隐私引擎包括自然语言处理引擎，所述自然语言处理引擎可操作用于执行消息内容的语义分析。

21.根据权利要求14至18中的任一项所述的一个或多个有形的、非暂时性计算机可读存储介质，其中所述情境隐私引擎包括图像处理引擎，所述图像处理引擎可操作用于接收光学输入并且对所述光学输入执行对象识别。

22.根据权利要求14至18中的任一项所述的一个或多个有形的、非暂时性计算机可读存储介质，其中所述情境隐私引擎包括应用程序编程接口（API），所述应用程序编程接口（API）可操作用于接收第三方程序数据。

23.根据权利要求14至18中的任一项所述的一个或多个有形的、非暂时性计算机可读存储介质，其中所述情境隐私引擎可操作用于构建情境向量，所述情境向量被配置为表示总体当前情境。

24.一种提供情境隐私引擎的计算机实现的方法，包括：

接收通知；

接收情境；

经由通知规则来向所述通知应用所述情境；以及

至少部分基于所述应用来经由所述用户通知接口采取动作。

25.根据权利要求24所述的方法，其中所述情境隐私引擎还可操作用于：

经由所述用户反馈接口来接收反馈；以及

至少部分地基于所述反馈内容来将所述通知规则的置信度分数（）更新为新的置信度分数（）。