CN112541540A - 数据融合方法、装置、设备及存储介质 - Google Patents
数据融合方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN112541540A CN112541540A CN202011449190.7A CN202011449190A CN112541540A CN 112541540 A CN112541540 A CN 112541540A CN 202011449190 A CN202011449190 A CN 202011449190A CN 112541540 A CN112541540 A CN 112541540A
- Authority
- CN
- China
- Prior art keywords
- data
- user
- fusion
- algorithm model
- preset algorithm
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/251—Fusion techniques of input or preprocessed data
-
- 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)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Bioethics (AREA)
- General Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Computer Security & Cryptography (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种数据融合方法、装置、设备及存储介质,该方法包括:接收第一用户的第一数据和第二用户的第二数据,第一用户与第二用户已签署智能合约,第一数据和第二数据为根据智能合约赋值的数据;接收第一用户或第二用户发送的预设算法模型,预设算法模型用于以及调用第一数据和第二数据进行数据融合;在封闭状态下根据预设算法模型对第一数据和第二数据进行数据融合,得到融合结果;根据智能合约将融合结果反馈至第一用户和第二用户。黑盒能够提供在封闭状态下使用预设算法模型对第一数据和第二数据进行数据融合,提高数据融合保密性和安全性。
Description
技术领域
本发明实施例涉及数据融合技术,尤其涉及一种数据融合方法、装置、设备及存储介质。
背景技术
在国家及地方政府相关政策的积极推动与扶持下,数据交易市场发展迅速,已在全国建立多个规模较大的数据交易中心。中国大数据产业发展潜力巨大,不仅培育新经济、新动能,还为传统产业转型升级提供支撑。
大数据产业发展的难点在于数据资源共享,数据资源共享是充分发挥数字经济的社会经济效应的关键。目前的数据资源共享模式有两大类,一类是公益性质的共享,适合密级低的数据在一个组织内或一个联盟内实施。另一类是商业化的有偿数据共享,即在数据交易市场通过价格机制实现数据资产的转让,从而实现数据的价值。其最基本方式是把数据集作为商品来买卖转让,通过数据权属所有者的变化,实现数据的商业价值。还有一种形式是非数据权属转让,包括使用权直接转让和间接使用等两种方式,非数据权属转让需要更好的数据私密保护,但是在实现上还有大量技术问题和法规问题需要解决。例如,数据资源共享涉及数据融合技术安全性较低。
发明内容
本发明提供一种数据融合方法、装置、设备及存储介质,以实现提高数据融合安全性。
第一方面,本发明实施例提供了一种数据融合方法,应用于黑盒,包括:
接收第一用户的第一数据和第二用户的第二数据,第一用户与第二用户已签署智能合约,第一数据和第二数据为根据智能合约赋值的数据;
接收第一用户或第二用户发送的预设算法模型,预设算法模型用于以及调用第一数据和第二数据进行数据融合;
在封闭状态下根据预设算法模型对第一数据和第二数据进行数据融合,得到融合结果;
根据智能合约将融合结果反馈至第一用户和第二用户。
第二方面,本发明实施例还提供了一种数据融合方法,包括:
第一用户和第二用户签署智能合约;
根据智能合约对第一用户的第一数据、第二用户的第二数据、预设算法模型进行赋值,预设算法模型用于以及调用第一数据和第二数据进行数据融合;
将赋值的第一数据和第二数据和预设算法模型发送至黑盒;
黑盒在封闭状态下根据预设算法模型对第一数据和第二数据进行数据融合,得到融合结果;
根据智能合约将融合结果反馈至第一用户和第二用户。
第三方面,本发明实施例还提供了一种数据融合装置,包括:
接收模块,用于接收第一用户发送的已赋值的第一数据和第二用户发送的已赋值的第二数据,第一用户与第二用户已签署智能合约;
接收模块还用于,接收第一用户或第二用户发送的预设算法模型,预设算法模型用于以及调用第一数据和第二数据进行数据融合;
数据融合模块,用于在封闭状态下根据预设算法模型对第一数据和第二数据进行数据融合,得到融合结果;
反馈模块,用于根据智能合约将融合结果反馈至第一用户和第二用户。
第四方面,本发明实施例还提供了一种数据融合设备,设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如本申请实施例所示的数据融合方法。
第五方面,本发明实施例还提供了一种包含计算机可执行指令的存储介质,计算机可执行指令在由计算机处理器执行时用于执行如本申请实施例所示的数据融合方法。
本申请实施例提供的数据融合方案,黑盒接收第一用户的第一数据和第二用户的第二数据,第一用户与第二用户已签署智能合约,第一数据和第二数据为根据智能合约赋值的数据;接收第一用户或第二用户发送的预设算法模型,预设算法模型用于以及调用第一数据和第二数据进行数据融合;在封闭状态下根据预设算法模型对第一数据和第二数据进行数据融合,得到融合结果;根据智能合约将融合结果反馈至第一用户和第二用户。黑盒能够提供在封闭状态下使用预设算法模型对第一数据和第二数据进行数据融合,提高数据融合保密性和安全性。
附图说明
图1是本发明实施例一中的数据融合的系统架构示意图;
图2是本发明实施例一中的数据融合方法的流程示意图;
图3是本发明实施例二中的数据融合方法的流程示意图;
图4是本发明实施例三中的数据融合装置的结构示意图;
图5是本发明实施例四中的数据融合设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本申请实施例一提供的一种数据融合的系统架构示意图,该架构包括第一用户11、第二用户12、预设算法模型13、智能合约14以及黑盒15。其中,第一用户11和第二用户12签署智能合约14,智能合约14包括约定对第一用户11提供的第一数据17和第二用户12提供的第二数据18进行数据融合的约定。黑盒15用于根据智能合约14选择合适的预设算法模型13对第一数据17和第二数据18进行封闭式的数据融合,数据融合后黑盒15向第一用户11和第二用户12反馈融合结果。其中,智能合约14和预设算法模型13可以由一个服务端16维护。
图2为本申实施例提供的一种数据融合方法的流程示意图,上述数据融合的系统架构可使用该数据融合方法进行数据融合,该方法包括:
步骤210、第一用户和第二用户签署智能合约。
第一用户和第二用户根据数据交易意向,前述合约条款。采用智能合约的方式记载第一用户和第二用户前述的合约。智能合约(Smart contract)是一种旨在以信息化方式传播、验证或执行合同的计算机协议。可以通过区块链技术签订智能合约,智能合约包括数据融合条款。
步骤220、根据智能合约对第一用户的第一数据、第二用户的第二数据、预设算法模型进行赋值。
其中,预设算法模型用于以及调用第一数据和第二数据进行数据融合。第一数据表示第一用户的数据,第二数据表示第二用户的数据。
服务端根据智能合约中数据融合条款确定用于实现数据融合条约的预设算法模型。根据数据融合条款从第一用户处查找数据,将该数据赋值给第一数据。根据数据融合条款从第二用户处查找数据,将该数据赋值给第二数据。根据数据融合条款对预设算法模型使用的参数进行赋值。
步骤230、将赋值的第一数据和第二数据和预设算法模型发送至黑盒。
第一数据和第二数据可以位于网络测服务器中,也可以分别位于第一用户使用的第一终端和第二用户使用的第二终端中。若位于网络测服务器,则网络测服务器将第一数据和第二数据发送至黑盒。若分别位于第一用户使用的第一终端和第二用户使用的第二终端,则第一终端向黑盒发送第一数据,第二终端向黑盒发送第二数据。
黑盒的输入数据包括数据和模型算法,数据包括第一数据和第二数据,模型算法为预设模型算法。为了增加数据传输的安全性,可选的,第一数据和第二数据根据协议的算法加密后输入至融合黑盒。加密算法可以使用公钥和私钥的方式对数据进行加密和解密。加密算法可以用于用户身份认证,并支持黑盒与用户建立联系的初始化过程中调用一些标准协议,如安全套接字协议(Secure Sockets Layer,SSL)或传输层安全性协议(TransportLayer Security,TLS)。其中,用户可以为第一用户和第二用户。
可选的,数据融合双方(如第一用户和第二用户)在签订智能合约后,黑盒为交易双方都生成一对密钥,用以支持双方的握手过程。
可选的,预设算法模型还可以由第一用户或第二用户提供给黑盒。此时,第一用户会将携带有第一身份证书的预设算法模型发送至黑盒;或则,第二用户会将携带有第二身份证书的预设算法模型发送至黑盒。其中,第一身份证书为第一用户的身份证书,第二身份证书为第二用户的身份证书。身份证书可以为私钥。黑盒根据接收到的身份证书于公钥对用户身份进行验证。使用用户身份证书进行安全验证,能够提高数据安全性。
在上述实施例的基础上,为了提高通用性,通过多个预设标准化接口接收第一数据、第二数据或预设算法模型,多个预设标准化接口分别用于接收预设格式的第一数据和第二数据和预设算法模型。
预设标准化接口为黑盒与外部设备进行数据交互时使用的接口,预设标准化接口能够提供统一规范的接口格式,通过该接口格式接收第一数据、第二数据或预设算法模型等。
预设标准化接口可以通过编程语言编辑实现。例如,可采用Python语言进行编辑。在黑盒中配置一个Python自动编辑器,可将预设标准化接口和黑盒的数据融合主程序编辑在一起进行运行。
必要时,可以由黑盒提供标准的接口调用规则,包括接口使用的数据格式等,简化用户实现算法的难度和工作量。向黑盒发送数据的设备按照标准的接口调用规则可以防止用户研发的复杂算法带入的各种系统安全风险。
步骤240、黑盒在封闭状态下根据预设算法模型对第一数据和第二数据进行数据融合,得到融合结果。
黑盒在进行数据融合过程中处于封闭状态,封闭状态下黑盒外部的任何设备无法干涉黑盒内部的数据融合处理。
可选的,黑盒切断与外部设备的通信;在黑盒本地对第一数据和第二数据进行信息级的数据融合,得到融合结果;黑盒恢复与外部设备的通信。
黑盒可以为独立的硬件设备,如某个计算机设备或每个服务器。当黑盒接收到第一数据、第二数据以及预设算法模型后,黑盒切断与外部设备的通信。此时,黑盒处于封闭状态。在封闭状态下,黑盒使用预设算法模型对第一数据和第二数据进行数据融合,得到融合结果。由于预设算法模型与智能合约中的数据融合条款有关,用于实现智能合约中数据融合条款中约定的数据融合功能。使用预设算法模型进行数据融合,得到融合结果之后,黑盒恢复与外部设备的通信,解除封闭状态。黑盒在切断与外部设备通信,能够提高数据融合的安全性。
步骤250、根据智能合约将融合结果反馈至第一用户和第二用户。
通常智能合约面向双方提供数据融合服务,因此在得到融合结果之后,会向双方提供融合结果。
可选的,融合结果还包括结果状态信息,状态结果信息用于表示数据融合的处理情况。可以根据智能合约确定目标对象,将状态信息发送至目标对象。有时智能合约约定的数据融合用于将第一用户和第二用户的数据进行融合,融合结果用于单向的提供给第一用户和第二用户的其中一个用户,而另一个用户只需得知数据融合的处理情况,无需获知融合结果。上述另一个用户为目标对象。状态结果信息可以包括数据融合的时间参数、数据融合涉及的数据内容,数据融合是否成功等参数。
在上述实施例的基础上,在根据智能合约将融合结果反馈至第一用户和第二用户之后,销毁黑盒中已处理数据,已处理数据包括第一数据和第二数据。由于数据融合的使用的数据量庞大,为了避免黑盒中存储大量冗余数据,可以在反馈融合结果之后,销毁黑盒中已处理数据。已处理数据包括第一数据、第二数据以及数据融合过程中产生的过程数据以及融合结果,提高黑盒的资源利用率。
本申请实施例提供的数据融合方案,第一用户和第二用户签署智能合约,根据智能合约对第一用户的第一数据、第二用户的第二数据、预设算法模型进行赋值,预设算法模型用于以及调用第一数据和第二数据进行数据融合;将赋值的第一数据和第二数据和预设算法模型发送至黑盒;黑盒在封闭状态下根据预设算法模型对第一数据和第二数据进行数据融合,得到融合结果;根据智能合约将融合结果反馈至第一用户和第二用户。黑盒能够提供在封闭状态下使用预设算法模型对第一数据和第二数据进行数据融合,黑盒内部不受其它外界信息干扰,以保证在保密保真的前提下完成数据融,能够提高黑盒安全性和保密性。
实施例二
图3为本发明实施例二提供的数据融合方法的流程图,作为对上述实施例中黑盒的具体说明,本实施例可适用于网络测为两个用户提供数据融合的情况,该方法可以由服务器来执行,该服务器作为黑盒进行两个用户的数据融合,该方法具体包括如下步骤:
步骤310、接收第一用户的第一数据和第二用户的第二数据。
其中,第一用户与第二用户已签署智能合约,第一数据和第二数据为根据智能合约赋值的数据。
第一数据和第二数据可以位于网络测服务器中,也可以分别位于第一用户使用的第一终端和第二用户使用的第二终端中。可选的,第一数据和第二数据可以位于网络测服务器,网络测服务器将第一数据和第二数据发送至黑盒。
可选的,第一用户的第一数据可以由第一用户使用的第一终端发送;第二用户的第二数据可以由第二用户使用的第二终端发送。第一数据和第二数据作为数据融合的输入数据,其内容与智能合约中数据融合条款相关。
在上述实施例的基础上,通过多个预设标准化接口接收第一数据、第二数据或预设算法模型,多个预设标准化接口分别用于接收预设格式的第一数据和第二数据和预设算法模型。
预设标准接口位于黑盒中,预设标准接口能够定义统一的数据接收格式,可以使用Python编辑预设标准接口。预设标准化接口为黑盒与外部设备进行数据交互时使用的接口,预设标准化接口能够提供统一规范的接口格式,通过该接口格式接收第一数据、第二数据或预设算法模型等。
预设标准化接口可以通过编程语言编辑实现。例如,可采用Python语言进行编辑。在黑盒中配置一个Python自动编辑器,可将预设标准化接口和黑盒的数据融合主程序编辑在一起进行运行。
必要时,可以由黑盒提供标准的接口调用规则,包括接口使用的数据格式等,简化用户实现算法的难度和工作量。向黑盒发送数据的设备按照标准的接口调用规则可以防止用户研发的复杂算法带入的各种系统安全风险。
步骤320、接收第一用户或第二用户发送的预设算法模型。
其中,预设算法模型用于以及调用第一数据和第二数据进行数据融合。
在上述实施例的基础上,步骤320可通过下述步骤实施:接收携带有第一身份证书或第二身份证书的预设算法模型;根据第一身份证书和第二身份证书进行身份验证;若身份验证通过,则接收预设算法模型。
预设算法模型还可以由第一用户或第二用户提供给黑盒。此时,黑盒接收第一用户发送的携带有第一身份证书的预设算法模型;或则,黑盒接收第二用户发送的携带有第二身份证书的预设算法模型。其中,第一身份证书为第一用户的身份证书,第二身份证书为第二用户的身份证书。身份证书可以为私钥。黑盒根据接收到的身份证书于公钥对用户身份进行验证。使用用户身份证书进行安全验证,能够提高数据安全性。
步骤330、在封闭状态下根据预设算法模型对第一数据和第二数据进行数据融合,得到融合结果。
黑盒在进行数据融合过程中处于封闭状态,封闭状态下黑盒外部的任何设备无法干涉黑盒内部的数据融合处理。
在上述实施例的基础上,步骤330可通过下述方式实施:切断与外部设备的通信;在本地对第一数据和第二数据进行信息级的数据融合,得到融合结果;恢复与外部设备的通信。
黑盒可以为独立的硬件设备,如某个计算机设备或每个服务器。当黑盒接收到第一数据、第二数据以及预设算法模型后,黑盒切断与外部设备的通信。此时,黑盒处于封闭状态。在封闭状态下,黑盒使用预设算法模型对第一数据和第二数据进行数据融合,得到融合结果。由于预设算法模型与智能合约中的数据融合条款有关,用于实现智能合约中数据融合条款中约定的数据融合功能。使用预设算法模型进行数据融合,得到融合结果之后,黑盒恢复与外部设备的通信,解除封闭状态。黑盒在切断与外部设备通信,能够提高数据融合的安全性。
步骤340、根据智能合约将融合结果反馈至第一用户和第二用户。
通常智能合约面向双方提供数据融合服务,因此在得到融合结果之后,会向双方提供融合结果。
可选的,融合结果还包括结果状态信息,状态结果信息用于表示数据融合的处理情况。此时,可以根据智能合约确定目标对象,将状态信息发送至目标对象。
智能合约约定的数据融合用于将第一用户和第二用户的数据进行融合,融合结果用于单向的提供给第一用户和第二用户的其中一个用户,而另一个用户只需得知数据融合的处理情况,无需获知融合结果。上述另一个用户为目标对象。状态结果信息可以包括数据融合的时间参数、数据融合涉及的数据内容,数据融合是否成功等参数。
在上述实施例的基础上,在步骤340之后,还包括:销毁已处理数据,已处理数据包括第一数据和第二数据。
由于数据融合的使用的数据量庞大,为了避免黑盒中存储大量冗余数据,可以在反馈融合结果之后,销毁黑盒中已处理数据。已处理数据包括第一数据、第二数据以及数据融合过程中产生的过程数据以及融合结果,提高黑盒的资源利用率。
下面通过一个示例对上述实施例进行具体说明。该实例的目的在于实现双方在数据记录层面关于风险评估的“三盲”信息增强。原始数据包括1.各方原始数据记录以及2.各方对应数据分析所用模型的列联表。
其中,各方的原始数据记录,含有表示客户风险评估的概率,基本字段为:1)记录索引键,2)决策结果,决策结果数值为0或1,分别表示好与坏、可行与不可行,或者批准与不批准,这是数据持有方根据自己的分析模型对每条记录评分后作出的判断。3)准确性概率,准确性概率的取值为0到1.00之间的一个数,是由分析模型得到的结果。评估模型会对决策结果提供准确性概率。此外,数据融合双方可以决定是否要提供这么详细的数据,对有无这个数据的分析在下面分别提供算法做进一步介绍。
各方对应数据分析所用模型的列联表(contingency table,是观测数据按两个或更多属性分类时所列出的频数表,由两个以上的变量进行交叉分类的频数)。列联表如图1所示。
表1
多方数据在黑盒中的前期处理包括:根据升序或降序汇编记录索引键,假设数据集G1和G2各有N1和N2笔数据参与融合,归并两个数据集中相同记录标识键,形成一个含有n条公共数据集标识集合,这里0<n≤min{N1,N 2},n就是可参与融合的记录数。
使用记录级风险评估信息增强算法进行处理:将列联表重新计算为列联概率表,定义P=TP+TN+FN+FP。列联概率与列联表关系如表2所示。
表2
基于上述列联概率表就可以应用贝叶斯方法计算各方数据集中对应记录的风险概率。
假定需方(如第一用户)需要供方(如第二用户)的数据来增强自己计算的准确性。为了简约表达式,设记录实际为“1”为事件A,实际为“0”为事件B;判断值为“1”为事件G,判断值为“0”为事件W。出现“1”和“0”的概率为:P(A)=R1,P(B)=R0。
已知对实际事件出现时,各方的判断准确性为:
实际为“1”时,准确性为:对-P(G|A)=R11,错-P(W|A)=R01
实际为“0”时,准确性为:对-P(W|B)=R00,错-P(G|B)=R10
根据以上数据计算供方判断“1”时,“1”的条件概率:P(A|G),以及供方“0”时,“0”的条件概率:P(B|W)
用贝叶斯原理计算上述概率:
P(A|G)=P(G|A)P(A)/P(G)=P(G|A)P(A)/[P(G|A)P(A)+P(G|B)P(B)]=P(G|A)P(A)/[P(G|A)P(A)+P(G|B)(1-P(A))]
P(B|W)=P(W|B)P(B)/P(W)=P(W|B)P(B)/[P(W|B)P(B)+P(W|A)P(A)]=P(W|B)P(B)/[P(W|B)P(B)+P(W|A)(1-P(B))]
可以用具体数据来验证:结合供需各方评估意见的判断总体准确性更高,即:P(A|G)>P(A),和P(B|W)>P(B),也就是说,供方提供的判断信息提升了需方数据判断的准确性。
同理,可以计算出P(B|G)和P(A|W),同时推出P(B|G)<P(B),P(A|W)<P(A),也就是说,供方的不同判断降低了原来的概率。
以上是在供方只有一个总的列联表的情况下,用供方同一个判断概率结合每条记录的需方概率来调整判断的概率分布。如果供方提供了每条记录的准确度概率,需方则可使用该准确度概率作为针对这条记录的Rij。每条记录可以对应一对Rij,例如R11和R10,然后根据列联概率表计算出另一对Rij,例如R01和R00。如果供方未提供每条记录的准确度概率,可用总的列联概率表的参数作为全程的Rij,这个列联表通常包含在供方数据分析得到的结果中。
通过在黑盒中的计算调整过的风险概率结果,需方可以结合各条记录的价值或成本,计算期望出期望价值或期望成本,最后依据设定的决策阈值来重新决定该记录的“1”“0”取值。
下面给出一套具体的数字来验证以上方法。
假设需方有条记录的风险为1%,即,为“1”的概率P(A)=0.99,为“0”的概率P(B)=0.01。供方的列联表如表3所示。
表3
频度 | 计算为“1” | 计算为“0” |
实际为“1” | 90 | 10 |
实际为“0” | 20 | 80 |
即:P(G|A)=0.9,P(W|A)=0.1;P(W|B)=0.8,P(G|B)=0.2
在获得供方上述参数后,计算可得:
P(A|G)=P(G|A)P(A)/[P(G|A)P(A)+P(G|B)(1-P(A))]
==0.9*0.99/[0.9*0.99+0.2*0.01]=0.9978>P(A)=0.99
P(B|W)=P(W|B)P(B)/[P(W|B)P(B)+P(W|A)(1-P(B))]
=0.8*0.01/[0.8*0.01+0.1*0.99]=0.0748>P(B)=0.01
本申请实施例提供的数据融合方法,黑盒接收第一用户的第一数据和第二用户的第二数据,第一用户与第二用户已签署智能合约,第一数据和第二数据为根据智能合约赋值的数据;接收第一用户或第二用户发送的预设算法模型,预设算法模型用于以及调用第一数据和第二数据进行数据融合;在封闭状态下根据预设算法模型对第一数据和第二数据进行数据融合,得到融合结果;根据智能合约将融合结果反馈至第一用户和第二用户。黑盒能够提供在封闭状态下使用预设算法模型对第一数据和第二数据进行数据融合,提高数据融合保密性和安全性。
实施例三
图4为本发明实施例三提供的数据融合方法的流程图,本实施例可适用于网络测为两个用户提供数据融合的情况,该方法可以由服务器来执行,该服务器作为黑盒进行两个用户的数据融合,该装置包括:接收模块410、数据融合模块420和反馈模块430。
接收模块410,用于接收第一用户发送的已赋值的第一数据和第二用户发送的已赋值的第二数据,第一用户与第二用户已签署智能合约;
接收模块410还用于,接收第一用户或第二用户发送的预设算法模型,预设算法模型用于以及调用第一数据和第二数据进行数据融合;
数据融合模块420,用于在封闭状态下根据预设算法模型对第一数据和第二数据进行数据融合,得到融合结果;
反馈模块430,用于根据智能合约将融合结果反馈至第一用户和第二用户。
在上述实施例的基础上,数据融合模块420用于:
切断与外部设备的通信;
在本地对第一数据和第二数据进行信息级的数据融合,得到融合结果;
恢复与外部设备的通信。
在上述实施例的基础上,还包括销毁模块,用于销毁已处理数据,已处理数据包括第一数据和第二数据。
在上述实施例的基础上,融合结果还包括结果状态信息,状态结果信息用于表示数据融合的处理情况,反馈模块430还用于,根据智能合约确定目标对象,将状态信息发送至目标对象。
在上述实施例的基础上,接收模块410还用于:
接收携带有第一身份证书或第二身份证书的预设算法模型;
根据第一身份证书和第二身份证书进行身份验证;
若身份验证通过,则接收预设算法模型。
在上述实施例的基础上,接收模块410还用于:
通过多个预设标准化接口接收第一数据、第二数据或预设算法模型,多个预设标准化接口分别用于接收预设格式的第一数据和第二数据和预设算法模型。
本申请实施例提供的数据融合装置,接收模块410接收第一用户的第一数据和第二用户的第二数据,第一用户与第二用户已签署智能合约,第一数据和第二数据为根据智能合约赋值的数据;接收第一用户或第二用户发送的预设算法模型,预设算法模型用于以及调用第一数据和第二数据进行数据融合;数据融合模块420在封闭状态下根据预设算法模型对第一数据和第二数据进行数据融合,得到融合结果;反馈模块430根据智能合约将融合结果反馈至第一用户和第二用户。黑盒能够提供在封闭状态下使用预设算法模型对第一数据和第二数据进行数据融合,提高数据融合保密性和安全性。
本发明实施例所提供的数据融合装置可执行本发明任意实施例所提供的数据融合方法,具备执行方法相应的功能模块和有益效果。
实施例四
图5为本发明实施例四提供的一种数据融合设备的结构示意图,如图5所示,该数据融合设备包括处理器50、存储器51、输入装置52和输出装置53;数据融合设备中处理器50的数量可以是一个或多个,图5中以一个处理器50为例;数据融合设备中的处理器50、存储器51、输入装置52和输出装置53可以通过总线或其他方式连接,图5中以通过总线连接为例。
存储器51作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的数据融合方法对应的程序指令/模块(例如,数据融合装置中的接收模块410、数据融合模块420和反馈模块430)。处理器50通过运行存储在存储器51中的软件程序、指令以及模块,从而执行数据融合设备的各种功能应用以及数据处理,即实现上述的数据融合方法。
存储器51可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据终端的使用所创建的数据等。此外,存储器51可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器51可进一步包括相对于处理器50远程设置的存储器,这些远程存储器可以通过网络连接至数据融合设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置52可用于接收输入的数字或字符信息,以及产生与数据融合设备的用户设置以及功能控制有关的键信号输入。输出装置53可包括显示屏等显示设备。
实施例五
本发明实施例五还提供一种包含计算机可执行指令的存储介质,计算机可执行指令在由计算机处理器执行时用于执行一种数据融合方法,该方法应用于黑盒,包括:
接收第一用户的第一数据和第二用户的第二数据,第一用户与第二用户已签署智能合约,第一数据和第二数据为根据智能合约赋值的数据;
接收第一用户或第二用户发送的预设算法模型,预设算法模型用于以及调用第一数据和第二数据进行数据融合;
在封闭状态下根据预设算法模型对第一数据和第二数据进行数据融合,得到融合结果;
根据智能合约将融合结果反馈至第一用户和第二用户。
在上述实施例的基础上,在封闭状态下根据预设算法模型对第一数据和第二数据进行数据融合,得到融合结果,包括:
切断与外部设备的通信;
在本地对第一数据和第二数据进行信息级的数据融合,得到融合结果;
恢复与外部设备的通信。
在上述实施例的基础上,在根据智能合约将融合结果反馈至第一用户和第二用户之后,还包括:
销毁已处理数据,已处理数据包括第一数据和第二数据。
在上述实施例的基础上,融合结果还包括结果状态信息,状态结果信息用于表示数据融合的处理情况,根据智能合约将融合结果反馈至第一用户和第二用户,包括:
根据智能合约确定目标对象,将状态信息发送至目标对象。
在上述实施例的基础上,接收第一用户或第二用户发送的预设算法模型,包括:
接收携带有第一身份证书或第二身份证书的预设算法模型;
根据第一身份证书和第二身份证书进行身份验证;
若身份验证通过,则接收预设算法模型。
在上述实施例的基础上,接收第一用户的第一数据和第二用户的第二数据,包括:
通过多个预设标准化接口接收第一数据、第二数据或预设算法模型,多个预设标准化接口分别用于接收预设格式的第一数据和第二数据和预设算法模型。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上的方法操作,还可以执行本发明任意实施例所提供的数据融合方法中的相关操作。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
值得注意的是,上述搜索装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种数据融合方法,其特征在于,应用于黑盒,包括:
接收第一用户的第一数据和第二用户的第二数据,所述第一用户与所述第二用户已签署智能合约,所述第一数据和所述第二数据为根据所述智能合约赋值的数据;
接收所述第一用户或所述第二用户发送的预设算法模型,所述预设算法模型用于以及调用所述第一数据和所述第二数据进行数据融合;
在封闭状态下根据所述预设算法模型对所述第一数据和所述第二数据进行数据融合,得到融合结果;
根据所述智能合约将所述融合结果反馈至所述第一用户和所述第二用户。
2.根据权利要求1所述的方法,其特征在于,所述在封闭状态下根据所述预设算法模型对所述第一数据和所述第二数据进行数据融合,得到融合结果,包括:
切断与外部设备的通信;
在本地对所述第一数据和所述第二数据进行信息级的数据融合,得到融合结果;
恢复与所述外部设备的通信。
3.根据权利要求1所述的方法,其特征在于,在根据所述智能合约将所述融合结果反馈至所述第一用户和所述第二用户之后,还包括:
销毁已处理数据,所述已处理数据包括所述第一数据和所述第二数据。
4.根据权利要求1所述的方法,其特征在于,所述融合结果还包括结果状态信息,所述状态结果信息用于表示数据融合的处理情况,所述根据所述智能合约将所述融合结果反馈至所述第一用户和所述第二用户,包括:
根据所述智能合约确定目标对象,将所述状态信息发送至所述目标对象。
5.根据权利要求1所述的方法,其特征在于,所述接收所述第一用户或所述第二用户发送的预设算法模型,包括:
接收携带有第一身份证书或第二身份证书的预设算法模型;
根据所述第一身份证书和所述第二身份证书进行身份验证;
若身份验证通过,则接收所述预设算法模型。
6.根据权利要求1所述的方法,其特征在于,所述接收第一用户的第一数据和第二用户的第二数据,包括:
通过多个预设标准化接口接收所述第一数据、所述第二数据或所述预设算法模型,所述多个预设标准化接口分别用于接收预设格式的第一数据和所述第二数据和所述预设算法模型。
7.一种数据融合方法,其特征在于,包括:
第一用户和第二用户签署智能合约;
根据所述智能合约对所述第一用户的第一数据、所述第二用户的第二数据、预设算法模型进行赋值,所述预设算法模型用于以及调用所述第一数据和所述第二数据进行数据融合;
将赋值的所述第一数据和所述第二数据和所述预设算法模型发送至黑盒;
所述黑盒在封闭状态下根据所述预设算法模型对所述第一数据和所述第二数据进行数据融合,得到融合结果;
根据所述智能合约将所述融合结果反馈至所述第一用户和所述第二用户。
8.一种数据融合装置,其特征在于,包括:
接收模块,用于接收第一用户发送的已赋值的第一数据和第二用户发送的已赋值的第二数据,所述第一用户与所述第二用户已签署智能合约;
所述接收模块还用于,接收所述第一用户或所述第二用户发送的预设算法模型,所述预设算法模型用于以及调用所述第一数据和所述第二数据进行数据融合;
数据融合模块,用于在封闭状态下根据所述预设算法模型对所述第一数据和所述第二数据进行数据融合,得到融合结果;
反馈模块,用于根据所述智能合约将所述融合结果反馈至所述第一用户和所述第二用户。
9.一种数据融合设备,其特征在于,所述设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-6中任一所述的数据融合方法。
10.一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-6中任一所述的数据融合方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011449190.7A CN112541540A (zh) | 2020-12-09 | 2020-12-09 | 数据融合方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011449190.7A CN112541540A (zh) | 2020-12-09 | 2020-12-09 | 数据融合方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112541540A true CN112541540A (zh) | 2021-03-23 |
Family
ID=75020062
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011449190.7A Pending CN112541540A (zh) | 2020-12-09 | 2020-12-09 | 数据融合方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112541540A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113051177A (zh) * | 2021-04-20 | 2021-06-29 | 支付宝(杭州)信息技术有限公司 | 测试方法和装置 |
-
2020
- 2020-12-09 CN CN202011449190.7A patent/CN112541540A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113051177A (zh) * | 2021-04-20 | 2021-06-29 | 支付宝(杭州)信息技术有限公司 | 测试方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021249086A1 (zh) | 多方联合决策树构建方法、设备及可读存储介质 | |
CN113711536B (zh) | 从区块链网络中提取数据 | |
TWI694350B (zh) | 基於區塊鏈的資訊監管方法及裝置 | |
CN108805656B (zh) | 供需匹配方法、平台、系统和计算机可读存储介质 | |
CN110189192B (zh) | 一种信息推荐模型的生成方法及装置 | |
CN112182644B (zh) | 一种数据处理方法、装置和电子设备 | |
US20210304201A1 (en) | Transaction verification method and apparatus, storage medium, and electronic device | |
WO2021184836A1 (zh) | 识别模型的训练方法、装置、设备及可读存储介质 | |
Zhang et al. | Recent advances in blockchain and artificial intelligence integration: Feasibility analysis, research issues, applications, challenges, and future work | |
US20140108258A1 (en) | System and method for an anonymous exchange of private data | |
WO2021203919A1 (zh) | 用于评估联合训练模型的方法和装置 | |
CN112039702B (zh) | 基于联邦学习和相互学习的模型参数训练方法及装置 | |
CN111291394B (zh) | 一种虚假信息管理方法、装置和存储介质 | |
CN112613956A (zh) | 一种招投标处理方法和装置 | |
CN113660327A (zh) | 一种区块链系统、区块链节点加入方法和交易方法 | |
CN112905187B (zh) | 编译方法、装置、电子设备及存储介质 | |
Liu et al. | A privacy-preserving resource trading scheme for Cloud Manufacturing with edge-PLCs in IIoT | |
CN108564456A (zh) | 一种电力市场交易竞价数据的自动化交互方法及系统 | |
CN111753324A (zh) | 私有数据的处理方法、计算方法及所适用的设备 | |
CN112749827A (zh) | 金融信息处理方法、装置、电子设备及存储介质 | |
KR20210077654A (ko) | 매칭 효율을 향상시키기 위한 연합 학습 방법 및 장치, 전자장치 및 매체 | |
CN109146683A (zh) | 一种利用区块链的信息管理和认证系统 | |
CN114764417A (zh) | 隐私计算、隐私数据及联邦学习的分散式处理方法及装置 | |
CN112541540A (zh) | 数据融合方法、装置、设备及存储介质 | |
CN110866229B (zh) | 一种多平台账户权限统一管理方法及系统 |
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 |