CN111539012B - 一种边缘化架构的隐私数据分布存储系统和方法 - Google Patents

一种边缘化架构的隐私数据分布存储系统和方法 Download PDF

Info

Publication number
CN111539012B
CN111539012B CN202010197466.0A CN202010197466A CN111539012B CN 111539012 B CN111539012 B CN 111539012B CN 202010197466 A CN202010197466 A CN 202010197466A CN 111539012 B CN111539012 B CN 111539012B
Authority
CN
China
Prior art keywords
paradigm
user
unit
template
user information
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
CN202010197466.0A
Other languages
English (en)
Other versions
CN111539012A (zh
Inventor
不公告发明人
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.)
Chongqing Terminus Technology Co Ltd
Original Assignee
Chongqing Terminus Technology Co 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 Chongqing Terminus Technology Co Ltd filed Critical Chongqing Terminus Technology Co Ltd
Priority to CN202010197466.0A priority Critical patent/CN111539012B/zh
Publication of CN111539012A publication Critical patent/CN111539012A/zh
Application granted granted Critical
Publication of CN111539012B publication Critical patent/CN111539012B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
    • G06F21/6218—Protecting 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
    • G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • Bioethics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Hardware Design (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Storage Device Security (AREA)

Abstract

本发明提供了一种边缘化架构的隐私数据分布存储系统包括：通过采集终端采集用户信息，隐私范式边缘节点向隐私保护终端提供范式模板，隐私保护终端根据所述范式模板对所述用户信息执行隐私保护计算以此获得所述用户的范式特征，从而可将所述用户的范式特征上传至信息存储边缘节点进行保存，以供大数据应用端调用，使得大数据应用端能够执行面向用户的大数据分析。本发明还提供了该系统的方法。本发明能够在满足大数据分析功能的基础上，最大程度的保护用户隐私，以及降低用户信息的扩散程度；不会增加用户信息应用过程中的通信负荷和延迟，能够满足大数据分析中对用户信息高并发和海量调用的需求；且不会影响用户信息在大数据分析方面的精确度。

Description

一种边缘化架构的隐私数据分布存储系统和方法
技术领域
本发明涉及隐私保护技术领域，特别涉及一种边缘化架构的隐私数据分布存储系统和方法。
背景技术
随着智能化物联网以及大数据技术的发展，对用户信息的采集逐渐从线上转移到了线下，例如，可以通过各种人脸识别的摄像装置实现用户人脸信息的采集等。采集到的用户信息可以用于大数据分析，从而提升智能化物联网的运行效能，以及为用户提供更为个性化的服务。
随着用户对数据权利以及个人隐私权的重视程度逐渐增加，在越来越普遍化的用户信息采集过程中，如何在满足大数据分析功能的基础上，能够最大程度的保护用户隐私，以及降低用户信息的扩散程度，成为了一个亟待解决的问题。目前，对用户信息的隐私保护主要手段包括：将用户信息集中于高权限的服务器管理并严格对用户信息的查询权限；为用户信息增加应用时效性方面的限制，过期不允许应用；对用户信息中的关键隐私信息进行模糊化，例如对人脸进行模糊或者对位置进行扩散，添加人为扰动等。但是，将用户信息集中以及增加时效性限制会增加用户信息应用过程中的通信负荷和延迟，无法满足大数据分析中对用户信息高并发、海量调用的需求。将用户信息模糊化可能会影响用户信息在大数据分析方面的精确度，无法及时验证模糊化给大数据分析的影响。
综上所述，现有技术提供了一种边缘化架构的隐私数据分布存储系统和方法，能够解决：现有的用户信息采集过程中，为最大程度的保护用户隐私，将用户信息集中以及增加时效性限制增加的用户信息应用过程中的通信负荷和延迟，无法满足大数据分析中对用户信息高并发、海量调用的需求；将用户信息模糊化可能会影响用户信息在大数据分析方面的精确度，无法及时验证模糊化给大数据分析的影响。
发明内容
(一)发明目的
为克服上述现有技术存在的至少一种缺陷，本发明提供了一种边缘化架构的隐私数据分布存储系统和方法，能够在满足大数据分析功能的基础上，最大程度的保护用户隐私，以及降低用户信息的扩散程度；不会增加用户信息应用过程中的通信负荷和延迟，能够满足大数据分析中对用户信息高并发和海量调用的需求；且不会影响用户信息在大数据分析方面的精确度。
(二)技术方案
作为本发明的第一方面，本发明公开了一种边缘化架构的隐私数据分布存储系统，包括：
采集终端，用于采集用户信息；
隐私范式边缘节点，用于向隐私保护终端提供范式模板，并接收所述隐私保护终端上传的用户的范式特征；
隐私保护终端，用于根据所述隐私范式边缘节点下发的所述范式模板对所述用户信息执行隐私保护计算从而获得所述用户的范式特征，并将所述用户的范式特征上传至所述隐私范式边缘节点和信息存储边缘节点；
信息存储边缘节点，用于对所述用户的范式特征进行保存，以供大数据应用端调用；
大数据应用端，用于向所述信息存储边缘节点调用所述用户的范式特征，并执行面向用户的大数据分析。
一种可能的实施方式中，所述隐私范式边缘节点，用于将所述用户的范式特征作为样本，对所述范式模板进行调试。
一种可能的实施方式中，所述隐私范式边缘节点，用于将事先采集的用户的范式特征训练BP神经网络单元，使得所述BP神经网络单元输出调整参数以调整所述范式模板。
一种可能的实施方式中，所述范式模板包括：若干范式单元；所述范式单元包括：若干单元域及所述单元域的取值空间；所述范式单元的价值估值为全部单元域的价值估值累加。
一种可能的实施方式中，所述范式模板对所述用户信息执行隐私保护计算从而获得所述用户的范式特征为根据所述范式模板的价值估值以及所述范式模板与所述用户信息的匹配度，确定所述用户的范式特征。
作为本发明的第二方面，本发明公开了一种边缘化架构的隐私数据分布存储方法，包括以下步骤：
采集步骤，采集用户信息；
辅助计算步骤，向计算分析步骤中提供范式模板，并接收所述计算分析步骤上传的用户的范式特征；
计算分析步骤，根据所述辅助计算步骤中下发的所述范式模板对所述用户信息执行隐私保护计算从而获得所述用户的范式特征，并将所述用户的范式特征上传至所述辅助计算步骤中和信息存储步骤中；
信息存储步骤，对所述用户的范式特征进行保存，以供大数据应用步骤调用；
大数据应用步骤，向所述信息存储步骤中调用所述用户的范式特征，并执行面向用户的大数据分析。
一种可能的实施方式中，所述辅助计算步骤，将所述用户的范式特征作为样本，对所述范式模板进行调试。
一种可能的实施方式中，所述辅助计算步骤，将事先采集的用户的范式特征训练BP神经网络模型，使得所述BP神经网络模型输出调整参数以调整所述范式模板。
一种可能的实施方式中，所述范式模板包括：若干单元域及所述单元域的取值空间。
一种可能的实施方式中，所述范式模板对所述用户信息执行隐私保护计算从而获得所述用户的范式特征为根据所述范式模板的价值估值以及所述范式模板与所述用户信息的匹配度，确定所述用户的范式特征。
(三)有益效果
本发明提供的一种边缘化架构的隐私数据分布存储系统和方法，通过采集终端采集用户信息，隐私范式边缘节点向隐私保护终端提供范式模板，隐私保护终端根据所述范式模板对所述用户信息执行隐私保护计算以此获得所述用户的范式特征，从而可将所述用户的范式特征上传至信息存储边缘节点进行保存，以供大数据应用端调用，使得大数据应用端能够执行面向用户的大数据分析。能够在满足大数据分析功能的基础上，最大程度的保护用户隐私，以及降低用户信息的扩散程度；不会增加用户信息应用过程中的通信负荷和延迟，能够满足大数据分析中对用户信息高并发和海量调用的需求；且不会影响用户信息在大数据分析方面的精确度。
附图说明
以下参考附图描述的实施例是示例性的，旨在用于解释和说明本发明，而不能理解为对本发明的保护范围的限制。
图1是本发明提供的一种边缘化架构的隐私数据分布存储系统的结构示意图。
图2是本发明提供的一种边缘化架构的隐私数据分布存储方法的流程图。
具体实施方式
为使本发明实施的目的、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更加详细的描述。
需要说明的是：在附图中，自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。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，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，均仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明保护范围的限制。
下面参考图1详细描述本发明提供的一种边缘化架构的隐私数据分布存储系统的第一实施例。如图1所示，本实施例提供的隐私数据分布存储系统主要包括有：采集终端、隐私范式边缘节点、隐私保护终端、信息存储边缘节点和应用端。
本发明应用于智能化物联网，物联网的结构包括如下：
采集终端，用于采集用户信息；采集终端可以为摄像装置，所述摄像装置采集的用户信息可以为用户人脸；采集终端可以为具有GPS功能的终端设备或者用户定位器等，所述具有GPS功能的终端设备或者用户定位器采集的用户信息可以为用户空间位置。
隐私范式边缘节点，用于向隐私保护终端提供范式模板，并接收所述隐私保护终端上传的用户的范式特征；隐私范式边缘节点可根据用户的范式特征对所述范式模板进行操作处理。
隐私保护终端，用于根据所述隐私范式边缘节点下发的所述范式模板对所述用户信息执行隐私保护计算从而获得所述用户的范式特征，并将所述用户的范式特征上传至所述隐私范式边缘节点和信息存储边缘节点；所述用户的范式特征可以为隐私保护计算之后的用户信息；隐私保护终端可以按照范式模板对用户信息在本地执行隐私保护计算，然后，将隐私保护计算之后的用户信息上传给隐私范式边缘节点和信息存储边缘节点。
上述隐私保护终端与采集终端可以是一体的。
信息存储边缘节点，用于对所述用户的范式特征进行保存，以供大数据应用端调用。
每个隐私范式边缘节点和信息存储边缘节点可以对应于物联网本地的一定数量的用户，从而可以针对本地物联网的用户建立本地适用的范式模板，并汇聚本地用户的范式特征。
大数据应用端，用于向所述信息存储边缘节点调用所述用户的范式特征，并执行面向用户的大数据分析。当大数据应用端希望进行大数据分析时，可以从信息存储边缘节点获得其汇集的用户的范式特征，并且结合用户的范式特征的分布以及对应的范式模板，执行面向用户的大数据分析。
其中，所述隐私范式边缘节点，用于将所述用户的范式特征作为样本，对所述范式模板进行调试。隐私范式边缘节点能够根据用户的范式特征，利用机器学习算法进行认证，从而按照该认证结果，将用户的范式特征作为样本，对所述范式模板进行调试；调试的对象包括范式单元的每个单元域的取值区间范围。
其中，所述隐私范式边缘节点，用于将事先采集的用户的范式特征训练BP神经网络单元，使得所述BP神经网络单元输出调整参数以调整所述范式模板。我们希望经过隐私保护计算之后的用户信息(即用户的范式特征)仍然保证对不同用户具有足够的区分度而不是混同，从而保证大数据分析的意义；因此，隐私范式边缘节点可以具有一组事先训练的BP神经网络单元，将事先采集的不同类型用户的范式特征作为训练样本对BP神经网络单元进行训练，BP神经网络单元输出对范式模板包含的范式单元的各个单元域的取值区间范围的调整参数，经过训练后的BP神经网络单元输出的调整参数调整所述范式模板后，该调整参数进行调整后的范式模板可以实现对不同类型用户的区分度；进而，在投入使用后，利用一个周期内隐私范式边缘节点累计的本周期内用户的范式特征输入该BP神经网络单元，实现对本边缘节点的范式模板的调节。
其中，所述范式模板包括：若干范式单元；所述范式单元包括：若干单元域及所述单元域的取值空间；所述范式单元的价值估值为全部单元域的价值估值累加。每个范式单元具有若干单元域，每个单元域具有预定的取值区间；范式单元所包含的单元域及每个单元域的取值区间，可以根据用户信息的数据结构来确定；例如，用户信息是用户的空间位置信息的集合，空间位置信息包括用户的空间位置坐标和时间点；则范式单元包含对应空间范围的单元域和对应时间范围的单元域。
若范式单元的单元域的取值区间覆盖范围越大，则该范式单元的单元域对应的价值估值越低。全部单元域的价值估值累加作为范式单元的价值估值，例如，范式单元具有N个单元域，则范式单元的价值估值为：
Figure BDA0002418126630000081
其中，k表示范式模板中的第k个范式单元，Vk为第k个范式单元的价值估值；i为单元域的序号，N表示共N个单元域；l1为常数系数，以经验值确定其取值，Si为第i个单元域的取值区间范围的量化值。
其中，所述范式模板对所述用户信息执行隐私保护计算从而获得所述用户的范式特征为根据所述范式模板的价值估值以及所述范式模板与所述用户信息的匹配度，确定所述用户的范式特征。所述范式模板用于从用户信息中提取用户的范式特征。所述范式模板带有价值估值，范式模板的价值估值与范式模板包含的信息量级正相关；将范式模板与用户信息进行匹配，获得范式模板与用户信息的匹配度；根据范式模板的价值估值以及范式模板与用户信息的匹配度，确定用户的范式特征。
将范式模板与用户信息进行匹配，获得范式模板的每个范式单元与用户信息的匹配度，如上文所述，用户信息是一个集合，例如，用户信息是用户的空间位置信息的集合，则集合中的用户信息落入第k个范式单元的取值区间的次数Mk可以为该范式单元与用户信息的匹配度。
根据范式模板中的每个范式单元的价值估值Vk，以及范式单元与用户信息的匹配度Mk，确定用户的范式特征，具体来说，用户信息对应于第k个范式单元的特征值
Figure BDA0002418126630000091
其中，l2和l3为经验常数；
则用户信息对应于范式模板的各个范式单元的特征值的集合
<T1,T2,....Tk...>
即作为用户的范式特征。
本发明通过采集终端采集用户信息，隐私范式边缘节点向隐私保护终端提供范式模板，隐私保护终端根据所述范式模板对所述用户信息执行隐私保护计算以此获得所述用户的范式特征，从而可将所述用户的范式特征上传至信息存储边缘节点进行保存，以供大数据应用端调用，使得大数据应用端能够执行面向用户的大数据分析。本发明所述的隐私数据分布存储系统，能够在满足大数据分析功能的基础上，最大程度的保护用户隐私，以及降低用户信息的扩散程度；不会增加用户信息应用过程中的通信负荷和延迟，能够满足大数据分析中对用户信息高并发和海量调用的需求；且不会影响用户信息在大数据分析方面的精确度。
下面参考图2详细描述本发明提供的一种边缘化架构的隐私数据分布存储方法的第一实施例。如图2所示，本实施例提供的隐私数据分布存储方法主要包括有：采集步骤、辅助计算步骤、计算分析步骤、信息存储步骤和大数据应用步骤。
采集步骤，采集用户信息；
辅助计算步骤，向计算分析步骤中提供范式模板，并接收所述计算分析步骤上传的用户的范式特征；
计算分析步骤，根据所述辅助计算步骤中下发的所述范式模板对所述用户信息执行隐私保护计算从而获得所述用户的范式特征，并将所述用户的范式特征上传至所述辅助计算步骤中和信息存储步骤中；
信息存储步骤，对所述用户的范式特征进行保存，以供大数据应用步骤调用；
大数据应用步骤，向所述信息存储步骤中调用所述用户的范式特征，并执行面向用户的大数据分析。
其中，所述辅助计算步骤，将所述用户的范式特征作为样本，对所述范式模板进行调试。
其中，所述辅助计算步骤，将事先采集的用户的范式特征训练BP神经网络模型，使得所述BP神经网络模型输出调整参数以调整所述范式模板。
其中，所述范式模板包括：若干单元域及所述单元域的取值空间。
其中，所述范式模板对所述用户信息执行隐私保护计算从而获得所述用户的范式特征为根据所述范式模板的价值估值以及所述范式模板与所述用户信息的匹配度，确定所述用户的范式特征。
本发明通过采集步骤采集用户信息，辅助计算步骤向计算分析步骤提供范式模板，计算分析步骤根据所述范式模板对所述用户信息执行隐私保护计算以此获得所述用户的范式特征，从而可将所述用户的范式特征上传至信息存储步骤中进行保存，以供大数据应用步骤调用，使得大数据应用步骤能够执行面向用户的大数据分析。本发明所述的隐私数据分布存储方法，能够在满足大数据分析功能的基础上，最大程度的保护用户隐私，以及降低用户信息的扩散程度；不会增加用户信息应用过程中的通信负荷和延迟，能够满足大数据分析中对用户信息高并发和海量调用的需求；且不会影响用户信息在大数据分析方面的精确度。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (6)

1.一种边缘化架构的隐私数据分布存储系统，其特征在于，包括：
采集终端，用于采集用户信息；当采集终端为摄像装置时，所述摄像装置采集的用户信息为用户人脸；当采集终端为具有GPS功能的终端设备或者用户定位器时，所述具有GPS功能的终端设备或者用户定位器采集的用户信息为用户空间位置；
隐私范式边缘节点，用于向隐私保护终端提供范式模板，并接收所述隐私保护终端上传的用户的范式特征；隐私范式边缘节点根据用户的范式特征对所述范式模板进行操作处理；
隐私保护终端，用于根据所述隐私范式边缘节点下发的所述范式模板对所述用户信息执行隐私保护计算从而获得所述用户的范式特征，并将所述用户的范式特征上传至所述隐私范式边缘节点和信息存储边缘节点；所述用户的范式特征为隐私保护计算之后的用户信息；
上述隐私保护终端与采集终端是一体的；
信息存储边缘节点，用于对所述用户的范式特征进行保存，以供大数据应用端调用；
每个隐私范式边缘节点和信息存储边缘节点对应于物联网本地的一定数量的用户，从而针对本地物联网的用户建立本地适用的范式模板，并汇聚本地用户的范式特征；
大数据应用端，用于向所述信息存储边缘节点调用所述用户的范式特征，并执行面向用户的大数据分析；当大数据应用端希望进行大数据分析时，从信息存储边缘节点获得其汇集的用户的范式特征，并且结合用户的范式特征的分布以及对应的范式模板，执行面向用户的大数据分析；
所述范式模板包括：若干范式单元；所述范式单元包括：若干单元域及所述单元域的取值空间；所述范式单元的价值估值为全部单元域的价值估值累加；范式单元所包含的单元域及每个单元域的取值区间，根据用户信息的数据结构来确定；当用户信息是用户的空间位置信息的集合，空间位置信息包括用户的空间位置坐标和时间点；则范式单元包含对应空间范围的单元域和对应时间范围的单元域；
若范式单元的单元域的取值区间覆盖范围越大，则该范式单元的单元域对应的价值估值越低；全部单元域的价值估值累加作为范式单元的价值估值，当范式单元具有N个单元域时，则范式单元的价值估值为：
Figure FDA0002983742780000021
其中，k表示范式模板中的第k个范式单元，Vk为第k个范式单元的价值估值；i为单元域的序号，N表示共N个单元域；l1为常数系数，以经验值确定其取值，Si为第i个单元域的取值区间范围的量化值；
所述范式模板对所述用户信息执行隐私保护计算从而获得所述用户的范式特征为根据所述范式模板的价值估值以及所述范式模板与所述用户信息的匹配度，确定所述用户的范式特征；所述范式模板带有价值估值，范式模板的价值估值与范式模板包含的信息量级正相关；将范式模板与用户信息进行匹配，获得范式模板与用户信息的匹配度；根据范式模板的价值估值以及范式模板与用户信息的匹配度，确定用户的范式特征；
将范式模板与用户信息进行匹配，获得范式模板的每个范式单元与用户信息的匹配度，用户信息是一个集合，当用户信息是用户的空间位置信息的集合，则集合中的用户信息落入第k个范式单元的取值区间的次数Mk为该范式单元与用户信息的匹配度；
根据范式模板中的每个范式单元的价值估值Vk，以及范式单元与用户信息的匹配度Mk，确定用户的范式特征，具体为，用户信息对应于第k个范式单元的特征值
Figure FDA0002983742780000031
其中，l2和l3为经验常数；
则用户信息对应于范式模板的各个范式单元的特征值的集合
＜T1，T2，....Tk…＞
即作为用户的范式特征。
2.根据权利要求1所述的隐私数据分布存储系统，其特征在于，所述隐私范式边缘节点，用于将所述用户的范式特征作为样本，对所述范式模板进行调试；隐私范式边缘节点能够根据用户的范式特征，利用机器学习算法进行认证，从而按照该认证结果，将用户的范式特征作为样本；调试的对象包括范式单元的每个单元域的取值区间范围。
3.根据权利要求1所述的隐私数据分布存储系统，其特征在于，所述隐私范式边缘节点，用于将事先采集的用户的范式特征训练BP神经网络单元，使得所述BP神经网络单元输出调整参数以调整所述范式模板；隐私范式边缘节点具有一组事先训练的BP神经网络单元，将事先采集的不同类型用户的范式特征作为训练样本对BP神经网络单元进行训练，BP神经网络单元输出对范式模板包含的范式单元的各个单元域的取值区间范围的调整参数，经过训练后的BP神经网络单元输出的调整参数调整所述范式模板后，该调整参数进行调整后的范式模板实现对不同类型用户的区分度；进而，在投入使用后，利用一个周期内隐私范式边缘节点累计的本周期内用户的范式特征输入该BP神经网络单元，实现对本边缘节点的范式模板的调节。
4.一种边缘化架构的隐私数据分布存储方法，其特征在于，包括以下步骤：
采集步骤，采集用户信息；采集步骤由采集终端实现；当采集终端为摄像装置时，所述摄像装置采集的用户信息为用户人脸；当采集终端为具有GPS功能的终端设备或者用户定位器时，所述具有GPS功能的终端设备或者用户定位器采集的用户信息为用户空间位置；
辅助计算步骤，由隐私范式边缘节点实现的辅助计算步骤，向计算分析步骤中提供范式模板，并接收所述计算分析步骤上传的用户的范式特征；辅助计算步骤根据用户的范式特征对所述范式模板进行操作处理；
计算分析步骤，由隐私保护终端实现的计算分析步骤，根据所述辅助计算步骤中下发的所述范式模板对所述用户信息执行隐私保护计算从而获得所述用户的范式特征，并将所述用户的范式特征上传至所述辅助计算步骤中和信息存储步骤中；所述用户的范式特征为隐私保护计算之后的用户信息；
信息存储步骤，由信息存储边缘节点实现的信息存储步骤，对所述用户的范式特征进行保存，以供大数据应用步骤调用；每个隐私范式边缘节点和信息存储边缘节点对对应于物联网本地的一定数量的用户，从而针对本地物联网的用户建立本地适用的范式模板，并汇聚本地用户的范式特征；
大数据应用步骤，由大数据应用端实现的大数据应用步骤，向所述信息存储步骤中调用所述用户的范式特征，并执行面向用户的大数据分析；当大数据应用端希望进行大数据分析时，从信息存储步骤获得其汇集的用户的范式特征，并且结合用户的范式特征的分布以及对应的范式模板，执行面向用户的大数据分析；
所述范式模板包括：若干范式单元；所述范式单元包括：若干单元域及所述单元域的取值空间；所述范式单元的价值估值为全部单元域的价值估值累加；范式单元所包含的单元域及每个单元域的取值区间，根据用户信息的数据结构来确定；当用户信息是用户的空间位置信息的集合，空间位置信息包括用户的空间位置坐标和时间点；则范式单元包含对应空间范围的单元域和对应时间范围的单元域；
若范式单元的单元域的取值区间覆盖范围越大，则该范式单元的单元域对应的价值估值越低；全部单元域的价值估值累加作为范式单元的价值估值，当范式单元具有N个单元域时，则范式单元的价值估值为：
Figure FDA0002983742780000051
其中，k表示范式模板中的第k个范式单元，Vk为第k个范式单元的价值估值；i为单元域的序号，N表示共N个单元域；l1为常数系数，以经验值确定其取值，Si为第i个单元域的取值区间范围的量化值；
所述范式模板对所述用户信息执行隐私保护计算从而获得所述用户的范式特征为根据所述范式模板的价值估值以及所述范式模板与所述用户信息的匹配度，确定所述用户的范式特征；所述范式模板带有价值估值，范式模板的价值估值与范式模板包含的信息量级正相关；将范式模板与用户信息进行匹配，获得范式模板与用户信息的匹配度；根据范式模板的价值估值以及范式模板与用户信息的匹配度，确定用户的范式特征；
将范式模板与用户信息进行匹配，获得范式模板的每个范式单元与用户信息的匹配度，用户信息是一个集合，当用户信息是用户的空间位置信息的集合，则集合中的用户信息落入第k个范式单元的取值区间的次数Mk为该范式单元与用户信息的匹配度；
根据范式模板中的每个范式单元的价值估值Vk，以及范式单元与用户信息的匹配度Mk，确定用户的范式特征，具体为，用户信息对应于第k个范式单元的特征值
Figure FDA0002983742780000061
其中，l2和l3为经验常数；
则用户信息对应于范式模板的各个范式单元的特征值的集合
＜T1，T2，....Tk…＞
即作为用户的范式特征。
5.根据权利要求4所述的隐私数据分布存储方法，其特征在于，所述辅助计算步骤，将所述用户的范式特征作为样本，对所述范式模板进行调试；辅助计算步骤能够根据用户的范式特征，利用机器学习算法进行认证，从而按照该认证结果，将用户的范式特征作为样本；调试的对象包括范式单元的每个单元域的取值区间范围。
6.根据权利要求4所述的隐私数据分布存储方法，其特征在于，所述辅助计算步骤，将事先采集的用户的范式特征训练BP神经网络单元，使得所述BP神经网络单元输出调整参数以调整所述范式模板；在辅助计算步骤中具有一组事先训练的BP神经网络单元，将事先采集的不同类型用户的范式特征作为训练样本对BP神经网络单元进行训练，BP神经网络单元输出对范式模板包含的范式单元的各个单元域的取值区间范围的调整参数，经过训练后的BP神经网络单元输出的调整参数调整所述范式模板后，该调整参数进行调整后的范式模板实现对不同类型用户的区分度；进而，在投入使用后，利用一个周期内隐私范式边缘节点累计的本周期内用户的范式特征输入该BP神经网络单元，实现对本边缘节点的范式模板的调节。
CN202010197466.0A 2020-03-19 2020-03-19 一种边缘化架构的隐私数据分布存储系统和方法 Active CN111539012B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010197466.0A CN111539012B (zh) 2020-03-19 2020-03-19 一种边缘化架构的隐私数据分布存储系统和方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010197466.0A CN111539012B (zh) 2020-03-19 2020-03-19 一种边缘化架构的隐私数据分布存储系统和方法

Publications (2)

Publication Number Publication Date
CN111539012A CN111539012A (zh) 2020-08-14
CN111539012B true CN111539012B (zh) 2021-07-20

Family

ID=71978666

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010197466.0A Active CN111539012B (zh) 2020-03-19 2020-03-19 一种边缘化架构的隐私数据分布存储系统和方法

Country Status (1)

Country Link
CN (1) CN111539012B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106815782A (zh) * 2017-01-23 2017-06-09 重庆汇集源科技有限公司 一种基于神经网络统计学模型的房地产估值方法及系统

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109214193B (zh) * 2017-07-05 2022-03-22 创新先进技术有限公司 数据加密、机器学习模型训练方法、装置以及电子设备
CN109389412B (zh) * 2017-08-02 2022-03-04 创新先进技术有限公司 一种训练模型的方法、装置、服务设备以及用户设备
CN107886009B (zh) * 2017-11-20 2020-09-08 北京大学 防隐私泄露的大数据生成方法和系统
CN110069623B (zh) * 2017-12-06 2022-09-23 腾讯科技（深圳）有限公司 摘要文本生成方法、装置、存储介质和计算机设备
US11526745B2 (en) * 2018-02-08 2022-12-13 Intel Corporation Methods and apparatus for federated training of a neural network using trusted edge devices
CN108520181B (zh) * 2018-03-26 2022-04-22 联想(北京)有限公司 数据模型训练方法和装置
US11095618B2 (en) * 2018-03-30 2021-08-17 Intel Corporation AI model and data transforming techniques for cloud edge
CN108809941B (zh) * 2018-05-07 2021-01-01 浙江工业大学 一种具有隐私保护的边缘物联网范围查询方法
CN108648095A (zh) * 2018-05-10 2018-10-12 浙江工业大学 一种基于图卷积网络梯度的节点信息隐藏方法
CN109347633B (zh) * 2018-10-29 2020-07-03 华南农业大学 基于深度学习的模糊密钥通信系统及对抗网络系统
CN109886030B (zh) * 2019-01-29 2021-06-11 南京邮电大学 一种面向服务组合的隐私最小暴露方法
CN110084365B (zh) * 2019-03-13 2023-08-11 西安电子科技大学 一种基于深度学习的服务提供系统及方法
CN110399728B (zh) * 2019-07-09 2021-05-28 北京邮电大学 一种边缘计算节点信任评估方法、装置、设备及存储介质

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106815782A (zh) * 2017-01-23 2017-06-09 重庆汇集源科技有限公司 一种基于神经网络统计学模型的房地产估值方法及系统

Also Published As

Publication number Publication date
CN111539012A (zh) 2020-08-14

Similar Documents

Publication Publication Date Title
CN107122641B (zh) 基于使用习惯的智能设备机主识别方法及机主识别装置
CN110658807A (zh) 一种车辆故障诊断方法、装置及系统
CN110163611A (zh) 一种身份识别方法、装置以及相关设备
CN110147710B (zh) 人脸特征的处理方法、装置和存储介质
CN109034078A (zh) 年龄识别模型的训练方法、年龄识别方法及相关设备
CN109492536A (zh) 一种基于5g架构的人脸识别方法及系统
CN113077090A (zh) 客流预测方法、系统及计算机可读存储介质
CN113746696A (zh) 网络流量预测方法、设备、存储介质及装置
CN109858441A (zh) 一种用于施工现场的异常状态监测方法与装置
CN112770265B (zh) 一种行人身份信息获取方法、系统、服务器和存储介质
CN112225020B (zh) 一种电梯控制方法和装置
CN113542692A (zh) 一种基于监控视频的人脸识别系统及方法
TW200814708A (en) Power save method and system for a mobile device
CN106899656B (zh) 设备控制方法和装置
CN111539012B (zh) 一种边缘化架构的隐私数据分布存储系统和方法
CN106803815B (zh) 一种流量控制方法和装置
CN114372680A (zh) 一种基于工人流失预测的空间众包任务分配方法
CN108521435B (zh) 一种用户网络行为画像的方法及系统
JP2004274431A (ja) 路面状況判定方法および装置
CN115546736A (zh) 基于图像采集的河道采砂监控处理方法及系统
CN111163049B (zh) 一种平台入驻与认证方法和系统
CN112860931B (zh) 人脸识别库的构建方法
CN113849805A (zh) 移动用户可信认证方法及装置、电子设备、存储介质
CN110737832A (zh) 智慧景区内卫生间自动推荐方法、计算机设备及存储介质
CN110062114A (zh) 基于arima的诈骗电话预测方法及预测系统

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