CN110059097B - 数据处理方法和装置 - Google Patents

数据处理方法和装置 Download PDF

Info

Publication number
CN110059097B
CN110059097B CN201910215636.0A CN201910215636A CN110059097B CN 110059097 B CN110059097 B CN 110059097B CN 201910215636 A CN201910215636 A CN 201910215636A CN 110059097 B CN110059097 B CN 110059097B
Authority
CN
China
Prior art keywords
target
characteristic value
service providing
providing terminal
target characteristic
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910215636.0A
Other languages
English (en)
Other versions
CN110059097A (zh
Inventor
冯伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Advanced New Technologies Co Ltd
Advantageous New Technologies Co Ltd
Original Assignee
Alibaba Group Holding Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Alibaba Group Holding Ltd filed Critical Alibaba Group Holding Ltd
Priority to CN201910215636.0A priority Critical patent/CN110059097B/zh
Publication of CN110059097A publication Critical patent/CN110059097A/zh
Application granted granted Critical
Publication of CN110059097B publication Critical patent/CN110059097B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/23Updating
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/27Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60Protecting data
    • G06F21/62Protecting access to data via a platform, e.g. using keys or access control rules
    • G06F21/6218Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
    • G06F21/6245Protecting personal data, e.g. for financial or medical purposes
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60Protecting data
    • G06F21/64Protecting data integrity, e.g. using checksums, certificates or signatures

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Bioethics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Security & Cryptography (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • Data Mining & Analysis (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本说明书的一个或多个实施例提供了一种数据处理方法和装置,应用于包括服务提供终端和多个数据源终端的数据处理系统;所述方法包括:所述服务提供终端获取至少一个与目标用户对应的目标特征值,其中每个基础目标特征值是基于所述服务提供终端与至少一个数据源终端基于安全多方计算而获得的;执行所述目标特征值的应用逻辑。

Description

数据处理方法和装置
技术领域
本说明书涉及数据处理技术领域,尤其涉及一种数据处理方法和装置。
背景技术
业务服务提供方在为用户提供服务时,多需基于自身服务器所收集的用户信息对用户进行服务匹配。但是,业务服务提供方自身收集的用户信息通常并不全面,尤其在一些涉及隐私的信息,用户可能没有意愿直接提供给业务服务提供方,由此导致了业务服务提供方基于并不准确或全面的数据信息而提供的用户服务并不精准,用户体验较差。
发明内容
有鉴于此,本说明书一个或多个实施例提供一种数据处理方法、装置、计算机设备及计算机可读存储介质。
为实现上述目的,本说明书一个或多个实施例提供了一种数据处理方法,应用于包括服务提供终端和多个数据源终端的数据处理系统;所述方法包括:
所述服务提供终端获取至少一个与目标用户对应的目标特征值,其中每个目标特征值是基于所述服务提供终端与至少一个数据源终端基于安全多方计算而获得的;
执行所述目标特征值的应用逻辑。
在又一示出的实施方式中,所述服务提供终端获取至少一个与目标用户对应的目标特征值,包括:
所述服务提供终端获取至少一个与目标用户对应的基础目标特征值,其中每个基础目标特征值是基于所述服务提供终端与至少一个数据源终端基于安全多方计算而获得的;
根据预设的目标特征值算法,基于所述至少一个基础目标特征值进行计算处理而获得所述目标特征值。
在又一示出的实施方式中,所述预设的目标特征值算法包括:
为所述至少一个数据源终端设置加权系数;
基于所述加权系数,对所述至少一个基础目标特征值进行加权平均计算而获得所述目标特征值。
在又一示出的实施方式中,所述目标特征值用于表征多个目标用户间的个体属性相似度;
所述执行所述目标特征值的应用逻辑包括基于所述目标特征值,执行所述服务提供终端预设的向所述多个目标用户中的任一目标用户推荐其他目标用户的逻辑。
在又一示出的实施方式中,所述的方法,还包括:
获取所述目标用户发送的与所述目标特征值相关的反馈信息;
基于所述反馈信息更新所述目标特征值。
在又一示出的实施方式中,所述服务提供终端为区块链的节点设备;所述方法还包括:
将获得的所述目标特征值发送至所述区块链的分布式数据库。
在又一示出的实施方式中,所述执行所述目标特征值的应用逻辑,包括:
调用所述区块链上部署的智能合约,执行所述智能合约声明的对所述目标特征值的应用逻辑。
相应地,本说明书还提供了一种数据处理装置,应用于包括服务提供终端和多个数据源终端的数据处理系统;所述装置应用于所述服务提供终端,包括:
获取单元,用于获取至少一个与目标用户对应的目标特征值,其中每个目标特征值是基于所述服务提供终端与至少一个数据源终端基于安全多方计算而获得的;
执行单元,用于执行所述目标特征值的应用逻辑。
在又一示出的实施方式中,所述获取单元,进一步用于:
获取至少一个与目标用户对应的基础目标特征值,其中每个基础目标特征值是基于所述服务提供终端与至少一个数据源终端基于安全多方计算而获得的;
根据预设的目标特征值算法,基于所述至少一个基础目标特征值进行计算处理而获得所述目标特征值。
在又一示出的实施方式中,所述预设的目标特征值算法包括:
为所述至少一个数据源终端设置加权系数;
基于所述加权系数,对所述至少一个基础目标特征值进行加权平均计算而获得所述目标特征值。
在又一示出的实施方式中,所述目标特征值用于表征多个目标用户间的个体属性相似度;
所述执行单元,进一步用于基于所述目标特征值,执行所述服务提供终端预设的向所述多个目标用户中的任一目标用户推荐其他目标用户的逻辑。
在又一示出的实施方式中,所述获取单元,进一步用于获取所述目标用户发送的与所述目标特征值相关的反馈信息;
更新单元,用于基于所述反馈信息更新所述目标特征值。
在又一示出的实施方式中,所述服务提供终端为区块链的节点设备;所述装置还包括:
发送单元,用于将获得的所述目标特征值发送至所述区块链的分布式数据库。
在又一示出的实施方式中,所述执行单元,进一步用于:
调用所述区块链上部署的智能合约,执行所述智能合约声明的对所述目标特征值的应用逻辑。
相应地,本说明书还提供了一种计算机设备,包括:存储器和处理器;所述存储器上存储有可由所述处理器运行的计算机程序;所述处理器运行所述计算机程序时,执行上述服务提供终端所执行的数据处理方法。
相应地,本说明书还提出了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器运行时,执行上述服务提供终端所执行的数据处理方法。
由以上技术方案可见,本说明书提供的数据处理方法、装置、计算机设备及计算机可读存储介质,服务提供终端基于与至少一个数据源终端进行安全多方计算,以基于服务提供终端和至少一个数据源终端的数据获得与目标用户对应的目标特征值;基于安全多方计算的特性,数据源终端无需将其存储的数据原文提供给服务提供终端或其他数据源终端,即可完成对上述基础目标特征值的计算,从而既保护了数据源终端所存储的目标用户相关的数据隐私,又提高了上述数据源终端所存储的数据的利用率,以帮助服务提供终端为目标用户提供更加精准的服务。
附图说明
图1为本说明书所提供的一实施例所示的数据处理方法的流程示意图;
图2为本说明书所提供的一实施例所示的包括服务提供终端和多个数据源终端的数据处理系统的示意图;
图3为为本说明书所提供的一实施例提供的数据处理装置的示意图;
图4为运行本说明书所提供的数据处理装置实施例的一种硬件结构图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本说明书一个或多个实施例相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本说明书一个或多个实施例的一些方面相一致的装置和方法的例子。
需要说明的是:在其他实施例中并不一定按照本说明书示出和描述的顺序来执行相应方法的步骤。在一些其他实施例中,其方法所包括的步骤可以比本说明书所描述的更多或更少。此外,本说明书中所描述的单个步骤,在其他实施例中可能被分解为多个步骤进行描述;而本说明书中所描述的多个步骤,在其他实施例中也可能被合并为单个步骤进行描述。
业务服务提供方在为用户提供服务时,多需基于自身服务器所收集的用户信息对用户进行服务匹配。但是,业务服务提供方自身收集的用户信息通常并不全面,尤其在一些涉及隐私的信息,用户可能没有意愿直接提供给业务服务提供方,由此导致了业务服务提供方基于并不准确或全面的数据信息而提供的用户服务并不精准,用户体验较差。
针对以上提出的问题,本说明书一示例性实施例提供了一种数据处理方法,应用于包括服务提供终端和多个数据源终端的数据处理系统。所述服务提供终端可包括为用户提供业务服务的服务方的终端设备,所述多个数据源终端包括存储有用户个体数据、可为上述服务方提供用户数据支持的终端设备,例如政府政务服务器、用户社交服务器(类似于微博、QQ等)、甚至金融机构的服务器等等。
如图1所示,本实施例提供的数据处理方法包括:
步骤102,所述服务提供终端获取至少一个与目标用户对应的目标特征值,其中每个目标特征值是基于所述服务提供终端与至少一个数据源终端基于安全多方计算而获得的。
本实施例所述的与目标用户对应的目标特征值,可包括表征目标用户的任意目标特征的数值,如目标用户的信用度、目标用户在预设领域的兴趣度、目标用户在预设领域的专业擅长度等等,在本说明书中不作限定。
本实施例所述的安全多方计算可以理解为:两方或多方分别拥有各自的私有数据,在不泄漏各自私有数据的情况下,能够计算出关于公共函数的结果。整个计算完成时,只有计算结果对各方可知,且各方均不知其他方的数据以及计算过程的中间数据。由于上述数据源终端存储的用户数据都可能为用户的隐私数据,如果直接将用户相关的数据原文提供给服务提供终端可能会引起数据安全风险;基于安全多方计算,服务提供终端和至少一个数据源终端均无需向任一方提供各自存储的用户数据,但可基于各自存储的用户数据和约定的公共函数,计算获得与目标用户对应的目标特征值。
这样,既在安全多方计算过程中保证了数据隐私,又使计算所得的目标特征值基于了更加广泛的数据源;因此,既由于基于更广泛和准确的用户数据,提高了服务提供终端为目标用户提供服务的准确匹配度;又提高了上述数据源终端所存储的数据的利用率,甚至还可以为上述数据源提供方带来相应的经济收益。
关于上述服务提供终端获取与目标用户对应的目标特征值的具体过程,可以有多种。在又一示出的实施方式中,上述目标特征值是对上述安全多方计算所得的多个基础目标特征值再进行计算处理而得到的,具体说来,上述服务提供终端获取至少一个与目标用户对应的目标特征值,包括:所述服务提供终端获取至少一个与目标用户对应的基础目标特征值,其中每个基础目标特征值是基于所述服务提供终端与至少一个数据源终端基于安全多方计算而获得的;根据预设的目标特征值算法,基于所述至少一个基础目标特征值进行计算处理而获得所述目标特征值。
图2示意了上述实施例所提供的包括服务提供终端20和多个数据源终端201-207的数据处理系统的示意图。上述服务提供终端20可以与至少一个数据终端,如数据源201,或数据源203和204,基于各自存储的目标用户的数据和约定的公共函数进行安全多方计算,以获得相应的基础目标特征值——A或B。由于上述数据源201,和数据源203、204,所存储的关于目标用户的数据不尽相同,基于两个安全多方计算过程所得的关于目标用户的基础目标特征值A、B一般也不尽相同。上述服务提供终端在获取到关于目标用户的基础目标特征值A和B后,可再根据预设的目标特征值算法,对A和B进行计算处理而获得所述目标特征值。
本领域的技术人员可以根据服务提供终端所提供的具体的业务场景和数据源终端设置上述预设的目标特征值算法。在计算某具体的业务场景下的目标用户的目标特征值时,一些数据源终端所存储的用户数据具有较高的可信度,例如,政府政务机构的服务器所存储的用户的身份、社保、工作单位等信息,相较于社交媒体服务器(尤其是可匿名的社交媒体服务器)所存储的用户的身份、工作类型等信息,具有较高的可信度,在上述服务提供终端获取目标用户在某专业领域的擅长度特征值时,可以认为上述服务提供终端20与政府政务机构服务器作为数据源终端201进行安全多方计算所得的基础目标特征值A的可信度(或准确度)将大于上述服务提供终端20与社交媒体服务器作为数据源终端203和204进行安全多方计算所得的基础目标特征值B的可信度(或准确度)。
基于上述情景,在本说明书提供的又一实施例中,上述预设的目标特征值算法包括:为所述至少一个数据源终端设置加权系数;基于所述加权系数,对所述至少一个基础目标特征值进行加权平均计算而获得所述目标特征值,亦即:
Figure GDA0002387216050000071
其中,F(i)为目标用户i对应的一目标特征值,fx(i)为服务提供终端序列号为x的数据源终端进行安全多方计算所获得的基础目标特征值,αx为序列号为x的数据源终端的加权系数(在本示例中,为计算基础目标特征值,服务提供终端所选择的至少数据源终端被称为一种数据源终端的组合;假定共有n种不同数据源终端的组合,亦即上述服务提供终端与上述多个数据源终端经安全多方计算共得出n个基础目标特征值),本领域的技术人员容易知道,上述序列号为x的数据源终端至少包括一个数据源终端,还可以包括多个数据源终端的组合。
上述加权系数αx可由服务提供终端基于每个数据源终端或多个数据源终端的组合所体现出来的,与目标用户的数据相关的可信度、相关度等进行设定。例如,在目标用户对应的目标特征值用以表征目标用户在某专业领域的擅长度特征值时,可以认为上述服务提供终端与政府政务机构服务器作为数据源终端进行安全多方计算所得的基础目标特征值f1(i)的加权系数α1将大于上述服务提供终端与社交媒体服务器进行安全多方计算所得的基础目标特征值f2(i)的加权系数α2,从而更加精准地计算出目标用户的目标特征值。
步骤104,执行所述目标特征值的应用逻辑。
基于目标特征值所表征的内容或服务提供终端所执行的具体业务场景,关于上述目标特征的应用逻辑可以有多种。例如,当目标特征值用于表征目标用户的信用度时,对目标特征值的应用逻辑可包括对基于目标用户的信用度数值大小而执行的具体业务逻辑;当目标特征值用于表征目标用户在预设领域的专业擅长度时,对上述目标特征值的应用逻辑可包括依照上述目标用户的专业闪长度的数值大小,在其他用户在上述预设领域的专业需求上,对目标用户做出推荐,等等。
在又一示出的实施方式中,在面向用户的服务应用中,通常需要依据多个目标用户间的目标特征相似度向多个目标用户推送更加个性化、精准化的服务。例如,在面向用户的顺风车服务中,顺风车业务服务方除了依据服务提供终端收集的搭乘用户间、搭乘用户与司机用户间的起始路线相似度(或重叠程度)向搭乘用户和司机用户提供可以同行的其他用户,还可以基于本说明书中上述任一实施例提供的数据处理方法,将顺风车服务提供终端和数据源终端基于安全多方计算所得的搭乘用户间、搭乘用户与司机用户间的工作内容、专业、兴趣、爱好等个体属性相似度,作为另一计算因素加入到对同行用户的推荐算法中来,从而在顺风车同行搭载中,由于同行用户间的个体属性相似度而增加用户间的交流沟通,提升用户体验。
亦即,在本实施例中,上述目标特征值用于表征多个目标用户间的个体属性相似度;上述执行所述目标特征值的应用逻辑包括基于所述目标特征值,执行所述服务提供终端预设的向所述多个目标用户中的任一目标用户推荐其他目标用户的逻辑。
由于顺风车服务提供终端所收集的关于用户的工作内容、专业、兴趣、爱好等个体属性的信息不够全面或准确,借助于本说明书所提供的数据处理方法,顺风车服务提供终端可与数据源终端(例如可包括政府政务机构服务器、社交媒体服务器、金融机构服务器、网络运营商服务器甚至个人用户终端)进行安全多方计算,从而提供出用以表征目标用户间的个体属性相似度的目标特征值。当然,该目标特征值也可以是基于上述实施例所述的由基础目标特征值进行加权平均计算来获得,在此不再赘述。
基于上述实施例所述的数据处理方法所获得的用以表征多个目标用户间的个体属性相似度的目标特征值,除了应用于上实施例所述的顺风车服务提供终端,还可以应用于多种涉及用户间相似度推荐的服务终端,例如,社交服务提供终端、相亲交友服务提供终端等等。
另外,在面向用户的服务应用中,通常包括服务完成后的用户的评价反馈流程。在又一示出的实施方式所提供的数据处理方法中,上述服务提供终端还获取所述目标用户发送的与所述目标特征值相关的反馈信息;并基于所述反馈信息更新所述目标特征值。
上述与目标特征值相关的反馈信息是指用于评价上述目标特征值所表征的目标特征的反馈内容信息,例如,在顺风车服务的应用场景中,当上述目标特征值用于表征多个目标用户间的个体属性相似度时,目标用户发送的与目标特征值相关的反馈信息可以包括对上述多个目标用户中的任一其他目标用户的工作内容、专业信息等个体属性信息的评价、或对上述多个目标用户中的任一其他目标用户的同行喜爱程度的评价等,使得上述顺风车服务提供终端可基于目标用户间的评价修正或更新上述目标特征值,以期为上述多个目标用户提供更加精准的服务。
由上述各实施例所提供的数据处理方法所获得的目标特征值,可以存储在上述服务提供终端的本地存储中,为该服务提供终端执行的各种业务服务应用该目标特征值。在又一示出的实施方式中,上述服务提供终端可以作为区块链的节点设备;上述的数据处理方法还包括:将获得的所述目标特征值发送至所述区块链的分布式数据库。
本实施例所述的区块链,具体可指一个各节点设备通过共识机制达成的、具有分布式数据存储结构的P2P网络系统,该区块链内的数据分布在时间上相连的一个个“区块(block)”之内,后一区块包含前一区块的数据摘要,且根据具体的共识机制(如POW、POS、DPOS或PBFT等)的不同,达成全部或部分节点的数据全备份。本领域的技术人员熟知,由于区块链系统在相应共识机制下运行,已收录至区块链数据库内的数据很难被任意的节点篡改,例如采用Pow共识的区块链,至少需要全网51%算力的攻击才有可能篡改已有数据,因此区块链系统有着其他中心化数据库系统所无法比拟的保证数据安全、防攻击篡改的特性。
上述服务提供终端可通过遵循相应节点协议、运行节点协议程序的安装来加入该区块链,作为该区块链的节点设备。本领域的技术人员通常将具有区块链分布式数据库的数据全备份的节点设备称为全节点,将具有区块链分布式数据库的部分备份数据(如仅有区块头的数据)的节点设备称为轻节点等;在本实施例中所述的节点设备可以为上述的全节点或轻节点,只要直接或间接连入上述区块链、且可发送或获取区块链的分布式数据库的数据的任何设备均可称为本实施例所述的节点设备。
本领域的技术人员应知,区块链上的节点设备可获取存储在区块链的分布式数据库内的数据。因此基于上述实施例所述的服务提供终端所执行的数据处理方法,该区块链上的其他节点设备无需自身再进行计算处理,可直接从区块链的分布式数据库内获取上述目标特征值,而执行关于该目标特征值的其他的应用逻辑;从而提高了上述目标特征值的应用使用效率,更加间接提高上述各个数据源终端所存储的用户信息数据的利用效率。
由此可知,在本说明书所提供的实施例中,被收录至区块链的分布式数据库中的目标特征值数据不会被攻击或篡改,从而保证了上述服务提供终端,或上述区块链中的任一其他节点设备(可作为任一其他服务提供终端)在执行的对上述目标特征值的应用逻辑时,所基于的数据基础——目标特征值数据的准确性。
在又一示出的实施方式中,上述服务提供终端作为节点设备,或者上述区块链的其他节点设备,可以向上述区块链上部署声明有对上述目标特征值的应用逻辑的智能合约;经上述服务提供终端向上述区块链上发送包括上述目标特征值的目标交易,即可调用上述区块链上部署的智能合约,执行所述智能合约声明的对所述目标特征值的应用逻辑。本领域的技术人员应知,基于智能合约的调用可大大提高对目标特征值的应用逻辑的执行效率,而且智能合约的执行过程可由区块链上任一节点设备执行或验证,执行过程公平公正公开。
与上述流程实现对应,本说明书的实施例还提供了一种数据处理装置30,应用于上述服务提供方终端。装置30可以通过软件实现,也可以通过硬件或者软硬件结合的方式实现。以软件实现为例,作为逻辑意义上的装置,是通过所在设备的CPU(Central ProcessUnit,中央处理器)将对应的计算机程序指令读取到内存中运行形成的。从硬件层面而言,除了图4所示的CPU、内存以及存储器之外,网络风险业务的实现装置所在的设备通常还包括用于进行无线信号收发的芯片等其他硬件,和/或用于实现网络通信功能的板卡等其他硬件。
如图3所示,本说明书还提供了一种数据处理装置30,应用于包括服务提供终端和多个数据源终端的数据处理系统;所述装置30应用于所述服务提供终端,包括:
获取单元302,用于获取至少一个与目标用户对应的目标特征值,其中每个目标特征值是基于所述服务提供终端与至少一个数据源终端基于安全多方计算而获得的;
执行单元304,用于执行所述目标特征值的应用逻辑。
在又一示出的实施方式中,所述获取单元302,进一步用于:
获取至少一个与目标用户对应的基础目标特征值,其中每个基础目标特征值是基于所述服务提供终端与至少一个数据源终端基于安全多方计算而获得的;
根据预设的目标特征值算法,基于所述至少一个基础目标特征值进行计算处理而获得所述目标特征值。
在又一示出的实施方式中,所述预设的目标特征值算法包括:
为所述至少一个数据源终端设置加权系数;
基于所述加权系数,对所述至少一个基础目标特征值进行加权平均计算而获得所述目标特征值。
在又一示出的实施方式中,所述目标特征值用于表征多个目标用户间的个体属性相似度;
所述执行单元304,进一步用于基于所述目标特征值,执行所述服务提供终端预设的向所述多个目标用户中的任一目标用户推荐其他目标用户的逻辑。
在又一示出的实施方式中,所述获取单元302,进一步用于获取所述目标用户发送的与所述目标特征值相关的反馈信息;
所述装置30还包括更新单元306,用于基于所述反馈信息更新所述目标特征值。
在又一示出的实施方式中,所述服务提供终端为区块链的节点设备;所述装置30还包括:
发送单元308,用于将获得的所述目标特征值发送至所述区块链的分布式数据库。
在又一示出的实施方式中,所述执行单元304,进一步用于:
调用所述区块链上部署的智能合约,执行所述智能合约声明的对所述目标特征值的应用逻辑。
上述装置30中各个单元的功能和作用的实现过程具体详见上述服务提供终端所执行的数据处理方法中对应步骤的实现过程,相关之处参见方法实施例的部分说明即可,在此不再赘述。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部单元或模块来实现本说明书方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
上述实施例阐明的装置、单元、模块,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机,计算机的具体形式可以是个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件收发设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任意几种设备的组合。
与上述方法实施例相对应,本说明书的实施例还提供了一种计算机设备,如图4所示,该计算机设备包括存储器和处理器。其中,存储器上存储有能够由处理器运行的计算机程序;处理器在运行存储的计算机程序时,执行本说明书实施例中上述服务提供终端所执行的数据处理方法的各个步骤。对上述服务提供终端所执行的数据处理方法的各个步骤的详细描述请参见之前的内容,不再重复。
与上述方法实施例相对应,本说明书的实施例还提供了一种计算机可读存储介质,该存储介质上存储有计算机程序,这些计算机程序在被处理器运行时,执行本说明书实施例中服务提供终端所执行的数据处理方法的各个步骤。对上述服务提供终端所执行的数据处理方法的各个步骤的详细描述请参见之前的内容,不再重复。
以上所述仅为本说明书的较佳实施例而已,并不用以限制本说明书,凡在本说明书的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本说明书保护的范围之内。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。
计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本说明书的实施例可提供为方法、系统或计算机程序产品。因此,本说明书的实施例可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本说明书的实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

Claims (12)

1.一种数据处理方法,应用于包括服务提供终端和多个数据源终端的数据处理系统;所述方法包括:
所述服务提供终端获取至少一个与目标用户对应的基础目标特征值,其中每个基础目标特征值是基于所述服务提供终端与至少一个数据源终端基于安全多方计算而获得的;
为所述至少一个数据源终端设置加权系数;其中,所述加权系数基于所述至少一个数据源终端的可信度而设置;
基于所述加权系数,对所述至少一个基础目标特征值进行加权平均计算而获得目标特征值;
执行所述目标特征值的应用逻辑。
2.根据权利要求1所述的方法,所述目标特征值用于表征多个目标用户间的个体属性相似度;
所述执行所述目标特征值的应用逻辑包括基于所述目标特征值,执行所述服务提供终端预设的向所述多个目标用户中的任一目标用户推荐其他目标用户的逻辑。
3.根据权利要求1或2所述的方法,还包括:
获取所述目标用户发送的与所述目标特征值相关的反馈信息;
基于所述反馈信息更新所述目标特征值。
4.根据权利要求1所述的方法,所述服务提供终端为区块链的节点设备;所述方法还包括:
将获得的所述目标特征值发送至所述区块链的分布式数据库。
5.根据权利要求4所述的方法,所述执行所述目标特征值的应用逻辑,包括:
调用所述区块链上部署的智能合约,执行所述智能合约声明的对所述目标特征值的应用逻辑。
6.一种数据处理装置,应用于包括服务提供终端和多个数据源终端的数据处理系统;所述装置应用于所述服务提供终端,包括:
获取单元,用于获取至少一个与目标用户对应的基础目标特征值,其中每个基础目标特征值是基于所述服务提供终端与至少一个数据源终端基于安全多方计算而获得的;为所述至少一个数据源终端设置加权系数;其中,所述加权系数基于所述至少一个数据源终端的可信度而设置;基于所述加权系数,对所述至少一个基础目标特征值进行加权平均计算而获得目标特征值;
执行单元,用于执行所述目标特征值的应用逻辑。
7.根据权利要求6所述的装置,所述目标特征值用于表征多个目标用户间的个体属性相似度;
所述执行单元,进一步用于基于所述目标特征值,执行所述服务提供终端预设的向所述多个目标用户中的任一目标用户推荐其他目标用户的逻辑。
8.根据权利要求6或7所述的装置,
所述获取单元,进一步用于获取所述目标用户发送的与所述目标特征值相关的反馈信息;
更新单元,用于基于所述反馈信息更新所述目标特征值。
9.根据权利要求6所述的装置,所述服务提供终端为区块链的节点设备;所述装置还包括:
发送单元,用于将获得的所述目标特征值发送至所述区块链的分布式数据库。
10.根据权利要求9所述的装置,所述执行单元,进一步用于:
调用所述区块链上部署的智能合约,执行所述智能合约声明的对所述目标特征值的应用逻辑。
11.一种计算机设备,包括:存储器和处理器;所述存储器上存储有可由所述处理器运行的计算机程序;所述处理器运行所述计算机程序时,执行如权利要求1到5任意一项所述的方法。
12.一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器运行时,执行如权利要求1到5任意一项所述的方法。
CN201910215636.0A 2019-03-21 2019-03-21 数据处理方法和装置 Active CN110059097B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910215636.0A CN110059097B (zh) 2019-03-21 2019-03-21 数据处理方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910215636.0A CN110059097B (zh) 2019-03-21 2019-03-21 数据处理方法和装置

Publications (2)

Publication Number Publication Date
CN110059097A CN110059097A (zh) 2019-07-26
CN110059097B true CN110059097B (zh) 2020-08-04

Family

ID=67316303

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910215636.0A Active CN110059097B (zh) 2019-03-21 2019-03-21 数据处理方法和装置

Country Status (1)

Country Link
CN (1) CN110059097B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110580575A (zh) * 2019-08-27 2019-12-17 南京领行科技股份有限公司 一种订单派发方法及装置
CN111506921A (zh) * 2020-04-17 2020-08-07 浙江同花顺智能科技有限公司 一种数据处理方法、系统、装置、终端和存储介质

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014137449A2 (en) * 2013-03-04 2014-09-12 Thomson Licensing A method and system for privacy preserving counting
WO2016130887A1 (en) * 2015-02-12 2016-08-18 Visa International Service Association Multi-party encryption cube processing apparatuses, methods and systems
CN108647988B (zh) * 2018-04-03 2022-10-25 北京奇艺世纪科技有限公司 一种广告信息处理系统、方法、装置以及电子设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
一种改进的系统间隐私保持协同过滤推荐算法;吴涛 等;《计算机工程与应用》;20131231;第49卷(第15期);第80页-第83页 *

Also Published As

Publication number Publication date
CN110059097A (zh) 2019-07-26

Similar Documents

Publication Publication Date Title
US11282076B2 (en) Transaction account data maintenance using blockchain
US10963400B2 (en) Smart contract creation and monitoring for event identification in a blockchain
US20180357683A1 (en) Rating data management
US11394773B2 (en) Cryptographic currency block chain based voting system
WO2020063176A1 (zh) 网络中用户身份认证方法和装置
EP3797396A1 (en) Blockchain transaction safety
US20200311734A1 (en) Dynamic trust score
CN115632854A (zh) 一种基于区块链的数据处理方法和装置
CN111046237B (zh) 用户行为数据处理方法、装置、电子设备及可读介质
US10970780B2 (en) Zero-knowledge predictions market
TWI706362B (zh) 基於區塊鏈的資料處理方法、裝置和伺服器
CN110400217B (zh) 智能合约的规则变更处理方法及装置
CN113821817B (zh) 基于区块链的数据处理方法、装置、设备及系统
US9665695B2 (en) Systems and methods for ranking rules that identify potentially illegitimate activities
CN110059097B (zh) 数据处理方法和装置
US10706148B2 (en) Spatial and temporal convolution networks for system calls based process monitoring
US20170186009A1 (en) Systems and methods to identify illegitimate online accounts
CN113902440A (zh) 一种基于分布式密钥的联盟链跨链交易方法和装置
CN110602215B (zh) 基于联盟区块链的资源处理方法及联盟区块链系统
CN110347973B (zh) 用于生成信息的方法和装置
WO2020150325A1 (en) Automated non-billing cycle remittance
CN113592645B (zh) 数据验证的方法和装置
US20210073706A1 (en) Auditing of business controls using analytic control tests
CN110336853A (zh) 一种大数据量的区块链水平扩展解决方法
CN113064899B (zh) 资产类证券型通证交易凭证的存储方法、装置和电子设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20200924

Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands

Patentee after: Innovative advanced technology Co.,Ltd.

Address before: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands

Patentee before: Advanced innovation technology Co.,Ltd.

Effective date of registration: 20200924

Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands

Patentee after: Advanced innovation technology Co.,Ltd.

Address before: A four-storey 847 mailbox in Grand Cayman Capital Building, British Cayman Islands

Patentee before: Alibaba Group Holding Ltd.