CN113055930B - 数据处理方法、通信设备、服务器及存储介质 - Google Patents

Abstract

本申请公开了一种用于通信故障的数据处理方法，包括：获取通信故障的异常数据，及对异常数据进行差分隐私加噪处理得到加噪处理数据以使得服务器可根据加噪处理数据进行通信故障分析。本申请实施方式的数据处理方法，可以使得包含用户隐私信息的通信故障的异常数据通过加噪处理后得到有效地隐私保护。且无需通过增加假数据与真实数据进行融合等，从而使得故障率如掉话率不受影响。另外，因使用了差分隐私技术对原始数据进行加噪，因此能够规避具有一定背景知识的差分攻击，使得用户数据隐私保护得到有效地提升。本申请还公开了一种通信设备、服务器及存储介质。

Description

数据处理方法、通信设备、服务器及存储介质

技术领域

本申请涉及数据处理领域，特别涉及通信领域的一种用于通信故障的数据处理方法、通信设备、服务器及存储介质。

背景技术

在无线通信过程中，经常发生通信故障如通话过程中的掉话事件。而在对通信故障进行数据查询分析时，可能导致用户终端敏感数据隐私泄露。相关技术中，通常通过加入一定数量的假埋点数据与真实数据同时进行发送，然而，若加入的假埋点数据过多，则数据可用性降低，反之若加入过少的假埋点数据。且通过上述方法在对数据聚合时容易导致因差分攻击而泄露用户隐私，难以保证用户隐私。

发明内容

有鉴于此，本申请的实施例提供了一种用于通信故障的数据处理方法、通信设备、服务器及存储介质。

本申请提供了一种用于通信故障的数据处理方法，包括：

获取通信故障的异常数据；

对所述异常数据进行差分隐私加噪处理得到加噪处理数据以使得服务器可根据所述加噪处理数据进行通信故障分析。

本申请还提供了一种用于通信故障的数据处理方法，包括：

获取加噪处理数据，所述加噪处理数据通过对所述通信故障的异常数据进行差分隐私加噪处理后得到；

对所述加噪处理数据进行聚合运算以进行通信故障分析。

本申请还提供了一种通信设备，包括：

获取模块，用于获取通信故障的异常数据；

处理模块，用于对所述异常数据进行差分隐私加噪处理得到加噪处理数据以使得服务器可根据所述加噪处理数据进行通信故障分析。

本申请还提供了一种服务器，包括：

数据模块，用于获取加噪处理数据，所述加噪处理数据通过对所述通信故障的异常数据进行差分隐私加噪处理后得到；

计算模块，用于对所述加噪处理数据进行聚合运算以识别通信故障。

本申请还提供了一种计算机程序的非易失性计算机可读存储介质，当所述计算机程序被一个或多个处理器执行时，实现如上述任一项所述的数据处理方法。

本申请实施方式的用于通信故障的数据处理方法、通信设备、服务器及存储介质中，通过获取通信故障的异常数据，及对异常数据进行差分隐私加噪处理得到加噪处理数据以使得服务器可根据加噪处理数据进行异常数据分析，至少具有以下有益效果：

一、可以使得包含用户隐私信息的通信故障的异常数据通过加噪处理后得到有效地隐私保护。

二、无需增加假数据与真实数据进行融合，从而使得故障率如掉话率不受影响。

三、因使用了差分隐私技术对原始数据进行加噪，因此能够规避具有一定背景知识的差分攻击，使得用户数据隐私保护得到有效地提升。

四、在处理异常数据的云端服务器上通过聚合运算等方式可对数据进行通信故障分析，从而使得异常数据可以得到有效地通信故障分析，且可对相关内容进行隐私保护，有效地规避差分攻击。

附图说明

本申请的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解。

图1是本申请某些实施方式的数据处理方法流程示意图；

图2是本申请某些实施方式的通信设备模块图；

图3是本申请某些实施方式的数据处理方法流程示意图；

图4是本申请某些实施方式的数据处理方法流程示意图；

图5是本申请某些实施方式的数据处理方法流程示意图；

图6是本申请某些实施方式的数据处理方法流程示意图；

图7是本申请某些实施方式的数据处理方法流程示意图；

图8是本申请某些实施方式的数据处理方法流程示意图；

图9是本申请某些实施方式的数据处理方法流程示意图；

图10是本申请某些实施方式的数据处理方法流程示意图；

图11是本申请某些实施方式的服务器模块图。

具体实施方式

下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其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。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。

请参阅图1，本申请提供了一种用于通信故障的数据处理方法，包括：

S10：获取通信故障的异常数据；

S20：对异常数据进行差分隐私加噪处理得到加噪处理数据以使得服务器可根据加噪处理数据进行通信故障分析。

请参阅图2，本申请实施方式还提供了一种通信设备100，本申请实施方式的数据处理方法可以由通信设备100实现。通信设备100包括获取模块110及处理模块120。S10可以由获取模块110实现，S20可以由处理模块120实现。或者说，获取模块110用于获取通信故障的异常数据。处理模块120用于对异常数据进行差分隐私加噪处理得到加噪处理数据以使得服务器可根据加噪处理数据进行通信故障分析。

本申请实施方式还提供了一种电子设备。服务器包括存储器和处理器。存储器中存储有计算机程序，处理器用于获取通信故障的异常数据，及对异常数据进行差分隐私加噪处理得到加噪处理数据以使得服务器可根据加噪处理数据进行通信故障分析。

在无线通信过程中，对部分通信故障分析，如话音变差、背景噪声过大、掉话等，需要采集异常数据。而因此类通信故障的异常数据会包含用户相关隐私数据，如用户信息、位置信息、通信相关基站信息等，故需对此类异常数据进行隐私保护的处理。其中，进行加噪处理的通信设备100可包括移动终端、可穿戴设备、网络基站等。

具体地，在步骤S10中，获取通信故障的异常数据。其中，异常数据包括发生通信故障时根据系统设置进行采集的通信故障相关的数据，如发生掉话时，异常数据内容包括当前基站编码，地区识别码，频点等信息。获取异常数据的方式可通过周期定时采集，接收、或通过终端埋点数据等方式获取。以下以掉话为例作为通信故障展开说明。

可以理解的是，掉话为通话的非正常终止，如因终端硬件原因，或者网络侧的资源分配不合理等原因造成的通话突然终止。当对此类掉话事件执行数据埋点后，掉话发生时，本申请获取该类掉话数据进行后续操作。在某些实施方式中，如业务需要，掉话数据也可包括正常终止的通话，即就是，掉话数据包括正常终止如挂机的通话数据，及因终端或网络原因造成的非正常终止的通话数据。以下以非正常终止的通话作为掉话数据，且在移动终端侧获取异常数据展开说明。

进一步地，在步骤S20中，对异常数据进行差分隐私加噪处理得到加噪处理数据以使得服务器可根据加噪处理数据进行异常数据分析。其中，服务器为异常数据的收集侧，即就是，服务器可对通过本申请进行数据处理后的加噪处理数据进行进一步地通信故障分析。服务器可包括移动终端的云端服务器，或通信网络侧的相关数据处理服务器等。

具体地，差分隐私加噪为通过差分隐私技术对步骤S10中获取的异常数据添加噪声数据得到加噪处理数据。差分隐私方案包括中心化的差分隐私方案，即数据由可信第三方添加噪声，或本地差分隐私，即在移动终端本地为数据添加噪声。

如此，本申请通过获取通信故障的异常数据，及对异常数据进行差分隐私加噪处理得到加噪处理数据以使得服务器可根据加噪处理数据进行异常数据分析，可以使得包含用户隐私信息的通信故障的异常数据通过加噪处理后得到有效地隐私保护。且无需增加假数据与真实数据进行融合，从而使得故障率如掉话率不受影响。另外，因使用了差分隐私技术对原始数据进行加噪，因此能够规避具有一定背景知识的差分攻击，使得用户数据隐私保护得到有效地提升。进一步地，在处理异常数据的云端服务器上通过聚合运算等方式可对数据进行计算分析，从而可以有效地对通信故障进行分析。

请参阅图3，在某些实施方式中，S20包括：

S21：对异常数据进行本地差分隐私加噪处理得到加噪处理数据以使得服务器可根据加噪处理数据进行通信故障分析。

在某些实施方式中，S11可以由处理模块120来实现。或者说，处理模块120用于对异常数据进行本地差分隐私加噪处理得到加噪处理数据以使得服务器可根据加噪处理数据进行通信故障分析。

在某些实施方式中，处理器用于对异常数据进行本地差分隐私加噪处理得到加噪处理数据以使得服务器可根据加噪处理数据进行通信故障分析。

具体地，差分隐私方案包括中心化的差分隐私方案，即数据由可信第三方添加噪声，或本地差分隐私，即在移动终端本地为数据添加噪声。本实施例采用本地差分隐私，即就是，对于获取的异常数据中需要保护的数据或数据中的内容进行本地差分隐私加噪。需要保护的异常数据内容为var，通过扰动函数F(var)进行加噪或扰动，则基于本地差分隐私技术的扰动函数F(var)中任意两个输入的异常数据内容得到相同的输出值的概率在(-ε，ε)之间，即：

其中，满足上述本地差分隐私技术的扰动函数F(var)可包括拉普拉斯噪声、指数噪声、或随机响应机制等。另外，ε为隐私预算，当ε较小时，两次输出相同值的概率很大，即对异常数据的扰动程度很大，而数据隐私得到更好的保护，但是数据可用性会相对降低，可能导致通信故障原因分析掉话原因时出现偏差。另一方面，当ε较大时，两次输出相同值的概率较小，即加在异常数据上的差分隐私噪声相对较小，数据可用性增加，但却在一定程度上使得用户隐私保护降低。故需要根据实际业务类型及数据结构类型等设置合理的ε值。

当对异常数据进行差分隐私加噪处理后，可发送至移动终端的云端服务器进行进一步的异常数据分析，如通过聚合运算提取异常数据中的部分信息，并通过极大似然估计法对数据进行无偏估计对数据进行统计分析。

如此，相对于其它差分隐私技术如中心化的差分隐私技术，本地差分隐私不需要可信第三方，而在本地即可进行加噪，在一定程度上增加了隐私保护强度。另外，对于移动终端厂商分析掉话故障业务，可在移动终端本地对异常数据进行采集及加噪处理，然后将加噪处理数据发送至终端服务器进行通信故障分析，一方面仅需在移动终端本地实现差分隐私加噪处理，降低了成本损耗及第三方风险度。另一方面因无需增加假埋点数据，保障了掉话率，提高了数据的可用性。再一方面增强了数据的隐私保护，并可有效地规避数据查询时的差分攻击。

请参阅图4，在某些实施方式中，S21包括：

S211：对异常数据进行字段提取处理以得到多个隐私字段；

S212：对每个隐私字段利用随机响应机制进行本地差分隐私加噪处理。

在某些实施方式中，S211及S212可以由处理模块120来实现。或者说，处理模块120用于对异常数据进行字段提取处理以得到多个隐私字段，及对每个隐私字段利用随机响应机制进行本地差分隐私加噪处理。

在某些实施方式中，处理器用于对异常数据进行字段提取处理以得到多个隐私字段，及对每个隐私字段利用随机响应机制进行本地差分隐私加噪处理。

具体地，在通信故障的异常数据中，部分内容如用户相关信息需要进行隐私保护，而另外部分内容则可以公开。在某些实施方式中，可对通信故障的全部异常数据进行加噪处理。在某些实施方式中，可对部分异常数据进行加噪处理，

在步骤S211中，对异常数据进行字段提取处理以得到多个隐私字段。其中，字段提取可包括关键字提取。可以理解的是，通信信息中包含大量字段信息，而多个信息可能包含相同字段，故通过关键字提取可以提取包含相同关键字的不同字段。例如关键字“基站”，则与“基站”相关的字段如当前基站编码、邻区基站编码等可作为与“基站”相关的隐私字段。另外，字段提取也可为按照名称提取，即按照设置进行隐私保护的内容进行各字段提取，而非设置的字段内容则不进行加噪处理。

进一步地，在步骤S212中，对每个隐私字段利用随机响应机制进行本地差分隐私加噪处理。具体地，可利用对敏感问题响应的不确定性对每个隐私字段进行隐私保护。设置扰动概率p，对于每个隐私字段的若干个取值，将每一个取值都编码成0/1串,然后对0/1串的每一个位上的0/1以扰动概率p进行随机响应。其中p是由隐私预算ε决定，可按照如下公式：

可得到p：

如此，通过对异常数据进行字段提取处理以得到多个隐私字段，及对每个隐私字段利用随机响应机制进行本地差分隐私加噪处理，通过细分数据为字段提取使得可对所需最小内容进行加噪处理，从而有效地提高了数据处理效率。另一方面，移动通信为数字信号处理，即离散型数据，在扰动机制中采用适用于离散型数据的随机响应机制可以得到更佳的加噪效果。

请参阅图5，在某些实施方式中，S212包括：

S2121：获取隐私字段的第一取值；

S2122：确定第一取值的数据类型；

S2123：若数据类型为离散型，以扰动概率p保留第一取值，或1-p的概率以第二取值代替第一取值，第二取值与第一取值不同。

在某些实施方式中，S2121-S2123可以由处理模块120来实现。或者说，处理模块120用于获取隐私字段的第一取值，及确定第一取值的数据类型，以及若数据类型为离散型，以扰动概率p保留第一取值，或1-p的概率以第二取值代替第一取值，第二取值与第一取值不同。

在某些实施方式中，处理器用于获取隐私字段的第一取值，及确定第一取值的数据类型，以及若数据类型为离散型，以扰动概率p保留第一取值，或1-p的概率以第二取值代替第一取值，第二取值与第一取值不同。

具体地，随机响应技术包括两种取值的离散型数据进行响应，第一取值及第二取值，其中，第二取值不同于第一取值，第一取值为隐私字段的真实取值，如0和1。随机响应对于离散型数据可利用对敏感问题响应的不确定性对每个隐私字段进行隐私保护。设置扰动概率p，对于每个隐私字段的若干个取值，将每一个取值都编码成0/1串,然后对0/1串的每一个位上的0/1以扰动概率p进行随机响应，即以扰动概率p保留第一取值，或1-p的概率以第二取值代替第一取值。

如此，可以使得异常数据中的离散型数据得到有效地加噪处理。

请参阅图6，在某些实施方式中，S2122包括：

S21221：若数据类型为连续型，将第一取值的取值范围进行平均划分为M个子范围，且按照大小对M个子范围进行排序；

S21222：确定第一取值所在的第X个子范围，其中0<X≤M；

S21223：以扰动概率p＝X/M保留第一取值，或1-p的概率以第二取值代替第一取值，第二取值与第一取值不同。

在某些实施方式中，S21221-S21223可以由处理模块120来实现。或者说，处理模块120用于判断若数据类型为连续型，将第一取值的取值范围进行平均划分为M个子范围，且按照大小对M个子范围进行排序，及确定第一取值所在的第X个子范围，其中0<X≤M，以扰动概率p＝X/M保留第一取值，或1-p的概率以第二取值代替第一取值，第二取值与第一取值不同。

在某些实施方式中，处理器用于判断若数据类型为连续型，将第一取值的取值范围进行平均划分为M个子范围，且按照大小对M个子范围进行排序，及确定第一取值所在的第X个子范围，其中0<X≤M，以扰动概率p＝X/M保留第一取值，或1-p的概率以第二取值代替第一取值，第二取值与第一取值不同。

具体地，随机响应技术包括对连续型数据进行响应。当对异常数据的隐私字段的数据类型进行判断为连续型数据，则将真实取值作为第一取值，并将第一取值的取值范围进行平均划分为M个子范围，且按照大小对M个子范围进行排序。同时，确定第一取值所在的第X个子范围，其中0<X≤M。在一个例子中，一个连续性数值变量的取值范围是[0,100]，如果变量值即第一取值是70，按照10的大小将[0,100]划分为10个子范围，则70位于按照大小排列的第7个子范围。进一步地，扰动概率p＝X/M，p＝7/10＝0.7，以0.7的概率保留第一取值，及1-0.7＝0.3的概率以第二取值代替第一取值70，第二取值与第一取值不同，例如以0.3的概率输出30。

如此，通过将连续型数据离散化，然后利用离散型数据下的随机响应方法对数据进行扰动，可以使得异常数据中的连续型数据得到有效地加噪处理。

请参阅图7，在某些实施方式中，数据处理方法还包括：

S30：对加噪处理数据进行隐私处理得到隐私处理数据以使得服务器可根据隐私处理数据进行通信故障分析。

在某些实施方式中，S30可以由处理模块120来实现。或者说，处理模块120还用于对加噪处理数据进行隐私处理得到隐私处理数据以使得服务器可根据隐私处理数据进行通信故障分析。

在某些实施方式中，处理器用于对加噪处理数据进行隐私处理得到隐私处理数据以使得服务器可根据隐私处理数据进行通信故障分析。

具体地，当利用本地差分隐私技术对异常数据进行加噪处理后，可对加噪处理数据进一步进行隐私处理，包括匿名化、假名化、去标识处理等隐私处理手段。相对于加噪处理，隐私处理可为对数据内容的用户部分敏感信息的剔除。例如移动终端对于掉话的异常数据内容包括设备信息、账号信息、IP信息等，在隐私处理时，可将上述信息去除。

如此，通过对加噪处理数据进行进一步地隐私处理，可使得加噪数据中的敏感信息得到更好地隐私处理。

请参阅图8，在某些实施方式中，S30包括：

S31：对加噪处理数据进行匿名化处理和/或去标识处理得到隐私处理数据。

在某些实施方式中，S31可以由处理模块120来实现。或者说，处理模块120还用于对加噪处理数据进行匿名化处理和/或去标识处理得到隐私处理数据。

在某些实施方式中，处理器用于对加噪处理数据进行匿名化处理和/或去标识处理得到隐私处理数据。

请参阅图9，在某些实施方式中，S31包括：

S311：去除加噪处理数据的设备信息和/或账号信息以进行匿名化处理；

S312：去除加噪处理数据的时间戳和/或IP信息以进行去标识处理。

在某些实施方式中，S311和S312可以由处理模块120来实现。或者说，处理模块120用于去除加噪处理数据的设备信息和/或账号信息以进行匿名化处理，及去除加噪处理数据的时间戳和/或IP信息以进行去标识处理。

在某些实施方式中，处理器用于去除加噪处理数据的设备信息和/或账号信息以进行匿名化处理，及去除加噪处理数据的时间戳和/或IP信息以进行去标识处理。

请参阅图10，本申请还提供了一种用于通信故障的数据处理方法，包括：

S40：获取加噪处理数据，加噪处理数据通过对通信故障的异常数据进行差分隐私加噪处理后得到；

S50：对加噪处理数据进行聚合运算以进行通信故障分析。

请参阅图11，本申请实施方式还提供了一种服务器200，本申请实施方式的数据处理方法可以由服务器200实现。服务器200包括数据模块210及计算模块220。S40可以由数据模块210实现，S50可以由计算模块220实现。或者说，数据模块210用于获取加噪处理数据，加噪处理数据通过对通信故障的异常数据进行差分隐私加噪处理后得到。计算模块220用于对加噪处理数据进行聚合运算以进行通信故障分析。

本申请实施方式还提供了一种电子设备。服务器包括存储器和处理器。存储器中存储有计算机程序，处理器用于获取加噪处理数据，加噪处理数据通过对通信故障的异常数据进行差分隐私加噪处理后得到，及对加噪处理数据进行聚合运算以进行通信故障分析。

具体地，服务器200用于对异常数据进行分析，包括数据查询、故障分析等。服务器200可为移动终端侧云端服务器、通信网络侧数据处理单元等。

在步骤S40中，服务器200获取或接收上述实施例中对通信故障的异常数据进行差分隐私加噪处理后得到的加噪处理数据。

进一步地，在步骤S50中，对加噪处理数据进行聚合运算以进行通信故障分析。其中，聚合运算包括求取平均值，最小值，最大值，计算分布，无偏差估计等运算。通过聚合运算对通信故障进行分析，分析出掉话原因，例如终端硬件或参数设置、或网络侧基站覆盖等原因。其中，随机响应机制扰动后的数据统计估计可由极大似然估计得到校正的统计值。

如此，服务器200通过获取加噪处理数据，及对加噪处理数据进行聚合运算以进行通信故障分析，可以使得因加噪处理数据对隐私字段已进行本地差分隐私处理，在对通信故障进行分析时，通过聚合运算可有效还原原始异常数据的分布，同时，在数据查询及分析过程中，可在一定程度上规避具有一定背景知识的差分攻击，使得用户数据隐私保护得到有效地提升。

需要说明的是，在本申请中，有多处比较中有“大于或等于”“小于”的比较，可以理解的是根据实际设置亦可为“大于”“小于或等于”，此比较方式不应作为对本申请的限制。另外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

本申请实施方式还提供了一种计算机可读存储介质。一个或多个存储有计算机程序的非易失性计算机可读存储介质，当计算机程序被一个或多个处理器执行时，实现上述任一实施方式的数据处理方法。

综上所述，在本申请的用于通信故障的数据处理方法、通信设备、服务器及存储介质中，通过获取通信故障的异常数据，及对异常数据进行差分隐私加噪处理得到加噪处理数据以使得服务器可根据加噪处理数据进行异常数据分析，至少具有以下有益效果：

一、可以使得包含用户隐私信息的通信故障的异常数据通过加噪处理后得到有效地隐私保护。

二、无需增加假数据与真实数据进行融合，从而使得故障率如掉话率不受影响。

三、相对于其它差分隐私技术如中心化的差分隐私技术，采用本地差分隐私不需要可信第三方，而在本地即可进行加噪，在一定程度上增加了隐私保护强度。

四、通过合理的设置隐私预算参数，当对数据进行分析时，可以在一定程度上较好地还原原始数据分布，提高数据的可用性。

五、因使用了本地差分隐私技术对原始数据进行加噪，因此能够规避具有一定背景知识的差分攻击，使得用户数据隐私保护得到有效地提升。

六、在处理异常数据的云端服务器上通过聚合运算等方式可对数据进行通信故障分析，从而使得异常数据可以得到有效地通信故障分析，且可对相关内容进行隐私保护，有效地规避差分攻击。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的软件来完成。程序可存储于一非易失性计算机可读存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)等。

以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (12)

1.一种用于通信故障的数据处理方法，其特征在于，包括：

获取通信故障的异常数据，所述通信故障包括通话过程中的掉话事件，所述异常数据包括掉话数据；

对所述异常数据进行差分隐私加噪处理得到加噪处理数据以使得服务器可根据所述加噪处理数据进行通信故障分析，无需增加假数据与真实数据进行融合，使得掉话率不受影响。

2.根据权利要求1所述的数据处理方法，其特征在于，所述对所述异常数据进行差分隐私加噪处理得到加噪处理数据以使得服务器可根据所述加噪处理数据进行通信故障分析包括：

对所述异常数据进行本地差分隐私加噪处理得到所述加噪处理数据以使得所述服务器可根据所述加噪处理数据进行通信故障分析。

3.根据权利要求2所述的数据处理方法，其特征在于，所述对所述异常数据进行本地差分隐私加噪处理得到所述加噪处理数据以使得所述服务器可根据所述加噪处理数据进行通信故障分析包括：

对所述异常数据进行字段提取处理以得到多个隐私字段；

对每个所述隐私字段利用随机响应机制进行本地差分隐私加噪处理。

4.根据权利要求3所述的数据处理方法，其特征在于，所述对每个所述隐私字段利用随机响应机制进行本地差分隐私加噪处理包括：

获取所述隐私字段的第一取值；

确定所述第一取值的数据类型；

若所述数据类型为离散型，以扰动概率p保留所述第一取值，或1-p的概率以第二取值代替所述第一取值，所述第二取值与所述第一取值不同。

5.根据权利要求4所述的数据处理方法，其特征在于，所述确定所述第一取值的数据类型包括：

若所述数据类型为连续型，将所述第一取值的取值范围进行平均划分为M个子范围，且按照大小对所述M个子范围进行排序；

确定所述第一取值所在的第X个子范围，其中0<X≤M；

以所述扰动概率p＝X/M保留所述第一取值，或1-p的概率以第二取值代替所述第一取值，所述第二取值与所述第一取值不同。

6.根据权利要求1所述的数据处理方法，其特征在于，所述数据处理方法还包括：

对所述加噪处理数据进行隐私处理得到隐私处理数据以使得所述服务器可根据所述隐私处理数据进行通信故障分析。

7.根据权利要求6所述的数据处理方法，其特征在于，所述对所述加噪处理数据进行隐私处理得到隐私处理数据以使得所述服务器可根据所述隐私处理数据进行通信故障分析还包括：

对所述加噪处理数据进行匿名化处理和/或去标识处理得到所述隐私处理数据。

8.根据权利要求7所述的数据处理方法，其特征在于，所述对所述加噪处理数据进行匿名化处理和/或去标识处理得到所述隐私处理数据包括：

去除所述加噪处理数据的设备信息和/或账号信息以进行匿名化处理；

去除所述加噪处理数据的时间戳和/或IP信息以进行去标识处理。

9.一种用于通信故障的数据处理方法，其特征在于，包括：

获取加噪处理数据，所述加噪处理数据通过对所述通信故障的异常数据进行差分隐私加噪处理后得到，所述通信故障包括通话过程中的掉话事件，所述异常数据包括掉话数据；

对所述加噪处理数据进行聚合运算以进行通信故障分析，无需增加假数据与真实数据进行融合，使得掉话率不受影响。

10.一种通信设备，其特征在于，包括：

获取模块，用于获取通信故障的异常数据，所述通信故障包括通话过程中的掉话事件，所述异常数据包括掉话数据；

处理模块，用于对所述异常数据进行差分隐私加噪处理得到加噪处理数据以使得服务器可根据所述加噪处理数据进行通信故障分析，无需增加假数据与真实数据进行融合，使得掉话率不受影响。

11.一种服务器，其特征在于，包括：

数据模块，用于获取加噪处理数据，所述加噪处理数据通过对通信故障的异常数据进行差分隐私加噪处理后得到，所述通信故障包括通话过程中的掉话事件，所述异常数据包括掉话数据；

计算模块，用于对所述加噪处理数据进行聚合运算以识别通信故障，无需增加假数据与真实数据进行融合，使得掉话率不受影响。

12.一种计算机程序的非易失性计算机可读存储介质，其特征在于，当所述计算机程序被一个或多个处理器执行时，实现权利要求1-8任一项所述的数据处理方法。

Images