CN113722753A - 基于区块链的隐私数据处理方法、装置及系统 - Google Patents
基于区块链的隐私数据处理方法、装置及系统 Download PDFInfo
- Publication number
- CN113722753A CN113722753A CN202110979064.0A CN202110979064A CN113722753A CN 113722753 A CN113722753 A CN 113722753A CN 202110979064 A CN202110979064 A CN 202110979064A CN 113722753 A CN113722753 A CN 113722753A
- Authority
- CN
- China
- Prior art keywords
- data
- private
- distance information
- encrypted
- participants
- 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 claims abstract description 13
- 238000004364 calculation method Methods 0.000 claims abstract description 44
- 238000000034 method Methods 0.000 claims abstract description 37
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 32
- 238000012545 processing Methods 0.000 claims description 57
- 239000011159 matrix material Substances 0.000 claims description 41
- 238000005516 engineering process Methods 0.000 claims description 26
- 238000003058 natural language processing Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 13
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 7
- 230000004044 response Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 21
- 230000006870 function Effects 0.000 description 18
- 238000004891 communication Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 6
- 239000000872 buffer Substances 0.000 description 4
- 230000004927 fusion Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012549 training Methods 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/10—File systems; File servers
- G06F16/17—Details of further file system functions
- G06F16/176—Support for shared access to files; File sharing support
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/602—Providing cryptographic facilities or services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2221/00—Indexing scheme relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F2221/21—Indexing scheme relating to G06F21/00 and subgroups addressing additional information or applications relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F2221/2107—File encryption
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Bioethics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- Computer Security & Cryptography (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Medical Informatics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Storage Device Security (AREA)
Abstract
本发明公开了一种基于区块链的隐私数据处理方法、装置及系统,其中,该方法包括:分别获取来自多个数据参与方的加密的隐私数据,隐私数据包括:用文本描述的加密的数据集,该数据集包括:数据计算目标、数据需求和已有数据资源;根据预定私钥对各加密的隐私数据进行解密后生成各数据参与方的隐私数据;基于预定距离算法计算各数据参与方的数据集之间的距离信息;将各数据参与方的数据集之间的距离信息和对应的数据集标识存入区块链进行共享,以便于各数据参与方获取。通过本发明,基于区块链寻求他方数据,人力成本较小,且不会泄露各参与方的原始数据,保证了数据的安全性。
Description
技术领域
本发明涉及区块链技术领域,具体涉及一种基于区块链的隐私数据处理方法、装置及系统。
背景技术
目前,数据资产的价值越来越得到大量企业和机构的重视,然而各个机构和企业都是“数据孤岛”,互相很难提前获知对方数据资产的具体情况。出于安全,保护隐私及知识产权方面的考虑,很多机构不愿公开自己拥有数据的具体描述,甚至不愿公开自己开展多方数据融合的计算目标和场景。
在这个背景下,隐私计算作为保证数据“可用不可见”的技术被应用于各个数据安全领域。隐私计算包括安全多方计算和联邦学习等技术分类。
目前,多方参与的隐私计算业务需求方(或数据需求方)在联合计算前寻求他方数据的途径一般有两种:一种是直接对接数据提供方,另一种是通过“数据中介”即数据交易平台对接数据提供方。
然而,无论是直接对接数据提供方获取数据,还是对接第三方数据交易平台获取数据,进行多方安全计算的业务需求方,都需要自身先根据联合计算的模型或函数,通过自有数据和业务经验,判断需要哪些他方数据,这对从业人员的技术能力和业务能力都有很高的要求,既要理解计算模型又要懂业务。
同时,直接对接数据提供方获取数据,需要线下洽谈沟通,将花费大量的时间和人力成本,而发布在第三方数据交易平台的数据,可能以明文描述的形式存在,容易泄露数据隐私。
发明内容
有鉴于此,本发明提供一种基于区块链的隐私数据处理方法、装置及系统,以解决上述提及的至少一个问题。
根据本发明的第一方面,提供一种基于区块链的隐私数据处理方法,所述方法包括:
分别获取来自多个数据参与方的加密的隐私数据,所述隐私数据包括:用文本描述的加密的数据集,该数据集包括:数据计算目标、数据需求和已有数据资源;
根据预定私钥对各加密的隐私数据进行解密后生成各数据参与方的隐私数据;
基于预定距离算法计算各数据参与方的同类型数据集之间的距离信息;
将所述各数据参与方的数据集之间的距离信息和对应的数据集标识存入区块链进行共享,以便于各数据参与方获取。
根据本发明的第二方面,提供一种基于区块链的隐私数据处理方法,所述方法包括:
获取待参与计算的数据,并对所述数据进行文本描述操作,生成数据集,该数据集包括:数据计算目标、数据需求和已有数据资源;
基于自然语言处理技术对所述数据集中的数据进行文本向量化操作,生成相同维度的向量矩阵;
基于同态加密技术对所述向量矩阵进行加密,生成加密矩阵;
基于区块链节点的公钥对所述加密矩阵进行加密,生成加密的隐私数据;
将所述加密的隐私数据发送至所述区块链节点;
响应于所述区块链节点将各数据参与方的隐私数据之间的距离信息存入区块链进行共享,从区块链获取各数据参与方的隐私数据之间的距离信息,并根据各数据参与方的隐私数据之间的距离信息选择所需的其他数据参与方的数据集。
根据本发明的第三方面,提供一种基于区块链的隐私数据处理装置,所述装置包括:
加密隐私数据获取单元,用于分别获取来自多个数据参与方的加密的隐私数据,所述隐私数据包括:用文本描述的加密的数据集,该数据集包括:数据计算目标、数据需求和已有数据资源;
隐私数据生成单元,用于根据预定私钥对各加密的隐私数据进行解密后生成各数据参与方的隐私数据;
距离信息计算单元,用于基于预定距离算法计算各数据参与方的数据集之间的距离信息;
数据发送单元,用于将所述各数据参与方的数据集之间的距离信息和对应的数据集标识存入区块链进行共享,以便于各数据参与方获取。
根据本发明的第四方面,提供一种基于区块链的隐私数据处理装置,所述装置包括:
数据获取单元,用于获取待参与计算的数据;
数据集生成单元,用于对所述数据进行文本描述操作,生成数据集,该数据集包括:数据计算目标、数据需求和已有数据资源;
向量矩阵生成单元,用于基于自然语言处理技术对所述数据集中的数据进行文本向量化操作,生成相同维度的向量矩阵;
加密矩阵生成单元,用于基于同态加密技术对所述向量矩阵进行加密,生成加密矩阵;
加密隐私数据生成单元,用于基于区块链节点的公钥对所述加密矩阵进行加密,生成加密的隐私数据;
加密隐私数据发送单元,用于将所述加密的隐私数据发送至所述区块链节点;
数据集选择单元,用于响应于所述区块链节点将各数据参与方的隐私数据之间的距离信息存入区块链进行共享,从区块链获取各数据参与方的隐私数据之间的距离信息,并根据各数据参与方的隐私数据之间的距离信息选择所需的其他数据参与方的数据集。
根据本发明的第五方面,提供一种基于区块链的隐私数据处理系统,所述系统包括:位于区块链节点端的第三方面的基于区块链的隐私数据处理装置、以及位于数据参与方的第四方面的基于区块链的隐私数据处理装置。
根据本发明的第六方面,提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述方法的步骤。
根据本发明的第七方面,提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述方法的步骤。
由上述技术方案可知,通过分别获取来自多个数据参与方的加密的隐私数据,在根据预定私钥对各加密的隐私数据进行解密后生成各数据参与方的隐私数据,随后基于预定距离算法计算各数据参与方的数据集之间的距离信息,之后将所述各数据参与方的数据集之间的距离信息和对应的数据集标识存入区块链进行共享,以便于各数据参与方获取后根据距离信息选择所需的其他数据参与方的数据,相比于现有技术,本技术方案基于区块链寻求他方数据,人力成本较小,且不会泄露各参与方的原始数据,保证了数据的安全性。
附图说明
为了更清楚地说明本发明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,下面描述中的附图是本发明的一些实施例,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是根据本发明实施例的基于区块链的隐私数据处理系统的结构框图;
图2是根据本发明实施例的参与方隐私数据处理装置1的结构框图;
图3是根据本发明实施例的区块链隐私数据处理装置2的结构框图;
图4是根据本发明实施例的隐私数据处理系统的示例架构图;
图5是根据本发明实施例的基于图4所示系统的工作原理图;
图6是根据本发明实施例的数据参与方的隐私数据处理方法的流程图;
图7是根据本发明实施例的区块链隐私数据处理方法的流程图;
图8为本发明实施例的电子设备600的系统构成的示意框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在实现本申请的过程中,申请人发现如下相关技术:
目前,多方参与的隐私计算业务需求方(或数据需求方)在联合计算前寻求他方数据的途径一般有两种:一种是直接对接数据提供方,另一种是通过“数据中介”即数据交易平台对接数据提供方。
对于对接数据提供方,业务需求方直接对接数据提供方,需要根据联合计算的模型或函数,通过自有数据和业务经验,需要判断哪些他方数据以及应该向哪些机构获取他方数据,然后,通过线下与每家数据提供方洽谈沟通,建立规则,获取相关数据,或通过线上获取数据提供方公开的数据。
对于对接数据交易平台,业务需求方通过第三方数据交易平台撮合,获取所需他方数据。一般的交易模式如下:
(1)数据提供方在数据交易平台发布自己的数据产品;
(2)数据交易平台审核数据提供方发布的数据产品,通过或拒绝;
(3)数据(业务)需求方通过数据交易平台,在已发布的数据产品中搜索所需数据;
(4)数据(业务)需求方有购买意向后,向数据交易平台发出交易请求;
(5)数据交易平台进行交易撮合;
(6)数据交易成功或失败。
业务需求方对接数据交易平台,也需要根据联合计算的模型或函数,通过自有数据和业务经验,判断需要哪些他方数据,再通过数据交易平台进行搜索。
无论是直接对接数据提供方获取数据,还是对接第三方数据交易平台获取数据,进行多方安全计算的业务需求方,都需要自身先根据联合计算的模型或函数,通过自有数据和业务经验,判断需要哪些他方数据,这对从业人员的技术能力和业务能力都有很高的要求,既要理解计算模型又要懂业务。
直接对接数据提供方获取数据,线下的洽谈沟通,将花费大量的时间和人力成本,并且各方数据格式不统一,业务方获取数据后还需花费大量精力整理多方数据;另外,业务方和数据提供方直接对接,自行制定数据获取规则,也存在一定的法律合规风险;
对接第三方数据交易平台,业务需求方首先需要搜索所需数据,锁定数据需要一定的时间成本;然后通过中心化的数据交易平台,在数据提供方与业务方之间传递信息,进行数据交易撮合,这种方式的通信成本较高。
数据交易平台有能力留存交易数据,可能成为交易双方数据隐私的潜在威胁。
数据提供方发布在数据交易平台上的数据,只有数据交易平台方有权审核,若数据交易平台与数据提供方联合造假,数据需求方无法识别,存在信任风险;同时,数据提供方发布在数据交易平台的数据,可能以明文描述的形式存在,泄露了自身拥有什么数据的隐私。
也就是说,目前的多方参与的隐私计算业务需求方在联合计算前寻求他方数据存在人力成本大以及安全性较低的问题,基于此,本发明实施例提供一种基于区块链的隐私数据处理方案,该方案基于区块链技术,结合距离算法实现了多方间文本相似度的密文计算,保证了隐私数据始终在密文状态下,实现了隐私计算业务需求方(即,数据参与方)可以匹配到所需的数据资源,相比于现有技术,本方案的寻求他方数据的人力成本较小,且数据安全性较高。以下结合附图来详细描述本发明实施例。
图1是根据本发明实施例的基于区块链的隐私数据处理系统的结构框图,如图1所示,该系统包括:位于数据参与方的隐私数据处理装置1、以及位于区块链节点端的隐私数据处理装置2,其中,隐私数据处理装置2作为计算节点,为来自数据参与方的隐私数据处理装置1的数据提供计算功能。为方便描述,将隐私数据处理装置1称为参与方隐私数据处理装置1,隐私数据处理装置2称为区块链隐私数据处理装置2,以下分别描述参与方隐私数据处理装置1和区块链隐私数据处理装置2。
(1)参与方隐私数据处理装置1
图2是参与方隐私数据处理装置1的结构框图,如图2所示,该参与方隐私数据处理装置1包括:数据获取单元11、数据集生成单元12、向量矩阵生成单元13、加密矩阵生成单元14、加密隐私数据生成单元15、加密隐私数据发送单元16和数据集选择单元17,其中:
数据获取单元11,用于获取待参与计算的数据。
数据集生成单元12,用于对所述数据进行文本描述操作,生成数据集,该数据集包括:数据计算目标、数据需求和已有数据资源。
向量矩阵生成单元13,用于基于自然语言处理(NLP,Natural LanguageProcessing)技术对所述数据集中的数据进行文本向量化操作,生成相同维度的向量矩阵。
这里涉及到NLP相关技术包括文本预处理(中文分词,去停用词),文本向量化转换(Word2Vec,Doc2Vec)等目前已有成熟解决方案。
加密矩阵生成单元14,用于基于同态加密技术对所述向量矩阵进行加密,生成加密矩阵。
同态加密是是一种特殊的加密算法,它允许在加密之后的密文上直接进行计算,且计算结果解密后正好与明文的计算结果是一致的。
在实际操作中,同态加密算法及相应的公钥和私钥在系统初始化时可以统一通过私密渠道下发给各数据参与方。
加密隐私数据生成单元15,用于基于区块链节点的公钥对所述加密矩阵进行加密,生成加密的隐私数据。
加密隐私数据发送单元16,用于将所述加密的隐私数据发送至所述区块链节点。
数据集选择单元17,用于响应于所述区块链节点将各数据参与方的隐私数据之间的距离信息存入区块链进行共享,从区块链获取各数据参与方的隐私数据之间的距离信息,并根据各数据参与方的隐私数据之间的距离信息选择所需的其他数据参与方的数据集。
通过数据集生成单元12对数据获取单元11获取的待参与计算的数据进行文本描述操作,生成数据集,随后向量矩阵生成单元13基于自然语言处理技术对所述数据集中的数据进行文本向量化操作,生成相同维度的向量矩阵,之后加密矩阵生成单元14基于同态加密技术对所述向量矩阵进行加密,生成加密矩阵,同时加密隐私数据生成单元15基于区块链节点的公钥对所述加密矩阵进行加密,生成加密的隐私数据,之后加密隐私数据发送单元16将所述加密的隐私数据发送至所述区块链节点,当区块链节点对接收的各参与方的隐私数据计算数据之间的距离信息之后,数据集选择单元17从区块链获取各数据参与方的隐私数据之间的距离信息,从而可以根据各数据参与方的隐私数据之间的距离信息选择所需的其他数据参与方的数据集,相比于现有技术,本方案基于区块链寻求他方数据,人力成本较小,且不会泄露各参与方的原始数据,保证了数据的安全性。
在具体实施过程中,上述数据集选择单元包括:解密模块和数据选择模块,其中:
解密模块,用于基于所述同态加密技术对所述各数据参与方的隐私数据之间的距离信息进行解密操作;
数据选择模块,用于根据解密后的各数据参与方的隐私数据之间的距离信息选择所需的其他数据参与方的数据集。
(2)区块链隐私数据处理装置2
图3是区块链隐私数据处理装置2的结构框图,如图3所示,该区块链隐私数据处理装置2包括:加密隐私数据获取单元21、隐私数据生成单元22、距离信息计算单元23和数据发送单元24,其中:
加密隐私数据获取单元21,用于分别获取来自多个数据参与方的加密的隐私数据,所述隐私数据包括:用文本描述的加密的数据集,该数据集包括:数据计算目标、数据需求和已有数据资源。
这里的加密的数据集基于同态加密算法进行加密,数据集中的数据为经过文本向量化转换的维度相同的向量矩阵。
隐私数据生成单元22,用于根据预定私钥对各加密的隐私数据进行解密后生成各数据参与方的隐私数据。
上述的加密的隐私数据基于区块链节点的公钥进行加密,这里的预定私钥为所述区块链节点的私钥。
距离信息计算单元23,用于基于预定距离算法计算各数据参与方的数据集之间的距离信息。
具体地,距离信息计算单元基于预定距离算法计算各数据集中的数据计算目标之间的距离信息、数据需求之间的距离信息和已有数据资源之间的距离信息。
这里的预定距离算法可以采用相关技术中的计算矩阵数据或者其他类型数据之间距离信息的算法,本发明对此不作限制。
基于各数据集中的数据计算目标之间的距离信息、数据需求之间的距离信息和已有数据资源之间的距离信息就可以确定数据集之间的相似度,数据参与方后期可以基于距离信息确定数据集之间的相似度,选择相似度接近的数据集。
数据发送单元24,用于将所述各数据集之间的距离信息和对应的数据集标识存入区块链进行共享,以便于各数据参与方获取。
通过加密隐私数据获取单元21分别获取来自多个数据参与方的加密的隐私数据,在隐私数据生成单元22根据预定私钥对各加密的隐私数据进行解密后生成各数据参与方的隐私数据,随后距离信息计算单元23基于预定距离算法计算各数据参与方的数据集之间的距离信息,之后数据发送单元24将所述各数据集之间的距离信息和对应的数据集标识存入区块链进行共享,以便于各数据参与方获取后根据距离信息选择所需的其他数据参与方的数据,相比于现有技术,本发明实施例基于区块链寻求他方数据,人力成本较小,且不会泄露各参与方的原始数据,保证了数据的安全性。
为了更好地理解本发明,以下结合图4所示的示例系统架构和图5所示的系统工作原理来详细描述本发明实施例。
如图4所示,示例系统包括:多方数据资产需求区块链、位于该区块链的多个计算节点P、位于数据参与方的参与节点A、B、C、D,其中:
计算节点:负责多方数据需求的密文计算,对原始数据和结果都不可感知。
参与节点:作为参与方处理本方数据,获取计算结果。各参与节点无法获取其他节点的数据,仅能得到与其他方之间的距离数据。
多方数据资产需求区块链:作为数据、运算和结果的存储网络和节点间通信网络,保证数据可追溯,不可篡改。
参见图5所示的流程,该流程包括:参与方本地数据处理流程、计算方本地执行的计算步骤(对应于图中的2.多方数据需求密文运算流程)和参与方获取结果步骤,各方之间数据交互通过区块链进行,其中区块链可利用现有通用技术进行搭建,以下分别描述各流程。
(1)参与方本地数据处理流程。
为方便描述,以参与方A为例来描述该流程,其他参与方如B,C,与A流程相同。
首先,使用文本描述本方所有即将参与计算的数据,即元数据相关信息,其中,数据可以按照数据类型,分成计算目标、对应的数据需求、已有数据资源等几个部分分别描述。例如,生成文本集合{(A1,A1a,A1b),(A2,A2a,A2b)},其中,A1为A方对多方联合计算的目标1的描述,A1a,A1b为需求数据的描述和已有数据的描述,后面这2部分还可以根据数据特点继续细分,扩展成更多描述文本。
其次,对以上各个文本借助NLP(Natural Language Processing,自然语言处理)技术做文本向量化处理。这里涉及到NLP相关技术包括文本预处理(中文分词,去停用词),文本向量化转换(Word2Vec,Doc2Vec)目前已有成熟解决方案。在本发明实施例中,可根据具体情况,选择某通用预训练模型做向量化转换,如使用Bert模型将不定长的文本转换为定长的向量矩阵;也可以各方统一训练一个NLP模型做文本向量化转换,以方便随后的计算。文本(A1,A1a,A1b)经本步处理后转换为几个相同维度的向量矩阵(MA1,MA1a,MA1b)。
对这些向量矩阵利用同态加密技术生成加密矩阵。同态加密是是一种特殊的加密算法,它允许在加密之后的密文上直接进行计算,且计算结果解密后正好与明文的计算结果是一致的。这里,A使用向量矩阵(MA1,MA1a,MA1b)通过统一的同态加密算法公钥加密转换为加密矩阵(E(MA1),E(MA1a),E(MA1b))。这里认为同态加密算法及相应的公钥和私钥在系统初始化时已统一通过私密渠道下发给A,B,C等各方。
对上述加密矩阵(E(MA1),E(MA1a),E(MA1b))使用计算节点的公钥再次加密后由A节点发布到区块链中。
其他参与方B,C等执行相同的流程。
(2)多方数据需求秘文运算流程。
在计算节点P执行对多方数据的计算流程。
计算节点P从区块链中获取参与方A、B、C等各方处理后放入的加密数据(对应于上述的加密的隐私数据),用计算节点P的私钥进行解密后,获得A方数据(E(MA1),E(MA1a),E(MA1b)),B方数据(E(MB1),E(MB1a),E(MB1b)),(E(MB2),E(MB2a),E(MB2b)),C方数据(E(MC1),E(MC1a),E(MC1b))等。
计算节点P对这些加密矩阵分别用预定距离算法计算距离,不需要解密。这里,计算节点P不知道同态加密的私钥,因此无法获知加密矩阵中的具体数据。计算得到A方数据与其他方数据之间的距离,其中,A1到B1的距离包括加密后E(MA1)与E(MB1)距离,E(MA1a)与E(MB1b)距离和E(MA1b)与E(MB1a)的距离。
在一个实施例中,计算节点P还可以对计算出的距离按照预先设定的相似度算法求出相似度值,最终得到多方两两数据集间的相似度:S(A1B1),S(A1B2),S(A1C1),S(B1C1),S(B2C1)…此时相似度值仍然是密文的状态。
之后,计算节点P将计算出的距离结果或者相似度结果和对应的数据集ID放入区块链中共享。
(3)参与方获取结果流程。
各个参与节点通过区块链获取结果并解密的过程。以A为例,参与方A从区块链上获取最新的距离计算结果。
随后,A使用同态加密的解密私钥对结果解密,根据同态加密的算法定义可知,这个结果与使用原始数据计算的结果是一致的,即得到真实的距离数值。
之后,A可以从中选择与自己数据集距离最近(或者相似度值最高)的一个或多个数据集。这里距离最近、相似度高说明原始文本在语义上非常接近。具体地,A可以通过提前预设阈值的方法筛选出可能匹配的数据方和数据集。
例如,A设阈值为W,如果发现解密后的S(A1B2)>W,说明A1数据集与B2数据集匹配度高,即本轮运算寻找到可进行多方数据融合计算的数据方B和数据集B2。
由以上描述可知,本发明实施例的安全多方数据需求匹配系统,以区块链作为数据传递和存储的载体。各参与节点将本方数据资产的需求描述加密后发送至计算节点,由计算节点对各方发布的需求进行距离运算流程,各个参与节点和中心计算节点的输入输出数据和匹配结果加密后放入该区块链中。
在同态加密的条件下进行多方间文本相似度的密文计算,保证了隐私数据始终在密文状态下,计算方无法获取原始信息,各参与方仅能获取最后的距离计算结果,无法读取其他参与方原始数据,保证了各方数据的安全。
本发明实施例实现了数据需求在密文状态下的处理,弥补了隐私计算中各方不愿透露元数据信息带来的不便,本发明实施例的优势包括:
(1)通过对文本描述数据分类后做向量化处理再使用同态加密处理后上传区块链网络,保证了数据隐私。
(2)这些加密数据由计算方在密文的状态下汇总运算,计算方对原始数据和最终结果不可见。
(3)各参与方对计算结果解密后即可知道是否有匹配的数据集,但并不清楚对方的原始数据有哪些,在保护数据隐私的前提下比传统方式更高效。
(4)通过区块链作为底层网络,保证此方案具有不可伪造,可追溯等特性。
基于相似的发明构思,本发明实施例还提供一种基于区块链的隐私数据处理方法,该方法优选地可应用于上述的参与方隐私数据处理装置1。
图6是该隐私数据处理方法的流程图,如图6所示,该方法包括:
步骤601,获取待参与计算的数据,并对所述数据进行文本描述操作,生成数据集,该数据集包括:数据计算目标、数据需求和已有数据资源;
步骤602,基于自然语言处理技术对所述数据集中的数据进行文本向量化操作,生成相同维度的向量矩阵;
步骤603,基于同态加密技术对所述向量矩阵进行加密,生成加密矩阵;
步骤604,基于区块链节点的公钥对所述加密矩阵进行加密,生成加密的隐私数据;
步骤605,将所述加密的隐私数据发送至所述区块链节点;
步骤606,响应于所述区块链节点将各数据参与方的隐私数据之间的距离信息存入区块链进行共享,从区块链获取各数据参与方的隐私数据之间的距离信息,并根据各数据参与方的隐私数据之间的距离信息选择所需的其他数据参与方的数据集。
具体地,可以基于所述同态加密技术对所述各数据参与方的隐私数据之间的距离信息进行解密操作;随后根据解密后的各数据参与方的隐私数据之间的距离信息选择所需的其他数据参与方的数据集。
通过对获取的待参与计算的数据进行文本描述操作,生成数据集,随后基于自然语言处理技术对所述数据集中的数据进行文本向量化操作,生成相同维度的向量矩阵,之后基于同态加密技术对所述向量矩阵进行加密,生成加密矩阵,同时基于区块链节点的公钥对所述加密矩阵进行加密,生成加密的隐私数据,之后将所述加密的隐私数据发送至所述区块链节点,当区块链节点对接收的各参与方的隐私数据计算数据之间的距离信息后,可以从区块链获取各数据参与方的隐私数据之间的距离信息,从而可以根据各数据参与方的隐私数据之间的距离信息选择所需的其他数据参与方的数据集,相比于现有技术,本发明实施例基于区块链寻求他方数据,人力成本较小,且不会泄露各参与方的原始数据,保证了数据的安全性。
本发明实施例还提供一种基于区块链的隐私数据处理方法,该方法优选地可用于上述的区块链隐私数据处理装置2。
图7是该隐私数据处理方法的流程图,如图7所示,该方法包括:
步骤701,分别获取来自多个数据参与方的加密的隐私数据,所述隐私数据包括:用文本描述的加密的数据集,该数据集包括:数据计算目标、数据需求和已有数据资源。
其中,加密的数据集基于同态加密算法进行加密,所述数据集中的数据为经过文本向量化转换的维度相同的向量矩阵。
步骤702,根据预定私钥对各加密的隐私数据进行解密后生成各数据参与方的隐私数据。
该加密的隐私数据基于区块链节点的公钥进行加密,所述预定私钥为所述区块链节点的私钥。
步骤703,基于预定距离算法计算各数据参与方的数据集之间的距离信息。
具体地,可以基于预定距离算法计算各数据集中的数据计算目标之间的距离信息、数据需求之间的距离信息和已有数据资源之间的距离信息。
步骤704,将所述各数据参与方的数据集之间的距离信息和对应的数据集标识存入区块链进行共享,以便于各数据参与方获取。
通过分别获取来自多个数据参与方的加密的隐私数据,在根据预定私钥对各加密的隐私数据进行解密后生成各数据参与方的隐私数据,随后基于预定距离算法计算各数据参与方的数据集之间的距离信息,之后将所述各数据参与方的数据集之间的距离信息和对应的数据集标识存入区块链进行共享,以便于各数据参与方获取后根据距离信息选择所需的其他数据参与方的数据,相比于现有技术,本发明实施例基于区块链寻求他方数据,人力成本较小,且不会泄露各参与方的原始数据,保证了数据的安全性。
在一个实施例中,可以基于预定相似度算法分别对各数据集中的数据计算目标之间的距离信息、数据需求之间的距离信息和已有数据资源之间的距离信息进行相似度计算,方便数据参与方基于相似度选择所需的数据集。
上述各步骤的具体执行过程,可以参见上述系统实施例中的描述,此处不再赘述。
本实施例还提供一种电子设备,该电子设备可以是台式计算机、平板电脑及移动终端等,本实施例不限于此。在本实施例中,该电子设备可以参照上述方法实施例进行实施及隐私数据处理装置/系统的实施例进行实施,其内容被合并于此,重复之处不再赘述。
图8为本发明实施例的电子设备600的系统构成的示意框图。如图8所示,该电子设备600可以包括中央处理器100和存储器140;存储器140耦合到中央处理器100。值得注意的是,该图是示例性的;还可以使用其他类型的结构,来补充或代替该结构,以实现电信功能或其他功能。
一实施例中,隐私数据处理功能可以被集成到中央处理器100中。其中,中央处理器100可以被配置为进行如下控制:
分别获取来自多个数据参与方的加密的隐私数据,所述隐私数据包括:用文本描述的加密的数据集,该数据集包括:数据计算目标、数据需求和已有数据资源;
根据预定私钥对各加密的隐私数据进行解密后生成各数据参与方的隐私数据;
基于预定距离算法计算各数据参与方的数据集之间的距离信息;
将所述各数据参与方的数据集之间的距离信息和对应的数据集标识存入区块链进行共享,以便于各数据参与方获取。
从上述描述可知,本申请实施例提供的电子设备,通过分别获取来自多个数据参与方的加密的隐私数据,在根据预定私钥对各加密的隐私数据进行解密后生成各数据参与方的隐私数据,随后基于预定距离算法计算各数据参与方的数据集之间的距离信息,之后将所述各数据参与方的数据集之间的距离信息和对应的数据集标识存入区块链进行共享,以便于各数据参与方获取后根据距离信息选择所需的其他数据参与方的数据,相比于现有技术,本发明实施例基于区块链寻求他方数据,人力成本较小,且不会泄露各参与方的原始数据,保证了数据的安全性。
在另一个实施方式中,隐私数据处理装置/系统可以与中央处理器100分开配置,例如可以将隐私数据处理装置/系统配置为与中央处理器100连接的芯片,通过中央处理器的控制来实现隐私数据处理功能。
如图8所示,该电子设备600还可以包括:通信模块110、输入单元120、音频处理单元130、显示器160、电源170。值得注意的是,电子设备600也并不是必须要包括图8中所示的所有部件;此外,电子设备600还可以包括图8中没有示出的部件,可以参考现有技术。
如图8所示,中央处理器100有时也称为控制器或操作控件,可以包括微处理器或其他处理器装置和/或逻辑装置,该中央处理器100接收输入并控制电子设备600的各个部件的操作。
其中,存储器140,例如可以是缓存器、闪存、硬驱、可移动介质、易失性存储器、非易失性存储器或其它合适装置中的一种或更多种。可储存上述与失败有关的信息,此外还可存储执行有关信息的程序。并且中央处理器100可执行该存储器140存储的该程序,以实现信息存储或处理等。
输入单元120向中央处理器100提供输入。该输入单元120例如为按键或触摸输入装置。电源170用于向电子设备600提供电力。显示器160用于进行图像和文字等显示对象的显示。该显示器例如可为LCD显示器,但并不限于此。
该存储器140可以是固态存储器,例如,只读存储器(ROM)、随机存取存储器(RAM)、SIM卡等。还可以是这样的存储器,其即使在断电时也保存信息,可被选择性地擦除且设有更多数据,该存储器的示例有时被称为EPROM等。存储器140还可以是某种其它类型的装置。存储器140包括缓冲存储器141(有时被称为缓冲器)。存储器140可以包括应用/功能存储部142,该应用/功能存储部142用于存储应用程序和功能程序或用于通过中央处理器100执行电子设备600的操作的流程。
存储器140还可以包括数据存储部143,该数据存储部143用于存储数据,例如联系人、数字数据、图片、声音和/或任何其他由电子设备使用的数据。存储器140的驱动程序存储部144可以包括电子设备的用于通信功能和/或用于执行电子设备的其他功能(如消息传送应用、通讯录应用等)的各种驱动程序。
通信模块110即为经由天线111发送和接收信号的发送机/接收机110。通信模块(发送机/接收机)110耦合到中央处理器100,以提供输入信号和接收输出信号,这可以和常规移动通信终端的情况相同。
基于不同的通信技术,在同一电子设备中,可以设置有多个通信模块110,如蜂窝网络模块、蓝牙模块和/或无线局域网模块等。通信模块(发送机/接收机)110还经由音频处理器130耦合到扬声器131和麦克风132,以经由扬声器131提供音频输出,并接收来自麦克风132的音频输入,从而实现通常的电信功能。音频处理器130可以包括任何合适的缓冲器、解码器、放大器等。另外,音频处理器130还耦合到中央处理器100,从而使得可以通过麦克风132能够在本机上录音,且使得可以通过扬声器131来播放本机上存储的声音。
本发明实施例还提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时以实现上述隐私数据处理方法的步骤。
综上所述,本发明实施例在保护隐私的前提下解决了多个参与方发现和匹配数据需求的问题,本方案结合区块链技术,基于安全多方计算的架构进行了创新性的设计,实现了多方间开展联合计算前,安全的发布数据需求和目标,在数据不可见的前提下高效发现和匹配适合的数据,加快了多方数据计算合作联盟的形成,同时保证了发布数据不可篡改,匹配结果可追溯,提高了参与节点的信任度。
以上参照附图描述了本发明的优选实施方式。这些实施方式的许多特征和优点根据该详细的说明书是清楚的,因此权利要求旨在覆盖这些实施方式的落入其真实精神和范围内的所有这些特征和优点。此外,由于本领域的技术人员容易想到很多修改和改变,因此不是要将本发明的实施方式限于所例示和描述的精确结构和操作,而是可以涵盖落入其范围内的所有合适修改和等同物。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (15)
1.一种基于区块链的隐私数据处理方法,其特征在于,所述方法包括:
分别获取来自多个数据参与方的加密的隐私数据,所述隐私数据包括:用文本描述的加密的数据集,该数据集包括:数据计算目标、数据需求和已有数据资源;
根据预定私钥对各加密的隐私数据进行解密后生成各数据参与方的隐私数据;
基于预定距离算法计算各数据参与方的数据集之间的距离信息;
将所述各数据参与方的数据集之间的距离信息和对应的数据集标识存入区块链进行共享,以便于各数据参与方获取。
2.根据权利要求1所述的方法,其特征在于,基于预定距离算法计算各数据参与方的数据集之间的距离信息包括:
基于预定距离算法计算各数据集中的数据计算目标之间的距离信息、数据需求之间的距离信息和已有数据资源之间的距离信息。
3.根据权利要求1所述的方法,其特征在于,所述加密的隐私数据基于区块链节点的公钥进行加密,所述预定私钥为所述区块链节点的私钥。
4.根据权利要求1所述的方法,其特征在于,所述加密的数据集基于同态加密算法进行加密,所述数据集中的数据为经过文本向量化转换的维度相同的向量矩阵。
5.一种基于区块链的隐私数据处理方法,其特征在于,所述方法包括:
获取待参与计算的数据,并对所述数据进行文本描述操作,生成数据集,该数据集包括:数据计算目标、数据需求和已有数据资源;
基于自然语言处理技术对所述数据集中的数据进行文本向量化操作,生成相同维度的向量矩阵;
基于同态加密技术对所述向量矩阵进行加密,生成加密矩阵;
基于区块链节点的公钥对所述加密矩阵进行加密,生成加密的隐私数据;
将所述加密的隐私数据发送至所述区块链节点;
响应于所述区块链节点将各数据参与方的隐私数据之间的距离信息存入区块链进行共享,从区块链获取各数据参与方的隐私数据之间的距离信息,并根据各数据参与方的隐私数据之间的距离信息选择所需的其他数据参与方的数据集。
6.根据权利要求5所述的方法,其特征在于,根据各数据参与方的隐私数据之间的距离信息选择所需的其他数据参与方的数据集包括:
基于所述同态加密技术对所述各数据参与方的隐私数据之间的距离信息进行解密操作;
根据解密后的各数据参与方的隐私数据之间的距离信息选择所需的其他数据参与方的数据集。
7.一种基于区块链的隐私数据处理装置,其特征在于,所述装置包括:
加密隐私数据获取单元,用于分别获取来自多个数据参与方的加密的隐私数据,所述隐私数据包括:用文本描述的加密的数据集,该数据集包括:数据计算目标、数据需求和已有数据资源;
隐私数据生成单元,用于根据预定私钥对各加密的隐私数据进行解密后生成各数据参与方的隐私数据;
距离信息计算单元,用于基于预定距离算法计算各数据参与方的数据集之间的距离信息;
数据发送单元,用于将所述各数据参与方的数据集之间的距离信息和对应的数据集标识存入区块链进行共享,以便于各数据参与方获取。
8.根据权利要求7所述的装置,其特征在于,所述距离信息计算单元具体用于:
基于预定距离算法计算各数据集中的数据计算目标之间的距离信息、数据需求之间的距离信息和已有数据资源之间的距离信息。
9.根据权利要求7所述的装置,其特征在于,所述加密隐私数据获取单元获取的加密的隐私数据基于区块链节点的公钥进行加密,所述预定私钥为所述区块链节点的私钥。
10.根据权利要求7所述的装置,其特征在于,所述加密隐私数据获取单元获取的加密的数据集基于同态加密算法进行加密,所述数据集中的数据为经过文本向量化转换的维度相同的向量矩阵。
11.一种基于区块链的隐私数据处理装置,其特征在于,所述装置包括:
数据获取单元,用于获取待参与计算的数据;
数据集生成单元,用于对所述数据进行文本描述操作,生成数据集,该数据集包括:数据计算目标、数据需求和已有数据资源;
向量矩阵生成单元,用于基于自然语言处理技术对所述数据集中的数据进行文本向量化操作,生成相同维度的向量矩阵;
加密矩阵生成单元,用于基于同态加密技术对所述向量矩阵进行加密,生成加密矩阵;
加密隐私数据生成单元,用于基于区块链节点的公钥对所述加密矩阵进行加密,生成加密的隐私数据;
加密隐私数据发送单元,用于将所述加密的隐私数据发送至所述区块链节点;
数据集选择单元,用于响应于所述区块链节点将各数据参与方的隐私数据之间的距离信息存入区块链进行共享,从区块链获取各数据参与方的隐私数据之间的距离信息,并根据各数据参与方的隐私数据之间的距离信息选择所需的其他数据参与方的数据集。
12.根据权利要求11所述的装置,其特征在于,所述数据集选择单元包括:
解密模块,用于基于所述同态加密技术对所述各数据参与方的隐私数据之间的距离信息进行解密操作;
数据选择模块,用于根据解密后的各数据参与方的隐私数据之间的距离信息选择所需的其他数据参与方的数据集。
13.一种基于区块链的隐私数据处理系统,其特征在于,所述系统包括:位于区块链节点端的如权利要求7至10中任一项所述的基于区块链的隐私数据处理装置、以及位于数据参与方的如权利要求11或12所述的基于区块链的隐私数据处理装置。
14.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1至6中任一项所述方法的步骤。
15.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至6中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110979064.0A CN113722753B (zh) | 2021-08-25 | 2021-08-25 | 基于区块链的隐私数据处理方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110979064.0A CN113722753B (zh) | 2021-08-25 | 2021-08-25 | 基于区块链的隐私数据处理方法、装置及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113722753A true CN113722753A (zh) | 2021-11-30 |
CN113722753B CN113722753B (zh) | 2024-05-10 |
Family
ID=78677842
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110979064.0A Active CN113722753B (zh) | 2021-08-25 | 2021-08-25 | 基于区块链的隐私数据处理方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113722753B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115879650A (zh) * | 2023-02-21 | 2023-03-31 | 北京航空航天大学 | 基于区块链多态分离可信的多任务联合预测方法及系统 |
CN116132168A (zh) * | 2023-01-29 | 2023-05-16 | 中国联合网络通信集团有限公司 | 信息共享方法、处理装置、服务器及系统 |
TWI835300B (zh) * | 2022-02-28 | 2024-03-11 | 大陸商中國銀聯股份有限公司 | 一種資料匹配方法、裝置、設備及介質 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190287027A1 (en) * | 2018-03-15 | 2019-09-19 | International Business Machines Corporation | Artificial intelligence software marketplace |
CN110287048A (zh) * | 2019-05-09 | 2019-09-27 | 清华大学 | 数据异常检测方法和装置 |
CN110704511A (zh) * | 2019-10-16 | 2020-01-17 | 腾讯科技(深圳)有限公司 | 数据处理方法、设备、装置、介质 |
CN111008335A (zh) * | 2019-12-20 | 2020-04-14 | 腾讯科技(深圳)有限公司 | 一种信息处理方法、装置、设备及存储介质 |
CN111222158A (zh) * | 2019-11-07 | 2020-06-02 | 杭州趣链科技有限公司 | 一种基于区块链的两方安全隐私比较方法 |
CN111489155A (zh) * | 2020-03-11 | 2020-08-04 | 华控清交信息科技(北京)有限公司 | 一种数据处理方法、装置和用于数据处理的装置 |
CN111949953A (zh) * | 2020-06-23 | 2020-11-17 | 卓尔智联(武汉)研究院有限公司 | 基于区块链的身份认证方法、系统、装置和计算机设备 |
CN112508075A (zh) * | 2020-12-01 | 2021-03-16 | 平安科技(深圳)有限公司 | 基于横向联邦的dbscan聚类方法、及其相关设备 |
CN112671542A (zh) * | 2020-12-16 | 2021-04-16 | 深圳市大中华区块链科技有限公司 | 一种区块链生物语音识别方法及系统 |
WO2021114819A1 (zh) * | 2019-12-11 | 2021-06-17 | 支付宝(杭州)信息技术有限公司 | 生成和执行智能合约交易的方法及装置 |
-
2021
- 2021-08-25 CN CN202110979064.0A patent/CN113722753B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190287027A1 (en) * | 2018-03-15 | 2019-09-19 | International Business Machines Corporation | Artificial intelligence software marketplace |
CN110287048A (zh) * | 2019-05-09 | 2019-09-27 | 清华大学 | 数据异常检测方法和装置 |
CN110704511A (zh) * | 2019-10-16 | 2020-01-17 | 腾讯科技(深圳)有限公司 | 数据处理方法、设备、装置、介质 |
CN111222158A (zh) * | 2019-11-07 | 2020-06-02 | 杭州趣链科技有限公司 | 一种基于区块链的两方安全隐私比较方法 |
WO2021114819A1 (zh) * | 2019-12-11 | 2021-06-17 | 支付宝(杭州)信息技术有限公司 | 生成和执行智能合约交易的方法及装置 |
CN111008335A (zh) * | 2019-12-20 | 2020-04-14 | 腾讯科技(深圳)有限公司 | 一种信息处理方法、装置、设备及存储介质 |
CN111489155A (zh) * | 2020-03-11 | 2020-08-04 | 华控清交信息科技(北京)有限公司 | 一种数据处理方法、装置和用于数据处理的装置 |
CN111949953A (zh) * | 2020-06-23 | 2020-11-17 | 卓尔智联(武汉)研究院有限公司 | 基于区块链的身份认证方法、系统、装置和计算机设备 |
CN112508075A (zh) * | 2020-12-01 | 2021-03-16 | 平安科技(深圳)有限公司 | 基于横向联邦的dbscan聚类方法、及其相关设备 |
CN112671542A (zh) * | 2020-12-16 | 2021-04-16 | 深圳市大中华区块链科技有限公司 | 一种区块链生物语音识别方法及系统 |
Non-Patent Citations (2)
Title |
---|
周旭华 等: "EMFedAvg——基于EMD距离的联邦平均算法", 《广州大学学报》, pages 11 - 20 * |
许重建 等: "区块链交易数据隐私保护方法", 《计算机科学》, pages 281 - 286 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI835300B (zh) * | 2022-02-28 | 2024-03-11 | 大陸商中國銀聯股份有限公司 | 一種資料匹配方法、裝置、設備及介質 |
CN116132168A (zh) * | 2023-01-29 | 2023-05-16 | 中国联合网络通信集团有限公司 | 信息共享方法、处理装置、服务器及系统 |
CN115879650A (zh) * | 2023-02-21 | 2023-03-31 | 北京航空航天大学 | 基于区块链多态分离可信的多任务联合预测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113722753B (zh) | 2024-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108616539B (zh) | 一种区块链交易记录访问的方法及系统 | |
CN113159327B (zh) | 基于联邦学习系统的模型训练方法、装置、电子设备 | |
US11341466B2 (en) | Transferring digital tickets based on blockchain networks | |
CN113722753B (zh) | 基于区块链的隐私数据处理方法、装置及系统 | |
US10790971B1 (en) | Preventing misrepresentation of input data by participants in a secure multi-party computation | |
WO2022247576A1 (zh) | 一种数据处理方法、装置、设备及计算机可读存储介质 | |
CN111066047B (zh) | 实现基于区块链的工作流 | |
CN110188550B (zh) | 一种区块链的数据验证方法和装置 | |
CN113162752B (zh) | 基于混合同态加密的数据处理方法和装置 | |
CN110417750A (zh) | 基于区块链技术的文件读取和存储的方法、终端设备和存储介质 | |
CN113127916A (zh) | 数据集合处理方法、数据处理方法、装置及存储介质 | |
CN112199709A (zh) | 基于多方的隐私数据联合训练模型的方法和装置 | |
CN113609781B (zh) | 基于联邦学习的汽车生产模具优化方法、系统、设备及介质 | |
CN115203749A (zh) | 一种基于区块链的数据交易方法和系统 | |
CN105553942A (zh) | 应用跳转的方法及系统 | |
CN113328854B (zh) | 基于区块链的业务处理方法及系统 | |
CN111865761B (zh) | 一种基于区块链智能合约的社交聊天信息存证方法 | |
EP4125236A1 (en) | Secret code verification protocol | |
CN116032639A (zh) | 基于隐私计算的消息推送方法及装置 | |
CN115361196A (zh) | 一种基于区块链网络的业务交互方法 | |
CN115599959A (zh) | 数据共享方法、装置、设备及存储介质 | |
CN111832046B (zh) | 一种基于区块链技术的可信数据存证方法 | |
CN113626848A (zh) | 样本数据生成方法、装置、电子设备及计算机可读介质 | |
CN112348674A (zh) | 一种区块链的交易数据存储与获取方法及装置 | |
CN116506227B (zh) | 数据处理方法、装置、计算机设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |