CN112163227B - 一种电商平台卖家用户销售额多维统计分析系统及方法 - Google Patents

一种电商平台卖家用户销售额多维统计分析系统及方法 Download PDF

Info

Publication number
CN112163227B
CN112163227B CN202010910937.8A CN202010910937A CN112163227B CN 112163227 B CN112163227 B CN 112163227B CN 202010910937 A CN202010910937 A CN 202010910937A CN 112163227 B CN112163227 B CN 112163227B
Authority
CN
China
Prior art keywords
seller
sales
ecs
commerce platform
secret
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
CN202010910937.8A
Other languages
English (en)
Other versions
CN112163227A (zh
Inventor
沈华
王胜男
张明武
张�浩
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.)
Hubei University of Technology
Original Assignee
Hubei University of Technology
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 Hubei University of Technology filed Critical Hubei University of Technology
Priority to CN202010910937.8A priority Critical patent/CN112163227B/zh
Publication of CN112163227A publication Critical patent/CN112163227A/zh
Priority to PCT/CN2021/074760 priority patent/WO2022048107A1/zh
Application granted granted Critical
Publication of CN112163227B publication Critical patent/CN112163227B/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
    • G06F21/602—Providing cryptographic facilities or services
    • 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
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • 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
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0202—Market predictions or forecasting for commercial activities

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Accounting & Taxation (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Health & Medical Sciences (AREA)
  • Bioethics (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Security & Cryptography (AREA)
  • Game Theory and Decision Science (AREA)
  • Computer Hardware Design (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Probability & Statistics with Applications (AREA)
  • Databases & Information Systems (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Medical Informatics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种电商平台卖家用户销售额多维统计分析系统及方法，系统包括1个平台服务方ECS，n个云服务器CS和m个卖家；方法包括系统初始化，卖家销售额的分块压缩处理及对应秘密份额生成，云服务器聚合秘密份额，和电商平台服务方ECS获取多维统计分析结果。本发明避免使用计算开销大的加密和解密运算实现在不泄漏卖家销售额的情况下获得各类商品销售额的统计分析结果，实现了具有隐私保护的轻量级卖家销售额多维统计分析。根据获得的统计值，电商平台服务方可以分析发现平台上各种商品销售额的分布情况。本发明有效地解决了如何在不泄漏卖家用户隐私的条件下高效统计分析各种商品的销售情况。

Description

一种电商平台卖家用户销售额多维统计分析系统及方法
技术领域
本发明属于信息安全技术领域，具体涉及一种具有隐私保护的轻量级电商平台卖家用户销售额多维统计分析系统及方法。
背景技术
在电商平台领域中，为了掌握市场的最新情况，电商平台需要了解平台卖家用户各类商品的销售情况。通过对平台卖家用户各类商品销售额进行统计分析，平台可以了解平台卖家用户整体销售情况，了解各类商品销售情况的季节性规律、地域性规律，以及预测市场未来的变化趋势，有助于其制定相关平台政策引导卖家用户合理配置各类商品的库存比例。但卖家用户各类商品的销售额属于他们的隐私数据，他们不希望泄漏给其他任何人或机构。因此，研究如何在不泄漏卖家各类商品销售额的情况下对这些数据进行统计分析是一个重要课题。
发明内容
为了解决上述的技术问题，本发明提供了一种具有隐私保护的轻量级电商平台卖家用户销售额多维统计分析系统及方法。
本发明所采用的技术方案是：一种电商平台卖家用户销售额多维统计分析方法，应用于电商平台卖家用户销售额多维统计分析系统；其特征在于：所述系统包括1个平台服务方ECS，n个云服务器CS和m个卖家；将第i个云服务器表示为CSi，i＝1,2,…,n；将第j个卖家表示为Uj，j＝1,2,…,m；卖家Uj销售K种不同类商品；将卖家Uj的销售额数据记为Aj＝(aj,1,aj,2,…,aj,K)，其中aj,k是Aj的一个分量，它表示卖家Uj的第k种商品的销售额，其中k＝1,2,…,K；
所述方法包括以下步骤：
步骤1：系统初始化；
步骤1.1：电商平台服务方ECS选择合适的整数T和R作为系统参数，其中系统参数T用在对卖家用户销售额的分块处理中，系统参数R用在对块内销售额数据的压缩处理中，参数T是决定了每一个分块的大小，块大小会影响系统性能，块大小越大通信开销越小但计算开销会增大，因此参数T的选择需要权衡各方面的性能开销来选定，参数R的选择需要满足其值要大于每块中每种商品销售额之和，假设一段时间内每种商品销售额不超过W，那么R需要满足R>TW；
步骤1.2：电商平台服务方ECS向卖家发送系统参数T和R；
步骤2：将卖家销售额数据进行分块压缩处理，并生成对应秘密份额；
步骤3：云服务器聚合秘密份额；
步骤4：电商平台服务方ECS获取多维统计分析结果。
本发明方法与现有的技术相比有如下的优点和有益效果：
(1)本发明解决了如何在不泄漏电商平台卖家用户的各类商品销售额的情况下对这些数据进行统计分析的问题，具有非常好的实际应用价值。
(2)为了在不泄漏卖家用户的各类商品销售额的情况下对这些数据进行统计分析，本发明采用了分块压缩的思想和(t,n)门限秘密共享的方法，将卖家的各类商品销售额分块压缩后，利用秘密共享技术针对压缩处理得到的值为每个云服务器产生相应的秘密分额，每个云服务器将所有用户相同块的压缩值对应的秘密分额进行聚合处理，最后电商平台服务方收到任意t个云服务器发送的聚合处理后的秘密分额后就可以恢复和提取出所有卖家用户各类商品销售额的总和。
(3)本发明避免使用了计算开销、存储开销和通信开销大的加密方案实现隐私保护，采用了计算开销小的秘密共享技术，同时使用的分块压缩和聚合技术减少了存储和通信开销，实现了轻量级的隐私保护电商平台卖家用户销售额多维统计分析方法。
附图说明
图1：本发明实施例的框架图；
图2：本发明实施例的方法流程图。
具体实施方式
为了便于本领域普通技术人员理解和实施本发明，下面结合附图及实施例对本发明作进一步的详细描述，应当理解，此处所描述的实施示例仅用于说明和解释本发明，并不用于限定本发明。
本发明提供的一种具有隐私保护的轻量级电商平台卖家用户销售额多维统计分析系统及方法，请见图1，系统包括1个电商平台服务方ECS、n个云服务器和m个卖家用户；
将第i个云服务器表示为CSi，i＝1,2,…,n；
将第j个卖家表示为Uj，j＝1,2,…,m；卖家Uj销售K种不同类商品；将卖家Uj的销售额数据记为Aj＝(aj,1,aj,2,…,aj,K)，其中aj,k是Aj的一个分量，它表示卖家Uj的第k种商品的销售额，其中k＝1,2,…,K；
请见图2，本实施例的方法包括以下步骤：
步骤1：系统初始化。
请见图2中的步骤1，系统初始化的具体包括以下子步骤：
步骤1.1：电商平台服务方ECS选择合适的整数T和R作为系统参数，其中系统参数T用在对卖家用户销售额的分块处理中，系统参数R用在对块内销售额数据的压缩处理中；
参数T是步骤2中需要用到的分块参数，决定了每一个分块的大小，块大小会影响系统性能，块大小越大通信开销越小但计算开销会增大，因此参数T的选择需要权衡各方面的性能开销来选定，参数R是步骤2中需要用到的压缩参数，它的选择需要满足其值要大于每块中每种商品销售额之和，假设一段时间内每种商品销售额不超过W，那么R需要满足R>TW；
步骤1.2：电商平台服务方ECS向卖家发送系统参数T和R。
请见图2中的步骤2，卖家销售额数据的分块压缩处理及对应秘密份额的生成的具体实现包括以下子步骤：
步骤2.1：卖家Uj将其K种商品的销售额数据Aj＝(aj,1,aj,2,…,aj,K)按T个分量为一组的规则进行分块处理，商品种类数K是否是块大小T的整数倍并不影响整个处理过程；唯一的区别是，如果商品种类数K不是块大小T的整数倍，则最后一个块不足T个分量，否则最后一块也包含T个分量；为了便于描述，不失一般性，假设商品种类数K是块大小T的整数倍；卖家Uj将Aj＝(aj,1,aj,2,…,aj,K)划分为
Figure BDA0002663246750000031
组，其中第一组为SAj,1＝(aj,1,aj,2,…,aj,T)，第二组为SAj,2＝(aj,T+1,aj,T+2,…,aj,T+T)，第三组为SAj,3＝(aj,2T+1,aj,2T+2,…,aj,2T+T)，依次类推。
步骤2.2：卖家Uj根据获得的系统参数R将第l组销售额SAj,l＝(aj,(l-1)T+1,aj,(l-1)T+2,…,aj,(l-1)T+T)压缩为
Figure BDA0002663246750000032
Sj,l是一个整数，其中
Figure BDA0002663246750000033
步骤2.3：卖家Uj采用(t,n)门限秘密共享方案为每个Sj,l生成n个秘密份额，分别表示为
Figure BDA0002663246750000041
其中
Figure BDA0002663246750000042
卖家Uj共产生了
Figure BDA0002663246750000043
个秘密份额：
Figure BDA0002663246750000044
Figure BDA0002663246750000045
本实施例中，卖家Uj采用Shamir(t,n)门限秘密共享方案为每个Sj,l生成n个秘密份额，分别表示为
Figure BDA0002663246750000046
其中
Figure BDA0002663246750000047
具体过程如下：
针对Sj,l，卖家Uj构造一个t-1次多项式fj,l(x)＝Sj,l+bj,l,1x+bj,l,2x2+…+bj,l,t-1xt -1，其中bj,l,1、bj,l,2、…、bj,l,t-1是卖家Uj选的随机数，随后生成Sj,l的n个秘密份额
Figure BDA0002663246750000048
其中i＝1,2,…,n。
卖家Uj共产生了
Figure BDA0002663246750000049
个秘密份额：
Figure BDA00026632467500000410
Figure BDA00026632467500000411
…，
Figure BDA00026632467500000412
步骤2.4：卖家Uj将产生的Sjl的n个秘密份额向n个云服务器进行分发，卖家Uj将Sjl的秘密份额
Figure BDA00026632467500000413
发送给云服务器CSi，其中
Figure BDA00026632467500000414
i＝1,2,…,n。
云服务器CSi收到来自卖家Uj的
Figure BDA00026632467500000415
个秘密份额：
Figure BDA00026632467500000416
一共收到来自m个卖家的
Figure BDA00026632467500000417
个秘密份额：
Figure BDA00026632467500000418
Figure BDA00026632467500000419
…，
Figure BDA0002663246750000051
请见图2中的步骤3，云服务器CSi将每m个秘密份额
Figure BDA0002663246750000052
聚合为一个秘密份额，用符号
Figure BDA0002663246750000053
表示这个聚合得到的秘密份额，
Figure BDA0002663246750000054
实质上是所有卖家属于第l块的T类商品的销售额总和的压缩值
Figure BDA0002663246750000055
对应的一个秘密份额，其中
Figure BDA0002663246750000056
利用(t,n)门限秘密共享的同态性实现上述聚合，具体计算公式为：
Figure BDA0002663246750000057
显然，
Figure BDA0002663246750000058
是聚合多项式fl(x)当x＝i时的多项式值，fl(x)的具体形式如下所示：
Figure BDA0002663246750000059
根据Shamir(t,n)门限秘密共享方案中多项式的构造方法可知，
Figure BDA00026632467500000510
是
Figure BDA00026632467500000511
的一个秘密份额。
重复执行上述聚合操作
Figure BDA00026632467500000512
次，CSi将
Figure BDA00026632467500000513
个秘密份额
Figure BDA00026632467500000514
Figure BDA00026632467500000515
压缩为
Figure BDA00026632467500000516
个秘密份额
Figure BDA00026632467500000517
其中
Figure BDA00026632467500000518
是
Figure BDA00026632467500000519
的一个秘密份额，
Figure BDA00026632467500000520
是
Figure BDA00026632467500000521
的一个秘密份额，…，
Figure BDA0002663246750000061
是
Figure BDA0002663246750000062
的一个秘密份额。
请见图2中的步骤4，电商平台服务方ECS获取多维统计分析结果的具体实现包括以下子步骤：
步骤4.1：电商平台服务方ECS随机选择t个CS，让它们将其拥有的关于
Figure BDA0002663246750000063
的秘密份额发送给电商平台服务方ECS，假设ESC收到的关于
Figure BDA0002663246750000064
的t个秘密份额分别为
Figure BDA0002663246750000065
根据拉格拉日插值公式，ESC可以通过这t个秘密份额恢复多项式
Figure BDA0002663246750000066
从而，ESC可以获得
Figure BDA0002663246750000067
电商平台服务方ECS重复执行上述过程共
Figure BDA0002663246750000068
次，可以恢复出所有卖家的所有
Figure BDA0002663246750000069
个块中的T种商品的销售额总和的压缩值
Figure BDA00026632467500000610
步骤4.2：电商平台服务方ECS通过执行针对系统参数R的T次取余操作和T-1次取整操作可以从压缩值
Figure BDA00026632467500000611
中提取出
Figure BDA00026632467500000612
具体过程如下：
Figure BDA00026632467500000613
执行第1次
Figure BDA00026632467500000614
除以R取余，得到
Figure BDA00026632467500000615
执行第1次
Figure BDA00026632467500000616
除以R取整，并结果赋值给
Figure BDA00026632467500000617
得：
Figure BDA00026632467500000618
执行第2次
Figure BDA00026632467500000619
除以R取余，得到
Figure BDA00026632467500000620
执行第2次
Figure BDA0002663246750000071
除以R取整，并结果赋值给
Figure BDA0002663246750000072
得：
Figure BDA0002663246750000073
…
执行第T-1次
Figure BDA0002663246750000074
除以R取余，得到
Figure BDA0002663246750000075
执行第T-1次
Figure BDA0002663246750000076
除以R取整，并结果赋值给
Figure BDA0002663246750000077
得：
Figure BDA0002663246750000078
执行第T次
Figure BDA0002663246750000079
除以R取余，得到
Figure BDA00026632467500000710
电商平台服务方ECS重复执行上述过程共
Figure BDA00026632467500000711
次，可以从压缩值
Figure BDA00026632467500000712
中提取出针对每种商品的所有卖家的销售额总和：
Figure BDA00026632467500000713
其中
Figure BDA00026632467500000714
表示m个卖家的第k种商品的销售总额，其中k＝1,2,…,K。
本发明有效地解决了如何在不泄漏卖家用户隐私的条件下高效地对卖家用户各种商品销售额统计分析的问题。本发明针对电商平台卖家用户销售额的具有隐私保护的统计分析提出的解决方法，该方法也可用于电商平台买家购买行为的具有隐私保护的统计分析，金融贸易领域中的商品进出口情况的具有隐私保护的分析，保险领域中的投保人投保习惯的具有隐私保护的分析，具有很高的实用性。
应当理解的是，本说明书未详细阐述的部分均属于现有技术。
应当理解的是，上述针对较佳实施例的描述较为详细，并不能因此而认为是对本发明专利保护范围的限制，本领域的普通技术人员在本发明的启示下，在不脱离本发明权利要求所保护的范围情况下，还可以做出替换或变形，均落入本发明的保护范围之内，本发明的请求保护范围应以所附权利要求为准。

Claims (1)

1.一种电商平台卖家用户销售额多维统计分析方法，应用于电商平台卖家用户销售额多维统计分析系统；其特征在于：所述系统包括1个平台服务方ECS，n个云服务器CS和m个卖家；将第i个云服务器表示为CSi，i＝1,2,…,n；将第j个卖家表示为Uj，j＝1,2,…,m；卖家Uj销售K种不同类商品；将卖家Uj的销售额数据记为Aj＝(aj,1,aj,2,…,aj,K)，其中aj,k是Aj的一个分量，它表示卖家Uj的第k种商品的销售额，其中k＝1,2,…,K；
所述方法包括以下步骤：
步骤1：系统初始化；
步骤1.1：电商平台服务方ECS选择整数T和R作为系统参数；
步骤1.2：电商平台服务方ECS向卖家发送系统参数T和R；
步骤2：将卖家销售额数据进行分块压缩处理，并生成对应秘密份额；
步骤2的具体实现包括以下子步骤：
步骤2.1：卖家Uj将其K种商品的销售额数据Aj＝(aj,1,aj,2,…,aj,K)按T个分量为一组的规则进行分块处理，卖家Uj将Aj＝(aj,1,aj,2,…,aj,K)划分为
Figure FDA0003547897060000011
组，其中第一组为SAj,1＝(aj,1,aj,2,…,aj,T)，第二组为SAj,2＝(aj,T+1,aj,T+2,…,aj,T+T)，第三组为SAj,3＝(aj,2T+1,aj,2T+2,…,aj,2T+T)，依次类推；
步骤2.2：卖家Uj根据获得的系统参数R将第l组销售额SAj,l＝(aj,(l-1)T+1,aj,(l-1)T+2,…,aj,(l-1)T+T)压缩为
Figure FDA0003547897060000012
Sj,l是一个整数，其中
Figure FDA0003547897060000013
步骤2.3：卖家Uj为每个Sj,l生成n个秘密份额，分别表示为
Figure FDA0003547897060000014
其中
Figure FDA0003547897060000015
卖家Uj共产生了
Figure FDA0003547897060000016
个秘密份额：
Figure FDA0003547897060000017
Figure FDA0003547897060000018
步骤2.4：卖家Uj将产生的Sj,l的n个秘密份额向n个云服务器进行分发，卖家Uj将Sj,l的秘密份额
Figure FDA0003547897060000019
发送给云服务器CSi，其中
Figure FDA00035478970600000110
云服务器CSi收到来自卖家Uj的
Figure FDA0003547897060000021
个秘密份额：
Figure FDA0003547897060000022
一共收到来自m个卖家的
Figure FDA0003547897060000023
个秘密份额：
Figure FDA0003547897060000024
Figure FDA0003547897060000025
步骤3：云服务器聚合秘密份额；
步骤3的具体实现过程是：云服务器CSi将每m个秘密份额
Figure FDA0003547897060000026
聚合为一个秘密份额，用符号
Figure FDA0003547897060000027
表示这个聚合得到的秘密份额，
Figure FDA0003547897060000028
实质上是所有卖家属于第l块的T类商品的销售额总和的压缩值
Figure FDA0003547897060000029
对应的一个秘密份额，其中
Figure FDA00035478970600000210
利用(t,n)门限秘密共享的同态性实现上述聚合，具体计算公式为：
Figure FDA00035478970600000211
重复执行上述聚合操作
Figure FDA00035478970600000212
次，CSi将
Figure FDA00035478970600000213
个秘密份额
Figure FDA00035478970600000214
Figure FDA00035478970600000215
压缩为
Figure FDA00035478970600000216
个秘密份额
Figure FDA00035478970600000217
步骤4：电商平台服务方ECS获取多维统计分析结果；
步骤4的具体实现包括以下子步骤：
步骤4.1：电商平台服务方ECS随机选择t个CS，让它们将其拥有的关于
Figure FDA00035478970600000218
的秘密份额发送给电商平台服务方ECS，电商平台服务方ECS通过执行(t,n)门限秘密共享方案的重构算法恢复出
Figure FDA00035478970600000219
其中，电商平台服务方ECS随机选择t个CS，让它们将其拥有的关于
Figure FDA00035478970600000220
的秘密份额发送给电商平台服务方ECS，若电商平台服务方ESC收到的关于
Figure FDA0003547897060000031
的t个秘密份额分别为
Figure FDA0003547897060000032
根据拉格朗日插值公式，电商平台服务方ESC通过这t个秘密份额恢复多项式
Figure FDA0003547897060000033
从而，电商平台服务方ESC获得
Figure FDA0003547897060000034
电商平台服务方ECS重复执行上述过程共
Figure FDA0003547897060000035
次，恢复出所有卖家的所有
Figure FDA0003547897060000036
个块中的T种商品的销售额总和的压缩值
Figure FDA0003547897060000037
步骤4.2：电商平台服务方ECS通过执行针对系统参数R的T次取余操作和T-1次取整操作从压缩值
Figure FDA0003547897060000038
中提取出
Figure FDA0003547897060000039
电商平台服务方ECS重复执行上述过程共
Figure FDA00035478970600000310
次，从压缩值
Figure FDA00035478970600000311
中提取出针对每种商品的所有卖家的销售额总和：
Figure FDA00035478970600000312
Figure FDA00035478970600000313
表示m个卖家的第k种商品的销售总额，其中k＝1,2,…,K。
CN202010910937.8A 2020-09-02 2020-09-02 一种电商平台卖家用户销售额多维统计分析系统及方法 Active CN112163227B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202010910937.8A CN112163227B (zh) 2020-09-02 2020-09-02 一种电商平台卖家用户销售额多维统计分析系统及方法
PCT/CN2021/074760 WO2022048107A1 (zh) 2020-09-02 2021-02-02 一种电商平台卖家用户销售额多维统计分析系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010910937.8A CN112163227B (zh) 2020-09-02 2020-09-02 一种电商平台卖家用户销售额多维统计分析系统及方法

Publications (2)

Publication Number Publication Date
CN112163227A CN112163227A (zh) 2021-01-01
CN112163227B true CN112163227B (zh) 2022-04-29

Family

ID=73858608

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010910937.8A Active CN112163227B (zh) 2020-09-02 2020-09-02 一种电商平台卖家用户销售额多维统计分析系统及方法

Country Status (2)

Country Link
CN (1) CN112163227B (zh)
WO (1) WO2022048107A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112163227B (zh) * 2020-09-02 2022-04-29 湖北工业大学 一种电商平台卖家用户销售额多维统计分析系统及方法
CN113515716B (zh) * 2021-04-06 2023-06-09 湖北工业大学 一种具有隐私保护的目标模式匹配系统及方法

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10558789B2 (en) * 2011-08-05 2020-02-11 [24]7.ai, Inc. Creating and implementing scalable and effective multimedia objects with human interaction proof (HIP) capabilities, with challenges comprising different levels of difficulty based on the degree on suspiciousness
CN103037223B (zh) * 2012-12-14 2015-05-20 太原科技大学 一种基于块压缩感知的秘密图像共享方法
WO2017111654A1 (ru) * 2015-12-24 2017-06-29 Михаил Сергеевич ЛИТОВЧЕНКО Электронное устройство коммуникации между продавцами и покупателями
CN106056526B (zh) * 2016-05-26 2019-04-12 南昌大学 一种基于解析稀疏表示与压缩感知的图像加密算法
KR101881939B1 (ko) * 2016-07-18 2018-07-26 (주)에이프럴스튜디오 판매자 중심의 전자상거래 서비스 제공 방법, 장치, 서비스 서버 및 사용자 단말기
CN106127081B (zh) * 2016-07-18 2019-04-16 贵州大学 公开可验证的数据容错安全存储方法
CN106339832A (zh) * 2016-08-08 2017-01-18 东莞市浩方云网电子商务有限公司 用于电子商务整合采购和补货的方法和系统
TWI692743B (zh) * 2018-01-08 2020-05-01 國立高雄科技大學 以調色盤壓縮為基礎的彩色影像驗證方法與電腦程式產品
EP3665583A1 (en) * 2018-10-17 2020-06-17 Alibaba Group Holding Limited Secret sharing with no trusted initializer
CN109389438A (zh) * 2018-11-13 2019-02-26 上海宝尊电子商务有限公司 一种具有时效性的计算商品爆款指数的方法及系统
CN110445797B (zh) * 2019-08-15 2021-08-13 湖北工业大学 一种具有隐私保护的两方多维数据比较方法和系统
CN110570274B (zh) * 2019-08-16 2021-10-22 湖北工业大学 一种具有隐私保护的物流订单最优化分配系统及方法
CN110610105B (zh) * 2019-09-25 2020-07-24 郑州轻工业学院 一种云环境下基于秘密共享的三维模型文件的认证方法
CN111182171B (zh) * 2019-12-16 2022-03-15 成都信息工程大学 一种分阶段解密的图像秘密共享信息处理方法及系统
CN111275202B (zh) * 2020-02-20 2023-08-11 济南大学 一种面向数据隐私保护的机器学习预测方法及系统
CN112163227B (zh) * 2020-09-02 2022-04-29 湖北工业大学 一种电商平台卖家用户销售额多维统计分析系统及方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Memory leakage-resilient secret sharing schemes;WEI JinFeng,ZHANG FangGuo;《Science China(Information Sciences)》;20151130;全文 *

Also Published As

Publication number Publication date
WO2022048107A1 (zh) 2022-03-10
CN112163227A (zh) 2021-01-01

Similar Documents

Publication Publication Date Title
US9430354B2 (en) Aggregation of metrics for tracking electronic computing resources based on user class hierarchy
CN112163227B (zh) 一种电商平台卖家用户销售额多维统计分析系统及方法
CN108595980B (zh) 一种商品溯源信息的保护方法及装置
CN112800466B (zh) 基于隐私保护的数据处理方法、装置和服务器
CN111669366A (zh) 一种本地化差分隐私数据交换方法及存储介质
CN109615021B (zh) 一种基于k均值聚类的隐私信息保护方法
CN104992348A (zh) 一种信息展示的方法和装置
US20150142808A1 (en) System and method for efficiently determining k in data clustering
CN107729924B (zh) 图片复审概率区间生成方法及图片复审判定方法
WO2022213965A1 (zh) 用于控制带宽的多方联合数据处理方法及装置
WO2023103527A1 (zh) 一种访问频次的预测方法及装置
CN114691167A (zh) 机器学习模型更新的方法和装置
US11551194B2 (en) System to facilitate exchange of data segments between data aggregators and data consumers
CN110443061A (zh) 一种数据加密方法和装置
KR20170132830A (ko) 서버 로그들로부터의 식별자들을 연결하기 위한 브리지 매치 식별자들 생성
CN113674096A (zh) 一种基于区块链技术的供应链金融的应用系统及方法
CN111985573A (zh) 因子分解机分类模型构建方法、设备及可读存储介质
CN112101977A (zh) 一种精准的大数据分析方法
JP6600939B2 (ja) データ分類装置、データ分類プログラム、および、データ分類方法
CN109754254A (zh) 密钥管理方法、装置以及电子设备
CN111414406A (zh) 一种用于识别不同渠道事务中的相同用户的方法和系统
CN115526634A (zh) 一种基于区块链的智能跨链交互方法、系统和存储介质
CN113515716B (zh) 一种具有隐私保护的目标模式匹配系统及方法
CN114422105A (zh) 联合建模方法、装置、电子设备及存储介质
CN109783559A (zh) 房产交易数据的获取方法、装置、电子设备以及存储介质

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