CN112434064A - 数据处理方法、装置、介质及电子设备 - Google Patents
数据处理方法、装置、介质及电子设备 Download PDFInfo
- Publication number
- CN112434064A CN112434064A CN202011308389.8A CN202011308389A CN112434064A CN 112434064 A CN112434064 A CN 112434064A CN 202011308389 A CN202011308389 A CN 202011308389A CN 112434064 A CN112434064 A CN 112434064A
- Authority
- CN
- China
- Prior art keywords
- data
- user data
- time window
- user
- time 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.)
- Granted
Links
- 238000003672 processing method Methods 0.000 title abstract description 10
- 238000012545 processing Methods 0.000 claims abstract description 81
- 238000000034 method Methods 0.000 claims abstract description 50
- 238000012795 verification Methods 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 14
- 238000012549 training Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 6
- 238000005192 partition Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 150000003839 salts Chemical class 0.000 description 3
- 238000013500 data storage Methods 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011033 desalting Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000009938 salting Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- 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
- G06F16/2455—Query execution
- G06F16/24568—Data stream processing; Continuous queries
-
- 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
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- 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
- G06F16/2477—Temporal data 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
- G06F21/602—Providing cryptographic facilities or services
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Bioethics (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Computer Security & Cryptography (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开涉及一种数据处理方法、装置、介质及电子设备,所述方法包括:获取第一用户数据和第二用户数据,并初始化所述第一用户数据对应的第一时间窗和所述第一时间窗对应的第一时间信息,以及所述第二用户数据对应的第二时间窗和所述第二时间窗对应的第二时间信息;根据所述第一用户数据,确定所述第一时间窗对应的第一数据以及所述第一时间信息;根据所述第二用户数据,确定所述第二时间窗对应的第二数据以及所述第二时间信息;根据所述第一数据和所述第二数据,确定所述第一用户数据和所述第一用户数据中对应于同一用户的对齐数据。由此,可以提高数据对齐处理的效率和准确性,为获得准确的联邦学习的样本数据提供保证。
Description
技术领域
本公开涉及计算机技术领域,具体地,涉及一种数据处理方法、装置、介质及电子设备。
背景技术
随着人工智能技术的发展,机器学习取得越来越广泛的应用。近年来,为了保护数据安全和解决数据孤岛的问题,相关的方式通常采用联合训练模型来实现在不暴露原始数据的前提下完成机器学习模型的共同训练。在纵向联邦学习的场景下,一个关键问题就是如何把联邦学习的双方的特征拼接成一个完整的样本,提供给训练器使用。
现有技术中,通常需要联邦学习的双方通过比较稳定的DFS(分布式文件系统)或者是OSS(对象存储系统),以及关系型数据库以存储状态,从而进行数据对齐。而进行联邦学习的双方会把己方的数据不定时的生成出来,并且不断地加入到联邦学习系统中用于确定对应于同一用户的数据,上述过程在确定批量生成的用户数据的效率较低。
发明内容
提供该发明内容部分以便以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
第一方面,本公开提供一种数据处理方法,所述方法包括:
获取第一用户数据和第二用户数据,并初始化所述第一用户数据对应的第一时间窗和所述第一时间窗对应的第一时间信息,以及所述第二用户数据对应的第二时间窗和所述第二时间窗对应的第二时间信息;
根据所述第一用户数据,确定所述第一时间窗对应的第一数据以及所述第一时间信息;
根据所述第二用户数据,确定所述第二时间窗对应的第二数据以及所述第二时间信息;
根据所述第一数据和所述第二数据,确定所述第一用户数据和所述第一用户数据中对应于同一用户的对齐数据。
第二方面,提供一种数据处理装置,所述装置包括:
获取模块,用于获取第一用户数据和第二用户数据,并初始化所述第一用户数据对应的第一时间窗和所述第一时间窗对应的第一时间信息,以及所述第二用户数据对应的第二时间窗和所述第二时间窗对应的第二时间信息;
第一确定模块,用于根据所述第一用户数据,确定所述第一时间窗对应的第一数据以及所述第一时间信息;
第二确定模块,用于根据所述第二用户数据,确定所述第二时间窗对应的第二数据以及所述第二时间信息;
第三确定模块,用于根据所述第一数据和所述第二数据,确定所述第一用户数据和所述第一用户数据中对应于同一用户的对齐数据。
第三方面,提供一种计算机可读介质,其上存储有计算机程序,该程序被处理装置执行时实现第一方面所述方法的步骤。
第四方面,提供一种电子设备,包括:
存储装置,其上存储有计算机程序;
处理装置,用于执行所述存储装置中的所述计算机程序,以实现第一方面所述方法的步骤。
在上述技术方案中,获取第一用户数据和第二用户数据,并初始化所述第一用户数据对应的第一时间窗和所述第一时间窗对应的第一时间信息,以及所述第二用户数据对应的第二时间窗和所述第二时间窗对应的第二时间信息,从而可以根据所述第一用户数据,确定所述第一时间窗对应的第一数据以及所述第一时间信息,并根据所述第二用户数据,确定所述第二时间窗对应的第二数据以及所述第二时间信息,之后则根据所述第一数据和所述第二数据,确定所述第一用户数据和所述第一用户数据中对应于同一用户的对齐数据。由此,通过上述技术方案,可以在联邦学习的双方不定时生成样本数据时,通过时间窗的方式对生成的样本数据进行局部对齐,从而可以提高数据处理的效率,并且可以保证流式数据处理的准确度。同时,该方法可以应用于批量生成的用户数据中的数据对齐处理,可以在提高数据处理效率的同时,拓宽数据处理方法的使用范围,为获得准确的联邦学习的样本数据提供保证,提升用户使用体验。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,原件和元素不一定按照比例绘制。在附图中:
图1是一种构建联邦学习模型的示意图;
图2是根据本公开的一种实施方式提供的数据处理方法的流程图。
图3是根据本公开的一种实施方式提供的根据第一用户数据,确定第一时间窗对应的第一数据以及第一时间信息的示例性实现方式的流程图。
图4是根据本公开的一种实施方式提供的数据处理装置的框图。
图5是示出了适于用来实现本公开实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
应当理解,本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
如背景技术中所述,在纵向联邦学习的场景下,一个关键问题就是如何把联邦学习的双方的特征拼接成一个完整的样本,提供给训练器使用。在纵向联邦学习中,参与训练的两个数据集的用户重叠较多而用户特征重叠较少,需要将数据集按照纵向(即特征维度)切分,并取出双方用户相同而用户特征不完全相同的那部分数据生成训练样本以进行联邦训练。在纵向联邦训练中联邦学习的参与方的数据通常为流式数据,流式数据一般是指由共同在线流量产生的数据,例如在广告场景下,用户点击一次广告,可以在媒体平台和广告主两侧各自产生一条数据记录。在该上述两个参与方A和B参与联邦训练,需要根据这两条数据记录对齐并生成一条样本,则首先需要确定出上述两个参与方中对应于同一个用户的数据记录,从而确定样本。如图1所示,参与方A和参与方B可以分别上传其各自的数据记录至对应的数据存储目录,各参与方数据进一步存储至对应的数据处理模块,从而进入联邦学习框架。经由数据处理模块进行数据处理后的数据进行数据对齐,以使参与双方交换用于进行数据对齐的标识信息确定参与双方的数据中对应于同一用户的数据,之后则可以生成训练样本,在每一参与方侧基于训练样本进行联邦模型的训练,通过各参与方的联合训练获得目标联邦学习模型。
然而,在流式数据的场景下,因为生成的数据记录在每一参与方中存储的时间、数据存储可靠性无法确保一致,因此,参与方中可能会出现数据记录缺失和数据记录存储顺序不一致的问题,并且,进行联邦学习的双方会把己方的数据不定时的生成出来,并且不断地加入到联邦学习系统中进行数据对齐,现有技术中针对上述数据进行数据对齐的效率较低。基于此,本公开提供以下实施例。
图2所示,为根据本公开的一种实施方式提供的数据处理方法的流程图。如图2所示,所述方法包括:
在步骤11中,获取第一用户数据和第二用户数据,并初始化第一用户数据对应的第一时间窗和第一时间窗对应的第一时间信息,以及第二用户数据对应的第二时间窗和第二时间窗对应的第二时间信息。
其中,第一用户数据和第二用户数据分别为联邦学习中参与学习的双方的数据。示例地,本公开实施例中联邦学习双方为需要进行流式处理数据的双方,由此,在本公开中实施例中,可以基于时间窗的局部有序数据进行对齐,从而可以进行批量数据的对齐处理。第一时间窗和第二时间窗的初始化长度可以相同,其可以根据实际使用场景进行设置,本公开对此不进行限定。第一时间信息用于表示该第一时间窗中的整体数据对应的时间,第二时间信息用于第二时间窗中的整体数据对应的时间。作为示例,该第一时间信息和第二时间信息可以初始化为零。
在步骤12中,根据第一用户数据,确定第一时间窗对应的第一数据以及第一时间信息。在该步骤中,从第一用户数据中读取第一时间窗对应的数据,从而可以根据该数据确定对应的第一时间信息。
在步骤13中,根据第二用户数据,确定第二时间窗对应的第二数据以及第二时间信息。同样,在该步骤中,可以从第二用户数据中读取第二时间窗对应的数据,从而可以根据该数据确定对应的第二时间信息。
在步骤14中,根据第一数据和第二数据,确定第一用户数据和第一用户数据中对应于同一用户的对齐数据。
其中,在该步骤中确定出第一数据和第二数据之后,便可以根据第一数据和第二数据中的标识信息进行数据对齐,该标识信息用于对唯一表示一条数据记录,例如该标识信息可以为该第一数据和第二数据中的数据记录对应的相同主键。示例地,针对第一数据中的每一数据的标识信息,确定该标识信息是否存在第二数据中,若存在,则表示该标识信息在第一数据中对应的数据,与该标识信息在第二数据中对应的数据为对应于同一用户的数据。此时,可以将该数据分别提取出来,从而可以将该对齐数据进行拼接,以获得用于进行纵向联邦学习的训练数据。
在上述技术方案中,获取第一用户数据和第二用户数据,并初始化所述第一用户数据对应的第一时间窗和所述第一时间窗对应的第一时间信息,以及所述第二用户数据对应的第二时间窗和所述第二时间窗对应的第二时间信息,从而可以根据所述第一用户数据,确定所述第一时间窗对应的第一数据以及所述第一时间信息,并根据所述第二用户数据,确定所述第二时间窗对应的第二数据以及所述第二时间信息,之后则根据所述第一数据和所述第二数据,确定所述第一用户数据和所述第一用户数据中对应于同一用户的对齐数据。由此,通过上述技术方案,可以在联邦学习的双方不定时生成样本数据时,通过时间窗的方式对生成的样本数据进行局部对齐,从而可以提高数据处理的效率,并且可以保证流式数据处理的准确度。同时,该方法可以应用于批量生成的用户数据中的数据对齐处理,可以在提高数据处理效率的同时,拓宽数据处理方法的使用范围,为获得准确的联邦学习的样本数据提供保证,提升用户使用体验。
在一种可能的实施例中,所述根据第二用户数据,确定第二时间窗对应的第二数据以及第二时间信息的示例性实现方式如下,该步骤可以包括:
在所述第二时间信息小于或等于第一时间信息的情况下,根据所述第二用户数据,确定所述第二时间窗对应的第二数据以及所述第二时间信息。
其中,在进行流式数据处理时,用户数据通常是局部有序的,因此进行数据对齐的通信双方的时间信息通常也是对齐的,因此,在该实施例中,若第二时间信息大于第一时间信息,则在之后确定出的第二时间窗中的数据其时间信息通常是晚于该第二时间信息的,此时对应于第一时间信息的第一时间窗的中整体数据对应的时间较早,与之后确定出的第二时间窗中的数据进行匹配的可能性较小,因此,在本公开中实施例中,可以在第二时间信息小于或等于第一时间信息的情况下,对当前通信双方的时间窗内的数据进行对齐处理,既可以提高确定出的第一数据和第二数据中的数据的匹配可能性,又可以避免进行不必要的数据匹配的过程,进一步提高数据处理的效率。
在一种可能的实施例中,根据第一用户数据,确定第一时间窗对应的第一数据以及第一时间信息的示例性实现方式如下,如图3所示,该步骤可以包括:
在步骤21中,根据当前数据处理位置,从第一用户数据中获取第一时间窗对应的数据,其中,当前数据处理位置初始为第一用户数据中的起始位置,可以按照该第一时间窗的长度从第一用户数据的队列中读取相应的数据,之后则可以根据数据读取的进度,更新该当前数据处理位置,即用于记录第一用户数据中待读取的数据的起始位置。
在步骤22中,根据第一时间窗对应的数据确定数据时间信息。
其中,可以将该第一时间窗内中第M个数据的时间戳信息作为该数据时间信息。示例地,可以预先指定该M的取值,也可以根据该第一时间窗的长度确定M的取值,例如可以设置M为第一时间窗内排序P的数据的位置,例如,P为10%,则在第一时间窗的长度为100个数据时,M即为10,即将第10个数据的时间戳信息确定为该第一时间信息。在第一时间窗的长度为200个数据时,M即为20,即将第20个数据的时间戳信息作为该第一时间信息。
在步骤23中,在数据时间信息大于第一时间信息的情况下,将数据时间信息确定为第一时间信息,并将第一时间窗对应的数据添加至第一数据中。
其中,该数据时间信息大于第一时间信息,即在读取该第一时间窗对应的数据中,该部分数据对应的时间整体后移,即该第一时间窗中额数据为局部有序的,此时可以将确定出的该部分数据添加至第一数据中,即作为该第一数据,并获得用户表征该局部有序的第一时间窗中的数据对应的第一时间信息。由此,通过上述技术方案,可以通过数据读取过程中的数据时间信息和第一时间信息的比较,确定出局部有效的第一数据,为后续进行数据对齐提供准确的数据支持。
在一种可能的实施例中,所述根据所述第一用户数据,确定所述第一时间窗对应的第一数据以及所述第一时间信息的示例性实现方式如下,该步骤还可以包括:
在所述数据时间信息小于或等于所述第一时间信息,且所述第一时间窗小于预设时间窗的情况下,按照预设比例增大所述第一时间窗,并返回所述根据当前数据处理位置,从所述第一用户数据中获取第一时间窗对应的数据的步骤,直至所述数据时间信息大于所述第一时间信息。
其中,该预设时间窗的长度可以根据实际使用场景进行设置,本公开对此不进行限定。在该实施例中,在所述数据时间信息小于或等于所述第一时间信息时,表示此时从第一用户数据中新读取了部分数据,但是第一时间窗中的数据对应的第一时间信息并未后移,则表示此时第一时间窗内的数据并非局部有序的。因此,可以增大该第一时间窗的长度,即可以从第一用户数据中再读取部分数据,从而在一定程度上保证第一时间窗中的数据为局部有序数据。示例地,该预设比例可以按照实际使用场景进行设置,示例地该预设比例可以为2,从而可以返回所述根据当前数据处理位置,从所述第一用户数据中获取第一时间窗对应的数据的步骤,以从第一用户数据中获得更多的数据,以进一步确定出第一数据。
由此,通过上述技术方案,可以通过增大第一时间窗的方式从第一用户数据中获得更多的数据,以在一定程度上保证确定出的数据的有序性,从而可以通过数据读取过程中的数据时间信息和第一时间信息的比较,确定出局部有效的第一数据,为后续进行数据对齐提供准确的数据支持,提高数据处理的效率。
同样地,根据所述第二用户数据,确定所述第二时间窗对应的第二数据以及所述第二时间信息的示例性实现方式与上文所述的根据所述第一用户数据,确定所述第一时间窗对应的第一数据以及所述第一时间信息的具体实现方式相同,在此不再赘述。
在一种可能的实施例中,在根据第一用户数据和第二用户数据各自对应的时间窗数据,确定第一用户数据和第二用户数据中对应于同一用户的对齐数据之后,所述方法还可以包括:
存储所述第二数据中的时间戳信息大于所述第一时间信息的数据,并返回所述根据所述第一用户数据,确定所述第一时间窗对应的第一数据以及所述第一时间信息的步骤,直至所述第一用户数据或第二用户数据中的数据均被处理。
其中,在第二数据中的时间戳信息大于第一时间信息中的数据,其可能和第一用户数据中的下一时间窗中的数据进行匹配,因此,在该实施例中,可以存储该部分第二数据,从而使得在重新确定出的第二用户数据的下一时间窗数据中可以包含该部分数据,从而可以保证对应于同一用户的数据被划分到不同的时间窗数据时进行数据对齐的准确性,从而在保证数据对齐数据的效率的同时,保证数据处理的准确性,从而可以为联邦学习提供更多更全面的训练数据,进而提高联邦学习的模型的建模效率。
在实际使用场景中,在进行业务处理的过程中生成的数据并非全部为进行联邦学习的有效数据,因此,本公开还提供以下实施例。
在一种可能的实施例中,所述第一用户数据和所述第二用户数据通过以下方式获得,包括:
在所述第一用户数据的第一提供方中,根据预设特征校验规则,对所述第一提供方的第一原始数据的待校验特征进行校验,将通过校验的第一原始数据确定为所述第一用户数据。
在所述第二用户数据的第二提供方中,根据预设特征校验规则,对所述第二提供方的第二原始数据的待校验特征进行校验,将通过校验的第二原始数据确定为所述第二用户数据。
其中,第一原始数据和第二原始数据即表示进行联邦学习的双方,即第一提供方和第二提供方实际生产的样本数据。
其中,该预设特征校验规则可以根据实际使用场景进行设置。示例地,设置的一种特征校验规则如下:
该特征校验规则表示原始数据中必须有1个名称为age的feature,其数据类型是INT,其对应的值域范围是[0,200]。如果用户上传的某些原始数据中没有这个age特征,或者其类型不是INT,或者其取值在0~200之外,则该原始数据未通过校验,会被过滤掉,如果一原始数据中包含该名称为age的特征,且数据类型为INT,且其取值在0~200之内,则表示该原始数据通过校验。需要进行说明的是,上述仅为示例性说明,不对本公开进行限定。
由此,通过上述技术方案,可以数据提供方的原始数据进行特征校验,从而可以基于原始数据中的特征对原始特征进行初步过滤,从而可以有效提高后续确定出的对齐数据的有效性和准确性,同时可以避免对此类数据进行数据对齐所导致的资源浪费,从而可以进一步提高数据处理的效率。
可选地,为了进一步提高数据处理的消息,可以根据原始数据的标识信息对原始数据进行分区处理,从而可以针对每一分区中的数据进行并发处理,同时也可以将分区中的数据按照时间戳信息进行初步排序,从而可以保证该分区中数据的有序性,从而提高数据处理的并发性和处理效率。
在实际使用场景中,如上文所述,标识信息可以用于唯一表示一条数据记录,从而可以基于标识信息一致,确定出参与方的数据中对应于同一用户的数据。然而在联邦学习的应用场景中,为了保护用户数据隐私,原始数据中的部分标识信息不能直接用于交换以进行数据对齐,例如,标识信息为用户身份信息、用户标识信息等,该部分标识信息通常不能直接进行交换。基于此,本公开还提供以下实施例。
在一种可能的实施例中,在所述第一用户数据的第一提供方的第一原始数据和所述第二用户数据的第二提供方的第二原始数据中,用于进行数据对齐处理的标识信息为目标类型的情况下,所述第一用户数据和所述第二用户数据通过以下方式获得,包括:
在所述第一用户数据的第一提供方中,基于第一密钥,对所述第一原始数据的标识信息进行离线加密散列处理,以获得所述第一用户数据;
在所述第二用户数据的第二提供方中,基于第二密钥和噪声信息对所述第二原始数据的标识信息进行加噪处理,获得加噪数据,并将所述加噪数据发送至所述第一提供方,并在接收到所述第一提供方基于所述第一密钥对所述加噪数据进行加密获得的加密数据后,根据所述噪声信息对所述加密数据进行去噪处理,将去噪处理后所得的数据进行散列处理,以获得所述第二用户数据,其中,所述第一密钥和所述第二密钥与非对称加密的公钥和私钥一一对应。
其中,该目标类型可以是用户预先设置的不能直接用于交换的标识信息的类型,从而可以有效保护数据隐私。示例地,可以基于以下加密方式分别对所述第一原始数据的标识信息和所述第二原始数据的标识信息进行离线加密处理。
示例地,可以将第一用户数据的第一提供方作为Leader,其可以拥有RSA私钥,将第二用户数据的第二提供方作为Follower,其拥有RSA公钥,用于进行数据对齐的标识信息为主键id。其中,该RSA私钥和公钥可以由Leader生成,其中,私钥为d,公钥为(e,N),则其具有以下数学性质:
对任意与N互质的n,都有ne*d%N==n%N
对于Leader和Follower而言,在Leader端:
首先可以把主键明文id用sha256哈希到成一个数字X1,以便于后续计算处理;
之后,对所述第一原始数据的标识信息进行离线加密散列处理,即通过Leader的私钥计算出X1 d%N,对主键明文id进行签名,并通过Hash:Hash(X1 d%N),将签名之后的结果Hash到一个空间,以进行散列处理,从而获得可以用于交换的加密主键,以获得该第一用户数据,其中该第一用户数据至少包含该加密主键,例如还可以包含其他可以交换的数据。
在Follower端:
把主键明文id用sha256哈希到成一个数字Xf;
基于第二密钥和噪声信息对所述第二原始数据的标识信息进行加噪处理,获得加噪数据,并将所述加噪数据发送至所述第一提供方,示例地,可以通过Xf生成一个随机噪声r,以作为所述噪声信息。之后基于该噪声信息对第二原始数据的标识信息进行加盐处理,并且利用公钥,计算得到加噪数据K,并将加噪数据K发送给Leader端:
K=(Xf*re)%N;
之后,Leader端由于没有噪声信息的值,所以无法反推出Xf。Leader端根据公钥和私钥计算以下加密数据Q,并将加密数据Q发送至Follower端:
Q=(Xf*re)d%N=(Xfd*red)%N=(Xfd*r)%N;
Follower端接收到加密数据Q,即(Xfd*r)%N,从而可以根据其噪声信息r,计算出Xfd%N,以进行解盐处理;之后,通过Hash:Hash(Xfd%N),将解盐之后的结果Hash到一个空间以进行散列处理,获得用于交换的加密主键,以获得第二用户数据。
由此,通过上述过程,对于同一个主键id的话,在Follower端和Leader端最后都会hash到同一个值。Follower交互的主键id也是加盐处理之后的,Leader无法反推出主键。
由此,通过上述技术方案,可以对无法直接用于交换的标识信息进行加密处理,既可以保证基于标识信息进行数据对齐的准确性,又可以保证数据隐私,提升用户使用体验。同时,在上述过程中,可以通过离线的方式进行预处理,从而也可以进一步提高数据处理的效率。另外,在上述过程中,可以采用不同的随机噪声当成盐,进一步增加了数据安全性。
在一种可能的实施例中,第一提供方和第二提供方也可以先根据上文所述的特征校验过程分别对其各自的数据进行检验,并根据通过检验后的数据执行上述加密的过程,从而既可以保证第一用户数据和第二用户数据的准确性,同时可以保证第一用户数据和第二用户数据的数据隐私性,进一步提升用户使用体验。
本公开还提供一种数据处理装置,如图4所示,所述装置10包括:
获取模块100,用于获取第一用户数据和第二用户数据,并初始化所述第一用户数据对应的第一时间窗和所述第一时间窗对应的第一时间信息,以及所述第二用户数据对应的第二时间窗和所述第二时间窗对应的第二时间信息;
第一确定模块200,用于根据所述第一用户数据,确定所述第一时间窗对应的第一数据以及所述第一时间信息;
第二确定模块300,用于根据所述第二用户数据,确定所述第二时间窗对应的第二数据以及所述第二时间信息;
第三确定模块400,用于根据所述第一数据和所述第二数据,确定所述第一用户数据和所述第一用户数据中对应于同一用户的对齐数据。
可选地,所述第二确定模块用于:
在所述第二时间信息小于或等于第一时间信息的情况下,根据所述第二用户数据,确定所述第二时间窗对应的第二数据以及所述第二时间信息。
可选地,所述第一确定模块包括:
第一获取子模块,用于根据当前数据处理位置,从所述第一用户数据中获取第一时间窗对应的数据;
第一确定子模块,用于根据所述第一时间窗对应的数据确定数据时间信息;
第二确定子模块,用于在所述数据时间信息大于所述第一时间信息的情况下,将所述数据时间信息确定为所述第一时间信息,并将所述第一时间窗中的数据添加至所述第一数据中。
可选地,所述第一确定模块还包括:
处理子模块,用于在所述数据时间信息小于或等于所述第一时间信息,且所述第一时间窗小于预设时间窗的情况下,按照预设比例增大所述第一时间窗,并触发所述第一获取子模块根据当前数据处理位置,从所述第一用户数据中获取第一时间窗对应的数据,直至所述数据时间信息大于所述第一时间信息。
可选地,所述装置还包括:
存储模块,用于在所述第三确定模块根据所述第一用户数据和第二用户数据各自对应的时间窗数据,确定所述第一用户数据和所述第二用户数据中对应于同一用户的对齐数据之后存储所述第二数据中的时间戳信息大于所述第一时间信息的数据,并触发所述第一确定模块根据所述第一用户数据,确定所述第一时间窗对应的第一数据以及所述第一时间信息,直至所述第一用户数据或第二用户数据中的数据均被处理。
可选地,所述第一用户数据和所述第二用户数据通过以下方式获得,包括:
在所述第一用户数据的第一提供方中,根据预设特征校验规则,对所述第一提供方的第一原始数据的待校验特征进行校验,将通过校验的第一原始数据确定为所述第一用户数据;
在所述第二用户数据的第二提供方中,根据预设特征校验规则,对所述第二提供方的第二原始数据的待校验特征进行校验,将通过校验的第二原始数据确定为所述第二用户数据。
可选地,在所述第一用户数据的第一提供方的第一原始数据和所述第二用户数据的第二提供方的第二原始数据中,用于进行数据对齐处理的标识信息为目标类型的情况下,所述第一用户数据和所述第二用户数据通过以下方式获得,包括:
在所述第一用户数据的第一提供方中,基于第一密钥,对所述第一原始数据的标识信息进行离线加密散列处理,以获得所述第一用户数据;
在所述第二用户数据的第二提供方中,基于第二密钥和噪声信息对所述第二原始数据的标识信息进行加噪处理,获得加噪数据,并将所述加噪数据发送至所述第一提供方,并在接收到所述第一提供方基于所述第一密钥对所述加噪数据进行加密获得的加密数据后,根据所述噪声信息对所述加密数据进行去噪处理,将去噪处理后所得的数据进行散列处理,以获得所述第二用户数据,其中,所述第一密钥和所述第二密钥与非对称加密的公钥和私钥一一对应。
下面参考图5,其示出了适于用来实现本公开实施例的电子设备600的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图5示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图5所示,电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常,以下装置可以连接至I/O接口605:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607;包括例如磁带、硬盘等的存储装置608;以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备600,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在非暂态计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置609从网络上被下载和安装,或者从存储装置608被安装,或者从ROM 602被安装。在该计算机程序被处理装置601执行时,执行本公开实施例的方法中限定的上述功能。
需要说明的是,本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:获取第一用户数据和第二用户数据,并初始化所述第一用户数据对应的第一时间窗和所述第一时间窗对应的第一时间信息,以及所述第二用户数据对应的第二时间窗和所述第二时间窗对应的第二时间信息;根据所述第一用户数据,确定所述第一时间窗对应的第一数据以及所述第一时间信息;根据所述第二用户数据,确定所述第二时间窗对应的第二数据以及所述第二时间信息;根据所述第一数据和所述第二数据,确定所述第一用户数据和所述第一用户数据中对应于同一用户的对齐数据。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,模块的名称在某种情况下并不构成对该模块本身的限定,例如,获取模块还可以被描述为“获取第一用户数据和第二用户数据,并初始化所述第一用户数据对应的第一时间窗和所述第一时间窗对应的第一时间信息,以及所述第二用户数据对应的第二时间窗和所述第二时间窗对应的第二时间信息的模块”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
根据本公开的一个或多个实施例,示例1提供了一种数据处理方法,其中,所述方法包括:
获取第一用户数据和第二用户数据,并初始化所述第一用户数据对应的第一时间窗和所述第一时间窗对应的第一时间信息,以及所述第二用户数据对应的第二时间窗和所述第二时间窗对应的第二时间信息;
根据所述第一用户数据,确定所述第一时间窗对应的第一数据以及所述第一时间信息;
根据所述第二用户数据,确定所述第二时间窗对应的第二数据以及所述第二时间信息;
根据所述第一数据和所述第二数据,确定所述第一用户数据和所述第一用户数据中对应于同一用户的对齐数据。
根据本公开的一个或多个实施例,示例2提供了示例1的方法,其中,所述根据所述第二用户数据,确定所述第二时间窗对应的第二数据以及所述第二时间信息,包括:
在所述第二时间信息小于或等于第一时间信息的情况下,根据所述第二用户数据,确定所述第二时间窗对应的第二数据以及所述第二时间信息。
根据本公开的一个或多个实施例,示例3提供了示例1的方法,其中,所述根据所述第一用户数据,确定所述第一时间窗对应的第一数据以及所述第一时间信息,包括:
根据当前数据处理位置,从所述第一用户数据中获取第一时间窗对应的数据;
根据所述第一时间窗对应的数据确定数据时间信息;
在所述数据时间信息大于所述第一时间信息的情况下,将所述数据时间信息确定为所述第一时间信息,并将所述第一时间窗对应的数据添加至所述第一数据中。
根据本公开的一个或多个实施例,示例4提供了示例3的方法,其中,所述根据所述第一用户数据,确定所述第一时间窗对应的第一数据以及所述第一时间信息,还包括:
在所述数据时间信息小于或等于所述第一时间信息,且所述第一时间窗小于预设时间窗的情况下,按照预设比例增大所述第一时间窗,并返回所述根据当前数据处理位置,从所述第一用户数据中获取第一时间窗对应的数据的步骤,直至所述数据时间信息大于所述第一时间信息。
根据本公开的一个或多个实施例,示例5提供了示例1的方法,其中,在根据所述第一用户数据和第二用户数据各自对应的时间窗数据,确定所述第一用户数据和所述第二用户数据中对应于同一用户的对齐数据之后,所述方法还包括:
存储所述第二数据中的时间戳信息大于所述第一时间信息的数据,并返回所述根据所述第一用户数据,确定所述第一时间窗对应的第一数据以及所述第一时间信息的步骤,直至所述第一用户数据或第二用户数据中的数据均被处理。
根据本公开的一个或多个实施例,示例6提供了示例1的方法,其中,所述第一用户数据和所述第二用户数据通过以下方式获得,包括:
在所述第一用户数据的第一提供方中,根据预设特征校验规则,对所述第一提供方的第一原始数据的待校验特征进行校验,将通过校验的第一原始数据确定为所述第一用户数据;
在所述第二用户数据的第二提供方中,根据预设特征校验规则,对所述第二提供方的第二原始数据的待校验特征进行校验,将通过校验的第二原始数据确定为所述第二用户数据。
根据本公开的一个或多个实施例,示例7提供了示例1的方法,其中,在所述第一用户数据的第一提供方的第一原始数据和所述第二用户数据的第二提供方的第二原始数据中,用于进行数据对齐处理的标识信息为目标类型的情况下,所述第一用户数据和所述第二用户数据通过以下方式获得,包括:
在所述第一用户数据的第一提供方中,基于第一密钥,对所述第一原始数据的标识信息进行离线加密散列处理,以获得所述第一用户数据;
在所述第二用户数据的第二提供方中,基于第二密钥和噪声信息对所述第二原始数据的标识信息进行加噪处理,获得加噪数据,并将所述加噪数据发送至所述第一提供方,并在接收到所述第一提供方基于所述第一密钥对所述加噪数据进行加密获得的加密数据后,根据所述噪声信息对所述加密数据进行去噪处理,将去噪处理后所得的数据进行散列处理,以获得所述第二用户数据,其中,所述第一密钥和所述第二密钥与非对称加密的公钥和私钥一一对应。
根据本公开的一个或多个实施例,示例8提供了一种数据处理装置,其中,所述装置包括:
获取模块,用于获取第一用户数据和第二用户数据,并初始化所述第一用户数据对应的第一时间窗和所述第一时间窗对应的第一时间信息,以及所述第二用户数据对应的第二时间窗和所述第二时间窗对应的第二时间信息;
第一确定模块,用于根据所述第一用户数据,确定所述第一时间窗对应的第一数据以及所述第一时间信息;
第二确定模块,用于根据所述第二用户数据,确定所述第二时间窗对应的第二数据以及所述第二时间信息;
第三确定模块,用于根据所述第一数据和所述第二数据,确定所述第一用户数据和所述第一用户数据中对应于同一用户的对齐数据。
根据本公开的一个或多个实施例,示例9提供了一种计算机可读介质,其上存储有计算机程序,其中,该程序被处理装置执行时实现示例1-示例7任一所述方法的步骤。
根据本公开的一个或多个实施例,示例10提供了一种电子设备,其中,包括:
存储装置,其上存储有计算机程序;
处理装置,用于执行所述存储装置中的所述计算机程序,以实现示例1-示例7中任一所述方法的步骤。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的公开范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述公开构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外,虽然采用特定次序描绘了各操作,但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下,多任务和并行处理可能是有利的。同样地,虽然在上面论述中包含了若干具体实现细节,但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地,在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题,但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反,上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
Claims (10)
1.一种数据处理方法,其特征在于,所述方法包括:
获取第一用户数据和第二用户数据,并初始化所述第一用户数据对应的第一时间窗和所述第一时间窗对应的第一时间信息,以及所述第二用户数据对应的第二时间窗和所述第二时间窗对应的第二时间信息;
根据所述第一用户数据,确定所述第一时间窗对应的第一数据以及所述第一时间信息;
根据所述第二用户数据,确定所述第二时间窗对应的第二数据以及所述第二时间信息;
根据所述第一数据和所述第二数据,确定所述第一用户数据和所述第一用户数据中对应于同一用户的对齐数据。
2.根据权利要求1所述的方法,其特征在于,所述根据所述第二用户数据,确定所述第二时间窗对应的第二数据以及所述第二时间信息,包括:
在所述第二时间信息小于或等于第一时间信息的情况下,根据所述第二用户数据,确定所述第二时间窗对应的第二数据以及所述第二时间信息。
3.根据权利要求1所述的方法,其特征在于,所述根据所述第一用户数据,确定所述第一时间窗对应的第一数据以及所述第一时间信息,包括:
根据当前数据处理位置,从所述第一用户数据中获取第一时间窗对应的数据;
根据所述第一时间窗对应的数据确定数据时间信息;
在所述数据时间信息大于所述第一时间信息的情况下,将所述数据时间信息确定为所述第一时间信息,并将所述第一时间窗对应的数据添加至所述第一数据中。
4.根据权利要求3所述的方法,其特征在于,所述根据所述第一用户数据,确定所述第一时间窗对应的第一数据以及所述第一时间信息,还包括:
在所述数据时间信息小于或等于所述第一时间信息,且所述第一时间窗小于预设时间窗的情况下,按照预设比例增大所述第一时间窗,并返回所述根据当前数据处理位置,从所述第一用户数据中获取第一时间窗对应的数据的步骤,直至所述数据时间信息大于所述第一时间信息。
5.根据权利要求1所述的方法,其特征在于,在根据所述第一用户数据和第二用户数据各自对应的时间窗数据,确定所述第一用户数据和所述第二用户数据中对应于同一用户的对齐数据之后,所述方法还包括:
存储所述第二数据中的时间戳信息大于所述第一时间信息的数据,并返回所述根据所述第一用户数据,确定所述第一时间窗对应的第一数据以及所述第一时间信息的步骤,直至所述第一用户数据或第二用户数据中的数据均被处理。
6.根据权利要求1所述的方法,其特征在于,所述第一用户数据和所述第二用户数据通过以下方式获得,包括:
在所述第一用户数据的第一提供方中,根据预设特征校验规则,对所述第一提供方的第一原始数据的待校验特征进行校验,将通过校验的第一原始数据确定为所述第一用户数据;
在所述第二用户数据的第二提供方中,根据预设特征校验规则,对所述第二提供方的第二原始数据的待校验特征进行校验,将通过校验的第二原始数据确定为所述第二用户数据。
7.根据权利要求1所述的方法,其特征在于,在所述第一用户数据的第一提供方的第一原始数据和所述第二用户数据的第二提供方的第二原始数据中,用于进行数据对齐处理的标识信息为目标类型的情况下,所述第一用户数据和所述第二用户数据通过以下方式获得,包括:
在所述第一用户数据的第一提供方中,基于第一密钥,对所述第一原始数据的标识信息进行离线加密散列处理,以获得所述第一用户数据;
在所述第二用户数据的第二提供方中,基于第二密钥和噪声信息对所述第二原始数据的标识信息进行加噪处理,获得加噪数据,并将所述加噪数据发送至所述第一提供方,并在接收到所述第一提供方基于所述第一密钥对所述加噪数据进行加密获得的加密数据后,根据所述噪声信息对所述加密数据进行去噪处理,将去噪处理后所得的数据进行散列处理,以获得所述第二用户数据,其中,所述第一密钥和所述第二密钥与非对称加密的公钥和私钥一一对应。
8.一种数据处理装置,其特征在于,所述装置包括:
获取模块,用于获取第一用户数据和第二用户数据,并初始化所述第一用户数据对应的第一时间窗和所述第一时间窗对应的第一时间信息,以及所述第二用户数据对应的第二时间窗和所述第二时间窗对应的第二时间信息;
第一确定模块,用于根据所述第一用户数据,确定所述第一时间窗对应的第一数据以及所述第一时间信息;
第二确定模块,用于根据所述第二用户数据,确定所述第二时间窗对应的第二数据以及所述第二时间信息;
第三确定模块,用于根据所述第一数据和所述第二数据,确定所述第一用户数据和所述第一用户数据中对应于同一用户的对齐数据。
9.一种计算机可读介质,其上存储有计算机程序,其特征在于,该程序被处理装置执行时实现权利要求1-7中任一项所述方法的步骤。
10.一种电子设备,其特征在于,包括:
存储装置,其上存储有计算机程序;
处理装置,用于执行所述存储装置中的所述计算机程序,以实现权利要求1-7中任一项所述方法的步骤。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011308389.8A CN112434064B (zh) | 2020-11-19 | 2020-11-19 | 数据处理方法、装置、介质及电子设备 |
US18/252,926 US20230418794A1 (en) | 2020-11-19 | 2021-11-06 | Data processing method, and non-transitory medium and electronic device |
PCT/SG2021/050679 WO2022108520A1 (zh) | 2020-11-19 | 2021-11-06 | 数据处理方法、装置、介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011308389.8A CN112434064B (zh) | 2020-11-19 | 2020-11-19 | 数据处理方法、装置、介质及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112434064A true CN112434064A (zh) | 2021-03-02 |
CN112434064B CN112434064B (zh) | 2023-09-29 |
Family
ID=74693024
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011308389.8A Active CN112434064B (zh) | 2020-11-19 | 2020-11-19 | 数据处理方法、装置、介质及电子设备 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20230418794A1 (zh) |
CN (1) | CN112434064B (zh) |
WO (1) | WO2022108520A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113722738A (zh) * | 2021-09-02 | 2021-11-30 | 脸萌有限公司 | 数据保护方法、装置、介质及电子设备 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120290631A1 (en) * | 2011-05-09 | 2012-11-15 | Cleversafe, Inc. | Retrieving a hypertext markup language file from a dispersed storage network memory |
CN104426646A (zh) * | 2013-09-03 | 2015-03-18 | 航天信息股份有限公司 | 对多路监听器进行数据时间同步的方法和系统 |
CN107251475A (zh) * | 2014-12-24 | 2017-10-13 | 本质Id有限责任公司 | 来自物理不可克隆功能的加密密钥产品 |
CN108540459A (zh) * | 2018-03-22 | 2018-09-14 | 北京京东尚科信息技术有限公司 | 数据储存方法、装置、系统、电子设备及计算机可读介质 |
CN109698806A (zh) * | 2017-10-20 | 2019-04-30 | 福建省天奕网络科技有限公司 | 一种用户数据校验方法及系统 |
CN109756744A (zh) * | 2017-11-02 | 2019-05-14 | 腾讯科技(深圳)有限公司 | 数据处理方法、电子设备及计算机存储介质 |
CN109978055A (zh) * | 2019-03-26 | 2019-07-05 | 京东方科技集团股份有限公司 | 多传感器系统的信息融合方法及系统、计算机设备及介质 |
CN110209726A (zh) * | 2018-02-12 | 2019-09-06 | 中兴通讯股份有限公司 | 分布式数据库集群系统、数据同步方法及存储介质 |
CN110674125A (zh) * | 2019-09-24 | 2020-01-10 | 北京明略软件系统有限公司 | 一种待融合数据的过滤方法、过滤装置及可读存储介质 |
CN111095332A (zh) * | 2017-07-06 | 2020-05-01 | 罗伯特·博世有限公司 | 用于保护隐私的社交媒体广告的方法和系统 |
CN111860865A (zh) * | 2020-07-23 | 2020-10-30 | 中国工商银行股份有限公司 | 模型构建和分析的方法、装置、电子设备和介质 |
CN111936985A (zh) * | 2018-01-30 | 2020-11-13 | 恩卡普沙科技有限责任公司 | 一种用于封装和存储来自多个不同数据源的信息的方法和系统 |
CN111931253A (zh) * | 2020-09-15 | 2020-11-13 | 腾讯科技(深圳)有限公司 | 基于节点群的数据处理方法、系统、设备和介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11194812B2 (en) * | 2018-12-27 | 2021-12-07 | Microsoft Technology Licensing, Llc | Efficient aggregation of sliding time window features |
CN111931323B (zh) * | 2019-04-28 | 2022-08-12 | 中国石油化工股份有限公司 | 存储器、加氢裂化设备故障预测方法、装置和设备 |
CN111504676B (zh) * | 2020-04-23 | 2021-03-30 | 中国石油大学(北京) | 基于多源监控数据融合的设备故障诊断方法、装置及系统 |
-
2020
- 2020-11-19 CN CN202011308389.8A patent/CN112434064B/zh active Active
-
2021
- 2021-11-06 US US18/252,926 patent/US20230418794A1/en active Pending
- 2021-11-06 WO PCT/SG2021/050679 patent/WO2022108520A1/zh active Application Filing
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120290631A1 (en) * | 2011-05-09 | 2012-11-15 | Cleversafe, Inc. | Retrieving a hypertext markup language file from a dispersed storage network memory |
CN104426646A (zh) * | 2013-09-03 | 2015-03-18 | 航天信息股份有限公司 | 对多路监听器进行数据时间同步的方法和系统 |
CN107251475A (zh) * | 2014-12-24 | 2017-10-13 | 本质Id有限责任公司 | 来自物理不可克隆功能的加密密钥产品 |
CN111095332A (zh) * | 2017-07-06 | 2020-05-01 | 罗伯特·博世有限公司 | 用于保护隐私的社交媒体广告的方法和系统 |
CN109698806A (zh) * | 2017-10-20 | 2019-04-30 | 福建省天奕网络科技有限公司 | 一种用户数据校验方法及系统 |
CN109756744A (zh) * | 2017-11-02 | 2019-05-14 | 腾讯科技(深圳)有限公司 | 数据处理方法、电子设备及计算机存储介质 |
CN111936985A (zh) * | 2018-01-30 | 2020-11-13 | 恩卡普沙科技有限责任公司 | 一种用于封装和存储来自多个不同数据源的信息的方法和系统 |
CN110209726A (zh) * | 2018-02-12 | 2019-09-06 | 中兴通讯股份有限公司 | 分布式数据库集群系统、数据同步方法及存储介质 |
CN108540459A (zh) * | 2018-03-22 | 2018-09-14 | 北京京东尚科信息技术有限公司 | 数据储存方法、装置、系统、电子设备及计算机可读介质 |
CN109978055A (zh) * | 2019-03-26 | 2019-07-05 | 京东方科技集团股份有限公司 | 多传感器系统的信息融合方法及系统、计算机设备及介质 |
CN110674125A (zh) * | 2019-09-24 | 2020-01-10 | 北京明略软件系统有限公司 | 一种待融合数据的过滤方法、过滤装置及可读存储介质 |
CN111860865A (zh) * | 2020-07-23 | 2020-10-30 | 中国工商银行股份有限公司 | 模型构建和分析的方法、装置、电子设备和介质 |
CN111931253A (zh) * | 2020-09-15 | 2020-11-13 | 腾讯科技(深圳)有限公司 | 基于节点群的数据处理方法、系统、设备和介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113722738A (zh) * | 2021-09-02 | 2021-11-30 | 脸萌有限公司 | 数据保护方法、装置、介质及电子设备 |
CN113722738B (zh) * | 2021-09-02 | 2023-08-08 | 脸萌有限公司 | 数据保护方法、装置、介质及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
US20230418794A1 (en) | 2023-12-28 |
WO2022108520A1 (zh) | 2022-05-27 |
CN112434064B (zh) | 2023-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113609508A (zh) | 一种基于区块链的联邦学习方法、装置、设备及存储介质 | |
CN113221183A (zh) | 实现隐私保护的多方协同更新模型的方法、装置及系统 | |
CN112784823B (zh) | 人脸图像识别方法、装置、计算设备和介质 | |
CN111915480A (zh) | 生成特征提取网络的方法、装置、设备和计算机可读介质 | |
CN111935111B (zh) | 交互方法、装置和电子设备 | |
CN112418446A (zh) | 模型处理方法、系统、装置、介质及电子设备 | |
CN117408646B (zh) | 电子签章签署方法、装置、电子设备和计算机可读介质 | |
CN110765490A (zh) | 用于处理信息的方法和装置 | |
CN112434064B (zh) | 数据处理方法、装置、介质及电子设备 | |
CN113259353A (zh) | 信息处理方法、装置和电子设备 | |
CN112612919A (zh) | 一种视频资源的关联方法、装置、设备及介质 | |
CN113807157A (zh) | 基于联邦学习训练神经网络模型的方法、装置和系统 | |
CN111950003A (zh) | 生成用户设备唯一识别信息的方法、装置、电子设备 | |
CN115481440B (zh) | 数据处理方法、装置、电子设备和介质 | |
CN116743376A (zh) | 基于高效密文混淆技术的多方秘密分享数据隐私比较方法 | |
CN115757933A (zh) | 推荐信息生成方法、装置、设备、介质和程序产品 | |
US11902451B2 (en) | Cross-blockchain identity and key management | |
CN115205089A (zh) | 图像加密方法、网络模型的训练方法、装置及电子设备 | |
CN115168827A (zh) | 包含身份信息的二维码生成方法和二维码读取方法 | |
CN111832046B (zh) | 一种基于区块链技术的可信数据存证方法 | |
CN110209851B (zh) | 模型训练方法、装置、电子设备及存储介质 | |
CN113722738A (zh) | 数据保护方法、装置、介质及电子设备 | |
CN107203578B (zh) | 建立用户标识的关联的方法和装置 | |
CN111680754A (zh) | 图像分类方法、装置、电子设备及计算机可读存储介质 | |
CN115829729B (zh) | 一种基于三链架构的供应链金融信用评价系统及方法 |
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 |