CN113177229A - 数据处理方法及相关装置 - Google Patents
数据处理方法及相关装置 Download PDFInfo
- Publication number
- CN113177229A CN113177229A CN202110478157.5A CN202110478157A CN113177229A CN 113177229 A CN113177229 A CN 113177229A CN 202110478157 A CN202110478157 A CN 202110478157A CN 113177229 A CN113177229 A CN 113177229A
- Authority
- CN
- China
- Prior art keywords
- data
- target
- electronic device
- buried point
- matrix
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 28
- 238000012545 processing Methods 0.000 claims abstract description 76
- 239000011159 matrix material Substances 0.000 claims abstract description 74
- 238000000034 method Methods 0.000 claims abstract description 43
- 238000013507 mapping Methods 0.000 claims description 31
- 230000002776 aggregation Effects 0.000 claims description 22
- 238000004220 aggregation Methods 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 22
- 238000005457 optimization Methods 0.000 claims description 20
- 238000007405 data analysis Methods 0.000 claims description 19
- 238000003860 storage Methods 0.000 claims description 19
- 238000012795 verification Methods 0.000 claims description 18
- 238000005070 sampling Methods 0.000 claims description 14
- 238000004140 cleaning Methods 0.000 claims description 5
- 230000006870 function Effects 0.000 description 34
- 238000004891 communication Methods 0.000 description 22
- 239000010410 layer Substances 0.000 description 20
- 238000007726 management method Methods 0.000 description 20
- 238000004364 calculation method Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 15
- 238000004458 analytical method Methods 0.000 description 13
- 230000036541 health Effects 0.000 description 11
- 238000010295 mobile communication Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 230000004044 response Effects 0.000 description 6
- 239000013598 vector Substances 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 210000004556 brain Anatomy 0.000 description 4
- 229920001621 AMOLED Polymers 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 3
- 239000008280 blood Substances 0.000 description 3
- 210000004369 blood Anatomy 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000036772 blood pressure Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000009877 rendering Methods 0.000 description 2
- 230000007958 sleep Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- UCTWMZQNUQWSLP-VIFPVBQESA-N (R)-adrenaline Chemical compound CNC[C@H](O)C1=CC=C(O)C(O)=C1 UCTWMZQNUQWSLP-VIFPVBQESA-N 0.000 description 1
- 229930182837 (R)-adrenaline Natural products 0.000 description 1
- 241000282326 Felis catus Species 0.000 description 1
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 1
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000013529 biological neural network Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 230000032823 cell division Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 239000012792 core layer Substances 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013144 data compression Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 229960005139 epinephrine Drugs 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 239000008103 glucose Substances 0.000 description 1
- 238000001727 in vivo Methods 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 150000002632 lipids Chemical class 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000002096 quantum dot Substances 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003860 sleep quality Effects 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 230000003238 somatosensory effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Bioethics (AREA)
- General Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Databases & Information Systems (AREA)
- Computer Security & Cryptography (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Telephone Function (AREA)
Abstract
本申请公开了一种数据处理方法及相关装置，应用于电子设备，所述方法包括：获取目标对象的埋点数据；根据所述埋点数据生成目标矩阵；对所述目标矩阵进行数据扰动处理，得到目标数据；将所述目标数据发送给服务器。采用本申请实施例能够对用户隐私数据进行保护。
Description
技术领域
本申请涉及数据处理技术领域，尤其涉及一种数据处理方法及相关装置。
背景技术
随着5G和物联网(internet of things，IoT)的热潮，可穿戴IoT设备(如健康手环，智能手表等)开始被越来越多的人群使用。用户通过IoT健康设备来监测，查看自身的健康指标(如睡眠情况，血压状况，身高，体重等)，同时，将相关个人健康数据上传到服务端进行聚合分析计算，从而收到来自服务端的健康建议作为反馈。
具体实现中，由于个人健康数据作为个人隐私数据的范畴，不能直接上传服务器进行相关分析，因此，如何实现对用户隐私数据进行保护以使得用户在不上传原始数据的情况下也能进行分析计算的问题亟待解决。
发明内容
本申请实施例提供一种数据处理方法及相关装置，能够实现对用户隐私数据进行保护，从而使得用户在不上传原始数据的情况下也能进行分析计算。
第一方面，本申请实施例提供一种数据处理方法，应用于电子设备，所述方法包括：
获取目标对象的埋点数据；
根据所述埋点数据生成目标矩阵；
对所述目标矩阵进行数据扰动处理，得到目标数据；
将所述目标数据发送给服务器。
第二方面，本申请实施例提供一种数据处理方法，应用于服务器，所述方法包括：
接收至少一个电子设备发送的目标数据，所述目标数据由电子设备i获取目标对象的埋点数据，根据所述埋点数据生成目标矩阵，对所述目标矩阵进行数据扰动处理而得到，所述电子设备i为所述至少一个电子设备中的任一电子设备；
对所述目标数据进行聚合运算，得到聚合数据，所述聚合数据用于实现大数据分析。
第三方面，本申请实施例提供一种电子设备，所述电子设备包括处理器、存储器，所述存储器用于存储一个或多个程序，并且被配置由所述处理器执行，所述程序包括用于执行如权利要求第一方面任一项所述的方法中的步骤的指令。
第四方面，本申请实施例提供一种服务器，所述电子设备包括处理器、存储器，所述存储器用于存储一个或多个程序，并且被配置由所述处理器执行，所述程序包括用于执行如权利要求第二方面任一项所述的方法中的步骤的指令。
第五方面，本申请实施例提供一种数据处理装置，应用于电子设备，所述装置包括：获取单元、生成单元、扰动处理单元和发送单元，其中，
所述获取单元，用于获取目标对象的埋点数据；
所述生成单元，用于根据所述埋点数据生成目标矩阵；
所述扰动处理单元，用于对所述目标矩阵进行数据扰动处理，得到目标数据；
所述发送单元，用于将所述目标数据发送给服务器。
第六方面，本申请实施例提供一种数据处理装置，应用于服务器，所述装置包括：接收单元和运算单元，其中，
所述接收单元，用于接收至少一个电子设备发送的目标数据，所述目标数据由电子设备i获取目标对象的埋点数据，根据所述埋点数据生成目标矩阵，对所述目标矩阵进行数据扰动处理而得到，所述电子设备i为所述至少一个电子设备中的任一电子设备；
所述运算单元，用于对所述目标数据进行聚合运算，得到聚合数据，所述聚合数据用于实现大数据分析。
第七方面，本申请实施例提供了一种计算机可读存储介质，其中，上述计算机可读存储介质存储用于电子数据交换的计算机程序，其中，上述计算机程序使得计算机执行如本申请实施例第一方面中所描述的部分或全部步骤。
第八方面，本申请实施例提供了一种计算机可读存储介质，其中，上述计算机可读存储介质存储用于电子数据交换的计算机程序，其中，上述计算机程序使得计算机执行如本申请实施例第二方面中所描述的部分或全部步骤。
第九方面，本申请实施例提供了一种计算机程序产品，其中，上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，上述计算机程序可操作来使计算机执行如本申请实施例第一方面中所描述的部分或全部步骤。该计算机程序产品可以为一个软件安装包。
第十方面，本申请实施例提供了一种计算机程序产品，其中，上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，上述计算机程序可操作来使计算机执行如本申请实施例第二方面中所描述的部分或全部步骤。该计算机程序产品可以为一个软件安装包。
第十一方面，本申请实施例提供了一种数据处理系统，该数据处理系统包括如第三方面所描述的电子设备和第四方面所描述的服务器。
实施本申请实施例，具备如下有益效果：
可以看出，在本申请实施例中所描述的数据处理方法及相关装置，应用于电子设备，获取目标对象的埋点数据，根据埋点数据生成目标矩阵，对目标矩阵进行数据扰动处理，得到目标数据，将目标数据发送给服务器，从而，可以将用户的埋点数据进行隐私保护，使得用户在不上传原始数据的情况下也能进行分析计算，有助于针对用户群体实现大数据分析功能。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种电子设备的结构示意图；
图2是本申请实施例提供的一种电子设备的软件结构示意图；
图3是本申请实施例提供的一种数据处理方法的流程示意图；
图4A是本申请实施例提供的另一种数据处理方法的流程示意图；
图4B是本申请实施例提供的另一种数据处理方法的流程示意图；
图5是本申请实施例提供的另一种数据处理方法的流程示意图；
图6是本申请实施例提供的一种电子设备的结构示意图；
图7是本申请实施例提供的一种服务器的结构示意图；
图8是本申请实施例提供的一种数据处理装置的功能单元组成框图；
图9是本申请实施例提供的另一种数据处理装置的功能单元组成框图。
具体实施方式
下面将结合附图，对本申请实施例中的技术方案进行描述。
为了更好地理解本申请实施例的方案，下面先对本申请实施例可能涉及的相关术语和概念进行介绍。
电子设备可以包括各种超宽带模块的设备，例如，智能手机、车载设备、可穿戴设备、充电装置(如充电宝)、智能手表、智能眼镜、无线蓝牙耳机、计算设备或连接到无线调制解调器的其他处理设备，以及各种形式的用户设备(User Equipment，UE)，移动台(MobileStation，MS)，虚拟现实/增强现实设备，终端设备(terminal device)等等，电子设备还可以为基站或者服务器。
电子设备还可以包括智能家居设备，智能家居设备可以为以下至少一种：智能音箱、智能摄像头、智能电饭煲、智能轮椅、智能按摩椅、智能家具、智能洗碗机、智能电视机、智能冰箱、智能电风扇、智能取暖器、智能晾衣架、智能灯、智能路由器、智能交换机、智能开关面板、智能加湿器、智能空调、智能门、智能窗、智能灶台、智能消毒柜、智能马桶、扫地机器人等等，在此不做限定。
第一部分，本申请所公开的技术方案的软硬件运行环境介绍如下。
如图所示，图1示出了电子设备100的结构示意图。电子设备100可以包括处理器110、外部存储器接口120、内部存储器121、通用串行总线(universal serial bus，USB)接口130、充电管理模块140、电源管理模块141、电池142、天线1、天线2、移动通信模块150、无线通信模块160、音频模块170、扬声器170A、受话器170B、麦克风170C、耳机接口170D、传感器模块180、指南针190、马达191、指示器192、摄像头193、显示屏194以及用户标识模块(subscriber identification module，SIM)卡接口195等。
可以理解的是，本申请实施例示意的结构并不构成对电子设备100的具体限定。在本申请另一些实施例中，电子设备100可以包括比图示更多或更少的部件，或者组合某些部件，或者拆分某些部件，或者不同的部件布置。图示的部件可以以硬件，软件或软件和硬件的组合实现。
处理器110可以包括一个或多个处理单元，例如：处理器110可以包括应用处理器AP，调制解调处理器，图形处理器GPU，图像信号处理器(image signal processor，ISP)，控制器，视频编解码器，数字信号处理器(digital signal processor，DSP)，基带处理器，和/或神经网络处理器NPU等。其中，不同的处理单元可以是独立的部件，也可以集成在一个或多个处理器中。在一些实施例中，电子设备101也可以包括一个或多个处理器110。其中，控制器可以根据指令操作码和时序信号，产生操作控制信号，完成取指令和执行指令的控制。在其他一些实施例中，处理器110中还可以设置存储器，用于存储指令和数据。示例性地，处理器110中的存储器可以为高速缓冲存储器。该存储器可以保存处理器110刚用过或循环使用的指令或数据。如果处理器110需要再次使用该指令或数据，可从存储器中直接调用。这样就避免了重复存取，减少了处理器110的等待时间，因而提高了电子设备101处理数据或执行指令的效率。
在一些实施例中，处理器110可以包括一个或多个接口。接口可以包括集成电路间(inter-integrated circuit，I2C)接口、集成电路间音频(inter-integrated circuitsound，I2S)接口、脉冲编码调制(pulse code modulation，PCM)接口、通用异步收发传输器(universal asynchronous receiver/transmitter，UART)接口、移动产业处理器接口(mobile industry processor interface，MIPI)、用输入输出(general-purpose input/output，GPIO)接口、SIM卡接口和/或USB接口等。其中，USB接口130是符合USB标准规范的接口，具体可以是Mini USB接口、Micro USB接口、USB Type C接口等。USB接口130可以用于连接充电器为电子设备101充电，也可以用于电子设备101与外围设备之间传输数据。该USB接口130也可以用于连接耳机，通过耳机播放音频。
可以理解的是，本申请实施例示意的各模块间的接口连接关系，只是示意性说明，并不构成对电子设备100的结构限定。在本申请另一些实施例中，电子设备100也可以采用上述实施例中不同的接口连接方式，或多种接口连接方式的组合。
充电管理模块140用于从充电器接收充电输入。其中，充电器可以是无线充电器，也可以是有线充电器。在一些有线充电的实施例中，充电管理模块140可以通过USB接口130接收有线充电器的充电输入。在一些无线充电的实施例中，充电管理模块140可以通过电子设备100的无线充电线圈接收无线充电输入。充电管理模块140为电池142充电的同时，还可以通过电源管理模块141为电子设备供电。
电源管理模块141用于连接电池142，充电管理模块140与处理器110。电源管理模块141接收电池142和/或充电管理模块140的输入，为处理器110、内部存储器121、外部存储器、显示屏194、摄像头193和无线通信模块160等供电。电源管理模块141还可以用于监测电池容量、电池循环次数、电池健康状态(漏电，阻抗)等参数。在其他一些实施例中，电源管理模块141也可以设置于处理器110中。在另一些实施例中，电源管理模块141和充电管理模块140也可以设置于同一个器件中。
电子设备100的无线通信功能可以通过天线1、天线2、移动通信模块150、无线通信模块160、调制解调处理器以及基带处理器等实现。
天线1和天线2用于发射和接收电磁波信号。电子设备100中的每个天线可用于覆盖单个或多个通信频带。不同的天线还可以复用，以提高天线的利用率。例如：可以将天线1复用为无线局域网的分集天线。在另外一些实施例中，天线可以和调谐开关结合使用。
移动通信模块150可以提供应用在电子设备100上的包括2G/3G/4G/5G/6G等无线通信的解决方案。移动通信模块150可以包括至少一个滤波器，开关，功率放大器，低噪声放大器(low noise amplifier，LNA)等。移动通信模块150可以由天线1接收电磁波，并对接收的电磁波进行滤波，放大等处理，传送至调制解调处理器进行解调。移动通信模块150还可以对经调制解调处理器调制后的信号放大，经天线1转为电磁波辐射出去。在一些实施例中，移动通信模块150的至少部分功能模块可以被设置于处理器110中。在一些实施例中，移动通信模块150的至少部分功能模块可以与处理器110的至少部分模块被设置在同一个器件中。
无线通信模块160可以提供应用在电子设备100上的包括无线局域网(wirelesslocal area networks，WLAN)(如无线保真(wireless fidelity，Wi-Fi)网络)、蓝牙(bluetooth，BT)，全球导航卫星系统(global navigation satellite system，GNSS)、调频(frequency modulation，FM)、近距离无线通信技术(near field communication，NFC)、红外技术(infrared，IR)等无线通信的解决方案。无线通信模块160可以是集成至少一个通信处理模块的一个或多个器件。无线通信模块160经由天线2接收电磁波，将电磁波信号调频以及滤波处理，将处理后的信号发送到处理器110。无线通信模块160还可以从处理器110接收待发送的信号，对其进行调频，放大，经天线2转为电磁波辐射出去。
电子设备100通过GPU，显示屏194，以及应用处理器等实现显示功能。GPU为图像处理的微处理器，连接显示屏194和应用处理器。GPU用于执行数学和几何计算，用于图形渲染。处理器110可包括一个或多个GPU，其执行程序指令以生成或改变显示信息。
显示屏194用于显示图像、视频等。显示屏194包括显示面板。显示面板可以采用液晶显示屏(liquid crystal display，LCD)、有机发光二极管(organic light-emittingdiode，OLED)、有源矩阵有机发光二极体或主动矩阵有机发光二极体(active-matrixorganic light emitting diode的，AMOLED)、柔性发光二极管(flex light-emittingdiode，FLED)、迷你发光二极管(mini light-emitting diode，miniled)、MicroLed、Micro-oLed、量子点发光二极管(quantum dot light emitting diodes，QLED)等。在一些实施例中，电子设备100可以包括1个或多个显示屏194。
电子设备100可以通过ISP、摄像头193、视频编解码器、GPU、显示屏194以及应用处理器等实现拍摄功能。
ISP用于处理摄像头193反馈的数据。例如，拍照时，打开快门，光线通过镜头被传递到摄像头感光元件上，光信号转换为电信号，摄像头感光元件将电信号传递给ISP处理，转化为肉眼可见的图像。ISP还可以对图像的噪点、亮度、肤色进行算法优化。ISP还可以对拍摄场景的曝光、色温等参数优化。在一些实施例中，ISP可以设置在摄像头193中。
摄像头193用于捕获静态图像或视频。物体通过镜头生成光学图像投射到感光元件。感光元件可以是电荷耦合器件(charge coupled device，CCD)或互补金属氧化物半导体(complementary metal-oxide-semiconductor，CMOS)光电晶体管。感光元件把光信号转换成电信号，之后将电信号传递给ISP转换成数字图像信号。ISP将数字图像信号输出到DSP加工处理。DSP将数字图像信号转换成标准的RGB，YUV等格式的图像信号。在一些实施例中，电子设备100可以包括1个或多个摄像头193。
数字信号处理器用于处理数字信号，除了可以处理数字图像信号，还可以处理其他数字信号。例如，当电子设备100在频点选择时，数字信号处理器用于对频点能量进行傅里叶变换等。
视频编解码器用于对数字视频压缩或解压缩。电子设备100可以支持一种或多种视频编解码器。这样，电子设备100可以播放或录制多种编码格式的视频，例如：动态图像专家组(moving picture experts group，MPEG)1、MPEG2、MPEG3、MPEG4等。
NPU为神经网络(neural-network，NN)计算处理器，通过借鉴生物神经网络结构，例如借鉴人脑神经元之间传递模式，对输入信息快速处理，还可以不断的自学习。通过NPU可以实现电子设备100的智能认知等应用，例如：图像识别、人脸识别、语音识别、文本理解等。
外部存储器接口120可以用于连接外部存储卡，例如Micro SD卡，实现扩展电子设备100的存储能力。外部存储卡通过外部存储器接口120与处理器110通信，实现数据存储功能。例如将音乐，视频等文件保存在外部存储卡中。
内部存储器121可以用于存储一个或多个计算机程序，该一个或多个计算机程序包括指令。处理器110可以通过运行存储在内部存储器121的上述指令，从而使得电子设备101执行本申请一些实施例中所提供的显示页面元素的方法，以及各种应用以及数据处理等。内部存储器121可以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；该存储程序区还可以存储一个或多个应用(比如图库、联系人等)等。存储数据区可存储电子设备101使用过程中所创建的数据(比如照片，联系人等)等。此外，内部存储器121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，例如一个或多个磁盘存储部件，闪存部件，通用闪存存储器(universal flash storage，UFS)等。在一些实施例中，处理器110可以通过运行存储在内部存储器121的指令，和/或存储在设置于处理器110中的存储器的指令，来使得电子设备101执行本申请实施例中所提供的显示页面元素的方法，以及其他应用及数据处理。电子设备100可以通过音频模块170、扬声器170A、受话器170B、麦克风170C、耳机接口170D、以及应用处理器等实现音频功能。例如音乐播放、录音等。
传感器模块180可以包括压力传感器180A、陀螺仪传感器180B、气压传感器180C、磁传感器180D、加速度传感器180E、距离传感器180F、接近光传感器180G、指纹传感器180H、温度传感器180J、触摸传感器180K、环境光传感器180L、骨传导传感器180M等。
其中，压力传感器180A用于感受压力信号，可以将压力信号转换成电信号。在一些实施例中，压力传感器180A可以设置于显示屏194。压力传感器180A的种类很多，如电阻式压力传感器，电感式压力传感器，电容式压力传感器等。电容式压力传感器可以是包括至少两个具有导电材料的平行板。当有力作用于压力传感器180A，电极之间的电容改变。电子设备100根据电容的变化确定压力的强度。当有触摸操作作用于显示屏194，电子设备100根据压力传感器180A检测触摸操作强度。电子设备100也可以根据压力传感器180A的检测信号计算触摸的位置。在一些实施例中，作用于相同触摸位置，但不同触摸操作强度的触摸操作，可以对应不同的操作指令。例如：当有触摸操作强度小于第一压力阈值的触摸操作作用于短消息应用图标时，执行查看短消息的指令。当有触摸操作强度大于或等于第一压力阈值的触摸操作作用于短消息应用图标时，执行新建短消息的指令。
陀螺仪传感器180B可以用于确定电子设备100的运动姿态。在一些实施例中，可以通过陀螺仪传感器180B确定电子设备100围绕三个轴(即X、Y和Z轴)的角速度。陀螺仪传感器180B可以用于拍摄防抖。示例性的，当按下快门，陀螺仪传感器180B检测电子设备100抖动的角度，根据角度计算出镜头模组需要补偿的距离，让镜头通过反向运动抵消电子设备100的抖动，实现防抖。陀螺仪传感器180B还可以用于导航，体感游戏场景。
加速度传感器180E可检测电子设备100在各个方向上(一般为三轴)加速度的大小。当电子设备100静止时可检测出重力的大小及方向。还可以用于识别电子设备姿态，应用于横竖屏切换，计步器等应用。
环境光传感器180L用于感知环境光亮度。电子设备100可以根据感知的环境光亮度自适应调节显示屏194亮度。环境光传感器180L也可用于拍照时自动调节白平衡。环境光传感器180L还可以与接近光传感器180G配合，检测电子设备100是否在口袋里，以防误触。
指纹传感器180H用于采集指纹。电子设备100可以利用采集的指纹特性实现指纹解锁，访问应用锁，指纹拍照，指纹接听来电等。
温度传感器180J用于检测温度。在一些实施例中，电子设备100利用温度传感器180J检测的温度，执行温度处理策略。例如，当温度传感器180J上报的温度超过阈值，电子设备100执行降低位于温度传感器180J附近的处理器的性能，以便降低功耗实施热保护。在另一些实施例中，当温度低于另一阈值时，电子设备100对电池142加热，以避免低温导致电子设备100异常关机。在其他一些实施例中，当温度低于又一阈值时，电子设备100对电池142的输出电压执行升压，以避免低温导致的异常关机。
触摸传感器180K，也称“触控面板”。触摸传感器180K可以设置于显示屏194，由触摸传感器180K与显示屏194组成触摸屏，也称“触控屏”。触摸传感器180K用于检测作用于其上或附近的触摸操作。触摸传感器可以将检测到的触摸操作传递给应用处理器，以确定触摸事件类型。可以通过显示屏194提供与触摸操作相关的视觉输出。在另一些实施例中，触摸传感器180K也可以设置于电子设备100的表面，与显示屏194所处的位置不同。
示例性的，图2示出了电子设备100的软件结构框图。分层架构将软件分成若干个层，每一层都有清晰的角色和分工。层与层之间通过软件接口通信。在一些实施例中，将Android系统分为四层，从上至下分别为应用程序层，应用程序框架层，安卓运行时(Android runtime)和系统库，以及内核层。应用程序层可以包括一系列应用程序包。
如图2所示，应用程序层可以包括相机，图库，日历，通话，地图，导航，WLAN，蓝牙，音乐，视频，短信息等应用程序。
应用程序框架层为应用程序层的应用程序提供应用编程接口(applicationprogramming interface，API)和编程框架。应用程序框架层包括一些预先定义的函数。
如图2所示，应用程序框架层可以包括窗口管理器，内容提供器，视图系统，电话管理器，资源管理器，通知管理器等。
窗口管理器用于管理窗口程序。窗口管理器可以获取显示屏大小，判断是否有状态栏，锁定屏幕，截取屏幕等。
内容提供器用来存放和获取数据，并使这些数据可以被应用程序访问。数据可以包括视频，图像，音频，拨打和接听的电话，浏览历史和书签，电话簿等。
视图系统包括可视控件，例如显示文字的控件，显示图片的控件等。视图系统可用于构建应用程序。显示界面可以由一个或多个视图组成的。例如，包括短信通知图标的显示界面，可以包括显示文字的视图以及显示图片的视图。
电话管理器用于提供电子设备100的通信功能。例如通话状态的管理(包括接通，挂断等)。
资源管理器为应用程序提供各种资源，比如本地化字符串，图标，图片，布局文件，视频文件等等。
通知管理器使应用程序可以在状态栏中显示通知信息，可以用于传达告知类型的消息，可以短暂停留后自动消失，无需用户交互。比如通知管理器被用于告知下载完成，消息提醒等。通知管理器还可以是以图表或者滚动条文本形式出现在系统顶部状态栏的通知，例如后台运行的应用程序的通知，还可以是以对话窗口形式出现在屏幕上的通知。例如在状态栏提示文本信息，发出提示音，电子设备振动，指示灯闪烁等。
Android Runtime包括核心库和虚拟机。Android runtime负责安卓系统的调度和管理。
核心库包含两部分：一部分是java语言需要调用的功能函数，另一部分是安卓的核心库。
应用程序层和应用程序框架层运行在虚拟机中。虚拟机将应用程序层和应用程序框架层的java文件执行为二进制文件。虚拟机用于执行对象生命周期的管理，堆栈管理，线程管理，安全和异常的管理，以及垃圾回收等功能。
系统库可以包括多个功能模块。例如：表面管理器(surface manager)，媒体库(media libraries)，三维图形处理库(例如：OpenGL ES)，2D图形引擎(例如：SGL)等。
表面管理器用于对显示子系统进行管理，并且为多个应用程序提供了2D和3D图层的融合。
媒体库支持多种常用的音频，视频格式回放和录制，以及静态图像文件等。媒体库可以支持多种音视频编码格式，例如：MPEG4，H.264，MP3，AAC，AMR，JPG，PNG等。
三维图形处理库用于实现三维图形绘图，图像渲染，合成，和图层处理等。
2D图形引擎是2D绘图的绘图引擎。
内核层是硬件和软件之间的层。内核层至少包含显示驱动，摄像头驱动，音频驱动，传感器驱动。
第二部分，本申请实施例所公开的数据处理方法及装置介绍如下。
本申请提供了请参阅图3，图3是本申请实施例提供的一种数据处理方法的流程示意图，应用于电子设备；如图所示，本数据处理方法包括：
301、获取目标对象的埋点数据。
其中，本申请实施例中，目标对象可以为人或者其他动物，例如，狗，猫等等，在此不作限定。埋点数据可以为与用户健康相关的健康埋点数据，健康埋点数据以下至少一种：血糖数据、血压数据、血脂数据、体温数据、血温数据、睡眠数据、呼吸数据、心跳数据、身高数据、体重数据、运动步数、脑电波数据、年龄数据、新陈代谢数据、肾上腺素数据、细胞分裂数据等等，在此不作限定。电子设备中可以安装健康监测功能的APP，进而，可以通过该APP获取目标对象的埋点数据，电子设备可以与各种传感器之间进行有线或者无线连接，进而，可以由各种传感器采集目标对象的埋点数据，再发送给电子设备，由APP对这些数据进行汇整，得到目标对象的埋点数据。该各种传感器可以为穿戴式传感器或者体内植入芯片。当然，埋点数据不仅可以应用到物联网的健康埋点数据的个人隐私保护，也可以拓展为任意需保护的字段取值较多，或者，电子设备存储能力有限的隐私保护计算应用场景。
具体实现中，电子设备可以每隔预设时间间隔获取目标对象的埋点数据，预设时间间隔可以由用户自行设置或者系统默认。
可选的，上述步骤301，获取目标对象的埋点数据，可以包括如下步骤：
11、获取所述目标对象在预设时间段内的参考埋点数据；
12、对所述参考埋点数据进行采样处理，得到采样埋点数据；
13、对所述采样埋点数据进行数据清洗，得到所述目标对象的埋点数据。
其中，预设时间段可以由用户自行设置或者系统默认。电子设备可以获取目标对象在预设时间段内的参考埋点数据，对参考埋点数据进行采样处理，进而，可以降低数据复杂度，采样处理可以为均匀采样或者随机采样，进而，可以得到采样埋点数据，再对采样埋点数据进行数据清洗，即剔除一些异常数据，从而得到目标对象的埋点数据。
302、根据所述埋点数据生成目标矩阵。
其中，目标矩阵可以为K矩阵，K矩阵是一个k×k的对称矩阵，其中，k表示该埋点字段不同取值的数量，即字段本身含有的类别。具体实现中，电子设备可以将埋点数据生成目标矩阵，例如，可以对数据提取相应的特征，基于这些特征生成目标矩阵。
303、对所述目标矩阵进行数据扰动处理，得到目标数据。
具体实现中，电子设备可以对目标矩阵进行数据扰动处理，数据扰动处理一方面可以对数据的私密性进行保护，另一方面，可以对数据进行降维处理，从而，降低数据复杂度，得到的目标数据具备更高的私密性以及能够实现快速传输。尤其在面对取值较多的字段时，可以避免在电子设备生成高维度独热编码向量，从而，使得电子设备的存储空间得以解放，降低了因为隐私安全计算而造成的设备成本。
可选的，上述步骤303，对所述目标矩阵进行数据扰动处理，得到目标数据，可以包括如下步骤：
31、获取参考隐私预算；
32、根据所述参考隐私预算确定扰动矩阵；
33、根据所述扰动矩阵对所述目标矩阵进行数据扰动处理，得到所述目标数据。
其中，参考隐私预算可以预先设置或者系统默认，例如，参考隐私预算可以为经验值。扰动矩阵可以为一个K矩阵，该K矩阵的对角线元素为Ph,其余元素为P1，具体如下：
其中，
ε表示参考隐私预算，参考隐私预算越大，噪声越大，反之，参考隐私预算越小，则噪声越小。K矩阵可以不需要存储在设备侧，而是作为扰动映射关系函数嵌入到设备系统层。
进而，电子设备可以基于K矩阵映射函数对原始埋点数据进行扰动，即以K矩阵的第i行为概率，输出可能的取值，具体如下：
f(itemi)＝randchoice([item1,item2,...,itemi,...,itemK],p＝K_matrix[i])
例如，列表中第二个元素(item2)需要被扰动，则可以以K矩阵的第二行为概率进行扰动，即item2有Ph的概率保持不变，有P1的概率转化为其他任一元素，f为扰动后的数据，即目标数据，randchoice为扰动操作，具体计算过程如下：
可选的，上述步骤31，获取参考隐私预算，可以包括如下步骤：
311、获取所述目标对象的目标职业和参考验证信息；
312、确定所述参考验证信息的目标复杂度；
313、按照预设的复杂度与隐私预算之间的映射关系，确定所述目标复杂度对应的第一隐私预算；
314、从通讯录中获取与所述目标职业相关的c个对象的第二隐私预算，得到c个第二隐私预算，所述c为大于1的整数；
315、通过所述K个第二隐私预算进行均方差运算，得到目标均方差；
316、按照预设的均方差与优化参数之间的映射关系，确定所述目标均方差对应的目标优化参数；
317、通过所述目标优化参数对所述第一隐私预算进行优化处理，得到所述参考隐私预算。
具体实现中，电子设备中可以预先存储预设的复杂度与隐私预算之间的映射关系，以及预设的均方差与优化参数之间的映射关系。电子设备可以通过与埋点数据相关的APP获取目标对象的目标职业和参考验证信息，其中，参考验证信息可以为以下至少一种：字符串、声纹信息、人脸图像、虹膜图像、静脉图像、指纹图像、脑电波模板等等，在此不作限定。
进一步地，电子设备可以确定参考验证信息的目标复杂度，进而，可以按照预设的复杂度与隐私预算之间的映射关系，确定目标复杂度对应的第一隐私预算，再从通讯录中获取与目标职业相关的c个对象的第二隐私预算，得到c个第二隐私预算，通讯录可以理解为用户的好友录，c个对象可以为从事与目标对象相同或者相似职业的对象，或者，c个对象可以为从事与目标对象相同或者相似职业的对象且与目标对象之间的亲密度较高的c个对象。
进而，电子设备可以通过K个第二隐私预算进行均方差运算，得到目标均方差，均方差反映了职业的特性，有的职业保密性要求高，有的职业保密性要求较低，进而，可以按照预设的均方差与优化参数之间的映射关系，确定目标均方差对应的目标优化参数，优化参数的取值范围可以为-0.1～0.1，接着，电子设备可以通过目标优化参数对第一隐私预算进行优化处理，得到参考隐私预算，具体计算方式如下：
参考隐私预算＝(1+目标优化参数)*第一隐私预算
如此，可以基于目标对象的职业特性，通过与其相关的多个好友的隐私预算来优化目标对象的初步估计的隐私预算，从而，在用户未主动设置隐私预算的情况下，实现自动化配置与其职业特性相关的隐私预算，有助于保护用户的个人隐私。
可选的，上述步骤312，确定所述参考验证信息的目标复杂度，可以包括如下步骤：
A21、确定所述参考验证信息的目标类型；
A22、按照预设的类型与复杂度之间的映射关系，确定所述目标类型对应的目标复杂度。
具体实现中，参考验证信息的类型可以为以下至少一种：人脸类型、指纹类型、字符串类型、虹膜类型、声纹类型、脑电波类型等等，在此不作限定。具体地，电子设备中可以预先存储预设的类型与复杂度之间的映射关系，进而，可以确定参考验证信息的目标类型，再按照预设的类型与复杂度之间的映射关系，确定目标类型对应的目标复杂度。
可选的，在所述参考验证信息为目标字符串时，所述目标字符串包括多个字符，上述步骤312，确定所述参考验证信息的目标复杂度，可以包括如下步骤：
B21、确定所述目标字符串的目标长度；
B22、按照预设的长度与第一复杂度之间的映射关系，确定所述目标长度对应的目标第一复杂度；
B23、确定所述目标字符串中字符类型的种类数量，得到目标种类数量；
B24、按照预设的种类数量与第一复杂度调节因子之间的映射关系，确定所述目标种类数量对应的目标第一复杂度调节因子；
B25、按照预设的字符类型与第二复杂度之间的映射关系，确定所述目标字符串中每一字符的字符类型对应的第二复杂度，得到多个第二复杂度；
B26、确定所述目标字符串中每一类字符对应的权重值，得到至少一个权重值；
B27、根据所述多个第二复杂度与所述至少一个权重值进行加权运算，得到参考第二复杂度；
B28、按照预设的第二复杂度与第二复杂度调节因子之间的映射关系，确定所述参考第二复杂度对应的目标第二复杂度调节因子；
B29、根据所述目标第一复杂度调节因子、所述目标第二复杂度调节因子对所述第一复杂度进行调节，得到所述目标复杂度。
其中，本申请实施例中，字符类型可以为以下至少一种：数字、小写字母、大写字母、标点符号、运算符号等等，在此不作限定。具体地，电子设备中可以预先存储预设的长度与第一复杂度之间的映射关系，预设的种类数量与第一复杂度调节因子之间的映射关系，预设的字符类型与第二复杂度之间的映射关系，预设的第二复杂度与第二复杂度调节因子之间的映射关系。第一复杂度调节因子、第二复杂度调节因子的取值范围均可以为0～1之间。
具体实现中，电子设备可以确定目标字符串的目标长度，再按照预设的长度与第一复杂度之间的映射关系，确定目标长度对应的目标第一复杂度，往往验证信息越长，则其复杂度越高。当然，字符类型的种类也影响复杂度，进而，电子设备可以确定目标字符串中字符类型的种类数量，得到目标种类数量，再按照预设的种类数量与第一复杂度调节因子之间的映射关系，确定目标种类数量对应的目标第一复杂度调节因子，另外，不同类型字符的占比也会影响复杂度，进一步的，电子设备可以按照预设的字符类型与第二复杂度之间的映射关系，确定目标字符串中每一字符的字符类型对应的第二复杂度，得到多个第二复杂度，再确定目标字符串中每一类字符对应的权重值，得到至少一个权重值，权重值可以为每一类字符的数量/目标长度。
进而，电子设备可以根据多个第二复杂度与至少一个权重值进行加权运算，得到参考第二复杂度，即每个字符与其对应的权重值进行加权运算。
进一步的，电子设备可以按照预设的第二复杂度与第二复杂度调节因子之间的映射关系，确定参考第二复杂度对应的目标第二复杂度调节因子，最后，电子设备可以根据目标第一复杂度调节因子、目标第二复杂度调节因子对第一复杂度进行调节，得到目标复杂度，具体计算公式如下：
目标复杂度＝第一复杂度*(1+目标第一复杂度调节因子)*(1+目标第二复杂度调节因子)
如此，可以从字符串长度、字符串包含的字符类型的种类以及每类字符对应的比重，来综合确定字符串的复杂度。
304、将所述目标数据发送给服务器。
具体实现中，电子设备可以将目标数据进行处理，再将处理后的目标数据发送给服务器，处理的具体方式可以为以下至少一种：数据压缩、数据加密等等，在此不作限定。服务器则可以利用目标数据进行大数据分析。
相关技术中，本地差分隐私技术通常采用基于随机响应机制的算法构成，由于随机响应的本质是以一定概率(小于0.5)进行[0，1]之间的翻转，因此，对于取值多余两类的变量来说，需要对其进行独热编码。以物联网健康数据来说，大多数变量的取值都有上千种，因此，如果直接使用随机响应，需要在用户端侧生成一个千维的独热向量，并对该独热向量的每一位进行随机扰动，将扰动后的千维向量上传至服务端进行聚合分析计算。对于新兴物联网健康设备来说，千维向量会造成相当大的存储压力，造成设备成本偏高等问题。
另外，对于横向联邦学习来说，由于将服务端计算的任务下发到了电子设备端，因此，需要电子设备具备响应的计算资源。传统横向联邦学习基于车联网或移动互联网(智能手机)，端侧算力能够保障。然而，对于物联网健康设备来说，其计算能力还不足以支撑相对复杂的机器学习模型计算。
而本申请针对物联网健康埋点数据取值较多的情况，可以应用广义随机响应来实现本地差分隐私，即通过K矩阵映射函数对埋点数据进行加噪处理，电子设备仅需要存储K矩阵映射函数，以K矩阵定义的概率输出该字段的任一取值上传至服务器进行聚合分析计算。不同于传统基于随即响应的本地差分隐私，本申请实施例，则不需要在电子设备侧生成高维度独热编码向量，且计算复杂度与随机响应相同，因此，降低了因隐私安全计算所需的设备成本。
可以看出，在本申请实施例中所描述的数据处理方法，应用于电子设备，获取目标对象的埋点数据，根据埋点数据生成目标矩阵，对目标矩阵进行数据扰动处理，得到目标数据，将目标数据发送给服务器，从而，可以将用户的埋点数据进行隐私保护，使得用户在不上传原始数据的情况下也能进行分析计算，有助于针对用户群体实现大数据分析功能。
本申请提供了请参阅图4A，图4A是本申请实施例提供的一种数据处理方法的流程示意图，应用于服务器；如图所示，本数据处理方法包括：
401、接收至少一个电子设备发送的目标数据，所述目标数据由电子设备i获取目标对象的埋点数据，根据所述埋点数据生成目标矩阵，对所述目标矩阵进行数据扰动处理而得到，所述电子设备i为所述至少一个电子设备中的任一电子设备。
具体实现中，电子设备可以接收至少一个电子设备发送的目标数据，该目标数据由电子设备i获取目标对象的埋点数据，根据埋点数据生成目标矩阵，对目标矩阵进行数据扰动处理而得到，具体可以参考上述图3所描述的数据处理方法，电子设备i为至少一个电子设备中的任一电子设备，由于目标数据可以来自于不同的设备，进而，可以基于目标数据完成大数据分析功能。
402、对所述目标数据进行聚合运算，得到聚合数据，所述聚合数据用于实现大数据分析。
具体实现中，电子设备可以对目标数据进行聚合运算，得到聚合数据，该聚合数据可以用于实现大数据分析，例如，可以对个人或者群体实现睡眠质量分析。
可选的，在步骤402，对所述目标数据进行聚合运算，得到聚合数据，还可以包括如下步骤：
A1、根据所述聚合数据进行频率统计，得到频率统计结果；
A2、对所述频率统计结果进行无偏估计，得到目标运算结果；
A3、输出所述目标运算结果。
具体实现中，如图4B所示，服务器可以将至少一个由电子设备收集上来的扰动数据(目标数据)进行聚合运算，得到聚合数据，再对聚合数据进行频率统计，得到频率统计结果hist[i],i＝1,2,...,k。
进而，电子设备可以基于极大似然估计，对频率统计结果进行无偏估计，具体如下：
其中，estimated_hist[i]为无偏估计的运算结果，即目标运算结果，电子设备可以展示目标运算结果，还可以结合目标运算结果展示相应的展示内容，无偏估计结果可以在一定程度上反映埋点数据的特性，即一个群体的特性，进而达到大数据分析的目的。
其中，上述步骤401-步骤402的具体描述可以参见图3所描述的数据处理方法的相关描述，在此不再赘述。
可以看出，在本申请实施例中所描述的数据处理方法，接收至少一个电子设备发送的目标数据，该目标数据由电子设备i获取目标对象的埋点数据，根据埋点数据生成目标矩阵，对目标矩阵进行数据扰动处理而得到，电子设备i为至少一个电子设备中的任一电子设备，对目标数据进行聚合运算，得到聚合数据，聚合数据用于实现大数据分析，可以将用户的埋点数据进行隐私保护，使得用户在不上传原始数据的情况下也能进行分析计算，有助于针对用户群体实现大数据分析功能。
本申请提供了请参阅图5，图5是本申请实施例提供的一种数据处理方法的流程示意图，如图所示，本数据处理方法包括：
501、所述电子设备获取目标对象的埋点数据。
502、所述电子设备根据所述埋点数据生成目标矩阵。
503、所述电子设备对所述目标矩阵进行数据扰动处理，得到目标数据。
504、所述电子设备将所述目标数据发送给服务器。
505、所述服务器接收至少一个所述电子设备发送的所述目标数据。
506、所述服务器对所述目标数据进行聚合运算，得到聚合数据，所述聚合数据用于实现大数据分析。
其中，上述步骤501-步骤506的具体描述可以参见图3或图4A所描述的数据处理方法的相关描述，在此不再赘述。
可以看出，在本申请实施例中所描述的数据处理方法，可以将用户的埋点数据进行隐私保护，使得用户在不上传原始数据的情况下也能进行分析计算，有助于针对用户群体实现大数据分析功能。
与上述实施例一致地，请参阅图6，图6是本申请实施例提供的一种电子设备的结构示意图，如图所示，该电子设备包括处理器、存储器、通信接口以及一个或多个程序，其中，上述一个或多个程序被存储在上述存储器中，并且被配置由上述处理器执行，本申请实施例中，上述程序包括用于执行以下步骤的指令：
获取目标对象的埋点数据；
根据所述埋点数据生成目标矩阵；
对所述目标矩阵进行数据扰动处理，得到目标数据；
将所述目标数据发送给服务器。
可以看出，在本申请实施例中所描述的电子设备，获取目标对象的埋点数据，根据埋点数据生成目标矩阵，对目标矩阵进行数据扰动处理，得到目标数据，将目标数据发送给服务器，从而，可以将用户的埋点数据进行隐私保护，使得用户在不上传原始数据的情况下也能进行分析计算，有助于针对用户群体实现大数据分析功能。
可选的，在所述对所述目标矩阵进行数据扰动处理，得到目标数据方面，上述程序包括用于执行以下步骤的指令：
获取参考隐私预算；
根据所述参考隐私预算确定扰动矩阵；
根据所述扰动矩阵对所述目标矩阵进行数据扰动处理，得到所述目标数据。
可选的，在所述获取参考隐私预算方面，上述程序包括用于执行以下步骤的指令：
获取所述目标对象的目标职业和参考验证信息；
确定所述参考验证信息的目标复杂度；
按照预设的复杂度与隐私预算之间的映射关系，确定所述目标复杂度对应的第一隐私预算；
从通讯录中获取与所述目标职业相关的K个对象的第二隐私预算，得到c个第二隐私预算，所述C为大于1的整数；
通过所述c个第二隐私预算进行均方差运算，得到目标均方差；
按照预设的均方差与优化参数之间的映射关系，确定所述目标均方差对应的目标优化参数；
通过所述目标优化参数对所述第一隐私预算进行优化处理，得到所述参考隐私预算。
可选的，在所述获取目标对象的埋点数据方面，上述程序包括用于执行以下步骤的指令：
获取所述目标对象在预设时间段内的参考埋点数据；
对所述参考埋点数据进行采样处理，得到采样埋点数据；
对所述采样埋点数据进行数据清洗，得到所述目标对象的埋点数据。
与上述实施例一致地，请参阅图7，图7是本申请实施例提供的一种服务器的结构示意图，如图所示，该服务器包括处理器、存储器、通信接口以及一个或多个程序，其中，上述一个或多个程序被存储在上述存储器中，并且被配置由上述处理器执行，本申请实施例中，上述程序包括用于执行以下步骤的指令：
接收至少一个电子设备发送的目标数据，所述目标数据由电子设备i获取目标对象的埋点数据，根据所述埋点数据生成目标矩阵，对所述目标矩阵进行数据扰动处理而得到，所述电子设备i为所述至少一个电子设备中的任一电子设备；
对所述目标数据进行聚合运算，得到聚合数据，所述聚合数据用于实现大数据分析。
可以看出，在本申请实施例中所描述的服务器，接收至少一个电子设备发送的目标数据，目标数据由电子设备i获取目标对象的埋点数据，根据埋点数据生成目标矩阵，对目标矩阵进行数据扰动处理而得到，电子设备i为至少一个电子设备中的任一电子设备，对目标数据进行聚合运算，得到聚合数据，聚合数据用于实现大数据分析，从而，可以将用户的埋点数据进行隐私保护，使得用户在不上传原始数据的情况下也能进行分析计算，有助于针对用户群体实现大数据分析功能。
可选的，在所述对所述目标数据进行聚合运算，得到聚合数据方面之后，上述程序还包括用于执行以下步骤的指令：
根据所述聚合数据进行频率统计，得到频率统计结果；
对所述频率统计结果进行无偏估计，得到目标运算结果；
输出所述目标运算结果。
上述主要从方法侧执行过程的角度对本申请实施例的方案进行了介绍。可以理解的是，电子设备或服务器为了实现上述功能，其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到，结合本文中所提供的实施例描述的各示例的单元及算法步骤，本申请能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
本申请实施例可以根据上述方法示例对电子设备或服务器进行功能单元的划分，例如，可以对应各个功能划分各个功能单元，也可以将两个或两个以上的功能集成在一个处理单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。需要说明的是，本申请实施例中对单元的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
图8是本申请实施例中所涉及的数据处理装置800的功能单元组成框图。该数据处理装置800应用于电子设备，所述装置800包括：获取单元801、生成单元802、扰动处理单元803和发送单元804，其中，
所述获取单元801，用于获取目标对象的埋点数据；
所述生成单元802，用于根据所述埋点数据生成目标矩阵；
所述扰动处理单元803，用于对所述目标矩阵进行数据扰动处理，得到目标数据；
所述发送单元804，用于将所述目标数据发送给服务器。
可以看出，在本申请实施例中所描述的数据处理装置，应用于电子设备，获取目标对象的埋点数据，根据埋点数据生成目标矩阵，对目标矩阵进行数据扰动处理，得到目标数据，将目标数据发送给服务器，从而，可以将用户的埋点数据进行隐私保护，使得用户在不上传原始数据的情况下也能进行分析计算，有助于针对用户群体实现大数据分析功能。
可选的，在所述对所述目标矩阵进行数据扰动处理，得到目标数据方面，所述扰动处理单元803具体用于：
获取参考隐私预算；
根据所述参考隐私预算确定扰动矩阵；
根据所述扰动矩阵对所述目标矩阵进行数据扰动处理，得到所述目标数据。
可选的，在所述获取参考隐私预算方面，所述扰动处理单元803具体用于：
获取所述目标对象的目标职业和参考验证信息；
确定所述参考验证信息的目标复杂度；
按照预设的复杂度与隐私预算之间的映射关系，确定所述目标复杂度对应的第一隐私预算；
从通讯录中获取与所述目标职业相关的K个对象的第二隐私预算，得到c个第二隐私预算，所述C为大于1的整数；
通过所述c个第二隐私预算进行均方差运算，得到目标均方差；
按照预设的均方差与优化参数之间的映射关系，确定所述目标均方差对应的目标优化参数；
通过所述目标优化参数对所述第一隐私预算进行优化处理，得到所述参考隐私预算。
可选的，在所述获取目标对象的埋点数据方面，所述获取单元801具体用于：
获取所述目标对象在预设时间段内的参考埋点数据；
对所述参考埋点数据进行采样处理，得到采样埋点数据；
对所述采样埋点数据进行数据清洗，得到所述目标对象的埋点数据。
需要注意的是，本申请实施例所描述的电子设备是以功能单元的形式呈现。这里所使用的术语“单元”应当理解为尽可能最宽的含义，用于实现各个“单元”所描述功能的对象例如可以是集成电路ASIC，单个电路，用于执行一个或多个软件或固件程序的处理器(共享的、专用的或芯片组)和存储器，组合逻辑电路，和/或提供实现上述功能的其他合适的组件。
其中，获取单元801、生成单元802、扰动处理单元803可以是控制电路或处理器或者通信电路中的一个或者多个，发送单元804可以为通信电路，基于上述单元模块能够实现上述任一方法的功能或者步骤。
图9是本申请实施例中所涉及的数据处理装置900的功能单元组成框图。该数据处理装置900应用于服务器，所述装置900包括：接收单元901和运算单元902，其中，
所述接收单元901，用于接收至少一个电子设备发送的目标数据，所述目标数据由电子设备i获取目标对象的埋点数据，根据所述埋点数据生成目标矩阵，对所述目标矩阵进行数据扰动处理而得到，所述电子设备i为所述至少一个电子设备中的任一电子设备；
所述运算单元902，用于对所述目标数据进行聚合运算，得到聚合数据，所述聚合数据用于实现大数据分析。
可选的，在所述对所述目标数据进行聚合运算，得到聚合数据方面之后，所述装置900还具体用于：
根据所述聚合数据进行频率统计，得到频率统计结果；
对所述频率统计结果进行无偏估计，得到目标运算结果；
输出所述目标运算结果。
需要注意的是，本申请实施例所描述的电子设备是以功能单元的形式呈现。这里所使用的术语“单元”应当理解为尽可能最宽的含义，用于实现各个“单元”所描述功能的对象例如可以是集成电路ASIC，单个电路，用于执行一个或多个软件或固件程序的处理器(共享的、专用的或芯片组)和存储器，组合逻辑电路，和/或提供实现上述功能的其他合适的组件。
其中，运算单元902可以是控制电路或处理器或者通信电路中的一个或者多个，接收单元901可以为通信电路，基于上述单元模块能够实现上述任一方法的功能或者步骤。
另外，本申请还提供了一种数据处理系统，其可以包括如图6所描述的电子设备和图7所述的服务器，该系统可以用于执行图5所示的方法，电子设备用于执行图3所示的方法以及其可以包括如图8所示的数据处理装置800，服务器用于执行图4A所示的方法以及其可以包括如图9所示的数据处理装置900。
本实施例还提供了一种计算机可读存储介质，其中，该计算机可读存储介质存储用于电子数据交换的计算机程序，其中，上述计算机程序使得计算机执行如本申请实施例，以用于实现上述实施例中的任一方法。
本实施例还提供了一种计算机程序产品，当该计算机程序产品在计算机上运行时，使得计算机执行上述相关步骤，以实现上述实施例中的任一方法。
另外，本申请的实施例还提供一种装置，这个装置具体可以是芯片，组件或模块，该装置可包括相连的处理器和存储器；其中，存储器用于存储计算机执行指令，当装置运行时，处理器可执行存储器存储的计算机执行指令，以使芯片执行上述各方法实施例中的任一方法。
其中，本实施例提供的电子设备、计算机存储介质、计算机程序产品或芯片均用于执行上文所提供的对应的方法，因此，其所能达到的有益效果可参考上文所提供的对应的方法中的有益效果，此处不再赘述。
通过以上实施方式的描述，所属领域的技术人员可以了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个装置，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是一个物理单元或多个物理单元，即可以位于一个地方，或者也可以分布到多个不同地方。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个可读取存储介质中。基于这样的理解，本申请实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该软件产品存储在一个存储介质中，包括若干指令用以使得一个设备(可以是单片机，芯片等)或处理器(processor)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(read only memory，ROM)、随机存取存储器(random access memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上内容，仅为本申请的具体实施方式，但本申请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申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种数据处理方法，其特征在于，应用于电子设备，所述方法包括：
获取目标对象的埋点数据；
根据所述埋点数据生成目标矩阵；
对所述目标矩阵进行数据扰动处理，得到目标数据；
将所述目标数据发送给服务器。
2.根据权利要求1所述的方法，其特征在于，所述对所述目标矩阵进行数据扰动处理，得到目标数据，包括：
获取参考隐私预算；
根据所述参考隐私预算确定扰动矩阵；
根据所述扰动矩阵对所述目标矩阵进行数据扰动处理，得到所述目标数据。
3.根据权利要求2所述的方法，其特征在于，所述获取参考隐私预算，包括：
获取所述目标对象的目标职业和参考验证信息；
确定所述参考验证信息的目标复杂度；
按照预设的复杂度与隐私预算之间的映射关系，确定所述目标复杂度对应的第一隐私预算；
从通讯录中获取与所述目标职业相关的K个对象的第二隐私预算，得到c个第二隐私预算，所述c为大于1的整数；
通过所述c个第二隐私预算进行均方差运算，得到目标均方差；
按照预设的均方差与优化参数之间的映射关系，确定所述目标均方差对应的目标优化参数；
通过所述目标优化参数对所述第一隐私预算进行优化处理，得到所述参考隐私预算。
4.根据权利要求1-3任一项所述的方法，其特征在于，所述获取目标对象的埋点数据，包括：
获取所述目标对象在预设时间段内的参考埋点数据；
对所述参考埋点数据进行采样处理，得到采样埋点数据；
对所述采样埋点数据进行数据清洗，得到所述目标对象的埋点数据。
5.一种数据处理方法，其特征在于，应用于服务器，所述方法包括：
接收至少一个电子设备发送的目标数据，所述目标数据由电子设备i获取目标对象的埋点数据，根据所述埋点数据生成目标矩阵，对所述目标矩阵进行数据扰动处理而得到，所述电子设备i为所述至少一个电子设备中的任一电子设备；
对所述目标数据进行聚合运算，得到聚合数据，所述聚合数据用于实现大数据分析。
6.根据权利要求5所述的方法，其特征在于，在所述对所述目标数据进行聚合运算，得到聚合数据之后，所述方法还包括：
根据所述聚合数据进行频率统计，得到频率统计结果；
对所述频率统计结果进行无偏估计，得到目标运算结果；
输出所述目标运算结果。
7.一种电子设备，其特征在于，所述电子设备包括处理器、存储器，所述存储器用于存储一个或多个程序，并且被配置由所述处理器执行，所述程序包括用于执行如权利要求1-4任一项所述的方法中的步骤的指令。
8.一种服务器，其特征在于，所述服务器包括处理器、存储器，所述存储器用于存储一个或多个程序，并且被配置由所述处理器执行，所述程序包括用于执行如权利要求5或6所述的方法中的步骤的指令。
9.一种数据处理系统，其特征在于，所述数据处理包括如权利要求7所述的电子设备和如权利要求8所述的服务器。
10.一种计算机可读存储介质，其特征在于，存储用于电子数据交换的计算机程序，其中，所述计算机程序使得计算机执行如权利要求1-6任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110478157.5A CN113177229A (zh) | 2021-04-29 | 2021-04-29 | 数据处理方法及相关装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110478157.5A CN113177229A (zh) | 2021-04-29 | 2021-04-29 | 数据处理方法及相关装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113177229A true CN113177229A (zh) | 2021-07-27 |
Family
ID=76925530
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110478157.5A Pending CN113177229A (zh) | 2021-04-29 | 2021-04-29 | 数据处理方法及相关装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113177229A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113656272A (zh) * | 2021-08-16 | 2021-11-16 | Oppo广东移动通信有限公司 | 数据处理方法、装置、存储介质、用户设备及服务器 |
| CN114221823A (zh) * | 2022-02-18 | 2022-03-22 | 中航信移动科技有限公司 | 一种信息处理方法、装置、电子设备及存储介质 |
| CN114510192A (zh) * | 2022-01-30 | 2022-05-17 | Oppo广东移动通信有限公司 | 图像处理方法及相关装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103544442A (zh) * | 2013-10-10 | 2014-01-29 | 南京邮电大学 | 一种用于电子健康档案数据的个人隐私保护方法和装置 |
| US20170169253A1 (en) * | 2015-12-10 | 2017-06-15 | Neustar, Inc. | Privacy-aware query management system |
| CN111125517A (zh) * | 2019-12-06 | 2020-05-08 | 陕西师范大学 | 一种基于差分隐私和时间感知的隐式矩阵分解推荐方法 |
| CN111241583A (zh) * | 2020-01-13 | 2020-06-05 | 桂林电子科技大学 | 可穿戴设备分类属性个性化本地差分隐私保护方法及系统 |
-
2021
- 2021-04-29 CN CN202110478157.5A patent/CN113177229A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103544442A (zh) * | 2013-10-10 | 2014-01-29 | 南京邮电大学 | 一种用于电子健康档案数据的个人隐私保护方法和装置 |
| US20170169253A1 (en) * | 2015-12-10 | 2017-06-15 | Neustar, Inc. | Privacy-aware query management system |
| CN111125517A (zh) * | 2019-12-06 | 2020-05-08 | 陕西师范大学 | 一种基于差分隐私和时间感知的隐式矩阵分解推荐方法 |
| CN111241583A (zh) * | 2020-01-13 | 2020-06-05 | 桂林电子科技大学 | 可穿戴设备分类属性个性化本地差分隐私保护方法及系统 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113656272A (zh) * | 2021-08-16 | 2021-11-16 | Oppo广东移动通信有限公司 | 数据处理方法、装置、存储介质、用户设备及服务器 |
| CN114510192A (zh) * | 2022-01-30 | 2022-05-17 | Oppo广东移动通信有限公司 | 图像处理方法及相关装置 |
| CN114510192B (zh) * | 2022-01-30 | 2024-04-09 | Oppo广东移动通信有限公司 | 图像处理方法及相关装置 |
| CN114221823A (zh) * | 2022-02-18 | 2022-03-22 | 中航信移动科技有限公司 | 一种信息处理方法、装置、电子设备及存储介质 |
| CN114221823B (zh) * | 2022-02-18 | 2022-04-26 | 中航信移动科技有限公司 | 一种信息处理方法、装置、电子设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112040361B (zh) | 耳机控制方法、装置及存储介质 | |
| CN111738122B (zh) | 图像处理的方法及相关装置 | |
| CN111782879B (zh) | 模型训练方法及装置 | |
| CN113177229A (zh) | 数据处理方法及相关装置 | |
| WO2021013132A1 (zh) | 输入方法及电子设备 | |
| CN111553846B (zh) | 超分辨率处理方法及装置 | |
| CN111783375A (zh) | 芯片系统及相关装置 | |
| CN111400605A (zh) | 基于眼球追踪的推荐方法及装置 | |
| WO2021000943A1 (zh) | 一种指纹开关的管理方法及装置 | |
| CN112597515A (zh) | 信息处理方法、装置及存储介质 | |
| CN111768352A (zh) | 图像处理方法及装置 | |
| CN114237646A (zh) | 游戏试玩方法及相关装置 | |
| CN114422686B (zh) | 参数调整方法及相关装置 | |
| CN111524528B (zh) | 防录音检测的语音唤醒方法及装置 | |
| CN111880661A (zh) | 手势识别方法及装置 | |
| CN111836226B (zh) | 数据传输控制方法、装置及存储介质 | |
| CN113781959B (zh) | 界面处理方法及装置 | |
| CN115390738A (zh) | 卷轴屏开合方法及相关产品 | |
| CN114244655A (zh) | 信号处理方法及相关装置 | |
| CN114465852A (zh) | 信号处理方法及相关装置 | |
| CN116110363A (zh) | 降噪方法及相关产品 | |
| CN115083400A (zh) | 语音助手唤醒方法及装置 | |
| CN114519891A (zh) | 背光调节方法、装置及存储介质 | |
| CN114336998A (zh) | 充电控制方法、装置及存储介质 | |
| CN115083424A (zh) | 人物分析系统、方法及相关装置 |
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 |