CN113779632A - 车辆敏感信息保护方法、系统、设备及可读存储介质 - Google Patents

Abstract

本发明公开了一种车辆敏感信息保护方法、系统、设备及介质，本发明通过用户发起缴费时，由于此时尚未明确该用户是否为真实车主，因此先提供给用户已经过脱敏处理的停车订单以供用户进行缴费，至少能够避免用户直接获取到停车订单中的停车场名称；然后通过在用户缴费完成时获取当次缴费特征，并基于此确定出该用户的综合算力，以明确该用户对于该目标车牌对应车辆敏感信息的控制权；最后通过在用户当次缴费的总和算力不满足预设算力标准时，认为该用户的身份并非真实车主，因此依然需要对完成订单进行脱敏处理，保证了在出现非真实车主的可疑人员进行停车缴费时，全程都无法获取到明文形式的车辆敏感信息，从而有效保护了真实车主的车辆敏感信息。

Description

车辆敏感信息保护方法、系统、设备及可读存储介质

技术领域

本发明涉及停车场技术领域，尤其涉及车辆敏感信息保护方法、系统、设备及计算机可读存储介质。

背景技术

随着车场智能管理技术的快速发展，车主在停车场内进行停车缴费的操作也越来越便捷。对于现有的待缴费车辆而言，无论缴费人员是否做过停车管理平台的车主认证，都可以通过输入车牌号进行该车辆在该停车运营商所辖车场的停车账单查询，并明文显示具体车场名称、停留时间及待缴费金额等信息。虽然部分停车运营商设置有缴费人员物理半径查询限制，即该缴费人员仅能够查询物理半径范围内的车场，对停车运营商全量车场则是没有权限查询的，但是也无法杜绝任意缴费人员可查询到车主的此类信息。

而对于一些特殊人群而言，其所在的位置属于敏感信息，若是他人可以根据车牌轻易获取到车场名称，并通过车场名称推断出具体位置，可能会对这类人群造成困扰。上述情况反映出现有的停车数据查询方式难以确保真实车主的敏感信息的保密性的问题。

发明内容

本发明的主要目的在于提出一种车辆敏感信息保护方法、系统、设备及计算机可读存储介质，旨在解决现有的停车数据查询方式难以确保真实车主敏感信息的保密性的技术问题。

为实现上述目的，本发明提供一种车辆敏感信息保护方法，所述车辆敏感信息保护方法包括：

在接收到用户端针对目标车牌所对应停车订单的订单缴费指令时，生成初始缴费完成信息，其中，所述停车订单中已对车辆敏感信息进行脱敏处理，所述车辆敏感信息至少包括停车场名称；

基于所述订单缴费指令获取到所述用户端对应的当次缴费特征，并根据所述当次缴费特征得到所述用户端的综合算力，其中，所述综合算力用于表征所述用户端对所述目标车牌对应的车辆敏感信息的控制权；

在所述综合算力不满足预设算力标准时，将所述初始缴费完成信息进行脱敏处理得到脱敏缴费完成信息，并将所述脱敏缴费完成信息反馈至所述用户端，以响应所述订单缴费指令。

可选地，所述基于所述订单缴费指令获取到所述用户端对应的当次缴费特征的步骤包括：

基于所述订单缴费指令识别所述用户端的当次身份信息，并确定所述用户端采用的当次缴费通道信息以及当次缴费时长，以将所述当次身份信息、当次缴费通道信息和当次缴费时长作为所述当次缴费特征。

可选地，所述根据所述当次缴费特征得到所述用户端的综合算力的步骤包括：

获取所述目标车牌对应的历史缴费记录，从所述历史缴费记录中提取出历史身份信息和历史缴费通道信息；

基于所述历史身份信息和历史缴费通道信息，得到所述当次身份信息和当次缴费通道信息在当次缴费中分别对应的身份因子算力和通道因子算力，并基于预设时长划分规则得到时长因子算力；

将所述身份因子算力、通道因子算力和时长因子算力进行加权求和，得到所述综合算力，其中，所述身份因子算力对应的权重高于所述通道因子算力和所述时长因子算力对应的权重。

可选地，所述基于所述历史身份信息和历史缴费通道信息，得到所述当次身份信息和当次缴费通道信息在当次缴费中分别对应的身份因子算力和通道因子算力的步骤包括：

将所述历史身份信息和所述当次身份信息汇总为身份信息集合，统计所述当次身份信息在所述身份信息集合中的频次占比，以作为所述身份因子算力；

将所述历史缴费通道信息和所述当次缴费通道信息汇总为所述缴费通道信息集合，统计所述当次缴费通道信息在所述缴费通道信息集合中的频次占比，以作为所述通道因子算力。

可选地，所述在所述综合算力不满足预设算力标准时，将所述初始缴费完成信息进行脱敏处理的步骤之前，还包括：

判断所述综合算力的百分比表征值是否超出51％；

若未超出51％，则判定所述综合算力不满足预设算力标准。

可选地，所述判断所述综合算力的百分比表征值是否超出51％的步骤之后，还包括：

若超出51％，则判定所述综合算力满足预设算力标准，将所述初始缴费完成信息作为目标缴费完成信息以反馈给所述用户端。

可选地，所述在所述综合算力不满足预设算力标准时，将所述初始缴费完成信息进行脱敏处理得到脱敏缴费完成信息的步骤包括：

在所述综合算力不满足预设算力标准时，将所述初始缴费完成信息中的停车场名称替换为预设的标准词，得到所述脱敏缴费完成信息。

此外，为实现上述目的，本发明还提供一种车辆敏感信息保护系统，所述车辆敏感信息保护系统包括：

初始订单生成模块，用于在接收到用户端针对目标车牌所对应停车订单的订单缴费指令时，生成初始缴费完成信息，其中，所述停车订单中已对车辆敏感信息进行脱敏处理，所述车辆敏感信息至少包括停车场名称；

综合算力获取模块，用于基于所述订单缴费指令获取到所述用户端对应的当次缴费特征，并根据所述当次缴费特征得到所述用户端的综合算力，其中，所述综合算力用于表征所述用户端对所述目标车牌对应的车辆敏感信息的控制权；

初始订单脱敏模块，用于在所述综合算力不满足预设算力标准时，将所述初始缴费完成信息进行脱敏处理得到脱敏缴费完成信息，并将所述脱敏缴费完成信息反馈至所述用户端，以响应所述订单缴费指令。

此外，为实现上述目的，本发明还提供一种车辆敏感信息保护设备，所述车辆敏感信息保护设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的车辆敏感信息保护程序，所述车辆敏感信息保护程序被所述处理器执行时实现如上所述的车辆敏感信息保护方法的步骤。

此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有车辆敏感信息保护程序，所述车辆敏感信息保护程序被处理器执行时实现如上所述的车辆敏感信息保护方法的步骤。

此外，为实现上述目的，本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述的车辆敏感信息保护方法的步骤。

本发明通过用户发起缴费时，由于此时尚未明确该用户是否为真实车主，因此先提供给用户已经过脱敏处理的停车订单，以供用户进行缴费，至少能够避免用户直接获取到停车订单中的停车场名称；然后通过在用户缴费完成时获取当次缴费特征，并基于此确定出该用户的综合算力，以明确该用户对于该目标车牌对应车辆敏感信息的控制权；最后通过在用户当次缴费的总和算力不满足预设算力标准时，认为该用户的身份并非真实车主，因此依然需要对完成订单进行脱敏处理，保证了在出现非真实车主的可疑人员进行停车缴费时，全程都无法获取到明文形式的车辆敏感信息，从而有效保护了真实车主的车辆敏感信息，解决了现有的停车数据查询方式难以确保真实车主敏感信息的保密性的问题。

附图说明

图1是本发明实施例方案涉及的硬件运行环境的设备结构示意图；

图2为本发明车辆敏感信息保护方法第一实施例的流程示意图；

图3为本发明车辆敏感信息保护方法第三实施例中一具体实施例的流程示意图；

图4为本发明车辆敏感信息保护系统的功能模块示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

随着车场智能管理技术的快速发展，车主在停车场内进行停车缴费的操作也越来越便捷。对于现有的待缴费车辆而言，无论缴费人员是否做过停车管理平台的车主认证，都可以通过输入车牌号进行该车辆在该停车运营商所辖车场的停车账单查询，并明文显示具体车场名称、停留时间及待缴费金额等信息。虽然部分停车运营商设置有缴费人员物理半径查询限制，即该缴费人员仅能够查询物理半径范围内的车场，对停车运营商全量车场则是没有权限查询的，但是也无法杜绝任意缴费人员可查询到车主的此类信息。

而对于一些特殊人群而言，其所在的位置属于敏感信息，若是他人可以根据车牌轻易获取到车场名称，并通过车场名称推断出具体位置，可能会对这类人群造成困扰。上述情况反映出现有的停车数据查询方式难以确保真实车主的敏感信息的保密性的问题。

为解决上述问题，本发明提供一种车辆敏感信息保护方法，即通过用户发起缴费时，由于此时尚未明确该用户是否为真实车主，因此先提供给用户已经过脱敏处理的停车订单，以供用户进行缴费，至少能够避免用户直接获取到停车订单中的停车场名称；然后通过在用户缴费完成时获取当次缴费特征，并基于此确定出该用户的综合算力，以明确该用户对于该目标车牌对应车辆敏感信息的控制权；最后通过在用户当次缴费的总和算力不满足预设算力标准时，认为该用户的身份并非真实车主，因此依然需要对完成订单进行脱敏处理，保证了在出现非真实车主的可疑人员进行停车缴费时，全程都无法获取到明文形式的车辆敏感信息，从而有效保护了真实车主的车辆敏感信息，解决了现有的停车数据查询方式难以确保真实车主敏感信息的保密性的问题。

如图1所示，图1是本发明实施例方案涉及的硬件运行环境的设备结构示意图。

如图1所示，该车辆敏感信息保护系统可以包括：处理器1001，例如CPU，用户接口1003，网络接口1004，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏 (Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

本领域技术人员可以理解，图1中示出的设备结构并不构成对设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及车辆敏感信息保护程序。

在图1所示的设备中，网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；用户接口1003主要用于连接客户端(用户端)，与客户端进行数据通信；而处理器1001可以用于调用存储器1005中存储的车辆敏感信息保护程序，并执行以下操作：

在接收到用户端针对目标车牌所对应停车订单的订单缴费指令时，生成初始缴费完成信息，其中，所述停车订单中已对车辆敏感信息进行脱敏处理，所述车辆敏感信息至少包括停车场名称；

基于所述订单缴费指令获取到所述用户端对应的当次缴费特征，并根据所述当次缴费特征得到所述用户端的综合算力，其中，所述综合算力用于表征所述用户端对所述目标车牌对应的车辆敏感信息的控制权；

在所述综合算力不满足预设算力标准时，将所述初始缴费完成信息进行脱敏处理得到脱敏缴费完成信息，并将所述脱敏缴费完成信息反馈至所述用户端，以响应所述订单缴费指令。

进一步地，所述基于所述订单缴费指令获取到所述用户端对应的当次缴费特征的步骤包括：

基于所述订单缴费指令识别所述用户端的当次身份信息，并确定所述用户端采用的当次缴费通道信息以及当次缴费时长，以将所述当次身份信息、当次缴费通道信息和当次缴费时长作为所述当次缴费特征。

进一步地，所述根据所述当次缴费特征得到所述用户端的综合算力的步骤包括：

获取所述目标车牌对应的历史缴费记录，从所述历史缴费记录中提取出历史身份信息和历史缴费通道信息；

基于所述历史身份信息和历史缴费通道信息，得到所述当次身份信息和当次缴费通道信息在当次缴费中分别对应的身份因子算力和通道因子算力，并基于预设时长划分规则得到时长因子算力；

将所述身份因子算力、通道因子算力和时长因子算力进行加权求和，得到所述综合算力，其中，所述身份因子算力对应的权重高于所述通道因子算力和所述时长因子算力对应的权重。

进一步地，所述基于所述历史身份信息和历史缴费通道信息，得到所述当次身份信息和当次缴费通道信息在当次缴费中分别对应的身份因子算力和通道因子算力的步骤包括：

将所述历史身份信息和所述当次身份信息汇总为身份信息集合，统计所述当次身份信息在所述身份信息集合中的频次占比，以作为所述身份因子算力；

将所述历史缴费通道信息和所述当次缴费通道信息汇总为所述缴费通道信息集合，统计所述当次缴费通道信息在所述缴费通道信息集合中的频次占比，以作为所述通道因子算力。

进一步地，所述在所述综合算力不满足预设算力标准时，将所述初始缴费完成信息进行脱敏处理的步骤之前，还包括：

判断所述综合算力的百分比表征值是否超出51％；

若未超出51％，则判定所述综合算力不满足预设算力标准。

进一步地，所述判断所述综合算力的百分比表征值是否超出51％的步骤之后，还包括：

若超出51％，则判定所述综合算力满足预设算力标准，将所述初始缴费完成信息作为目标缴费完成信息以反馈给所述用户端。

进一步地，所述在所述综合算力不满足预设算力标准时，将所述初始缴费完成信息进行脱敏处理得到脱敏缴费完成信息的步骤包括：

在所述综合算力不满足预设算力标准时，将所述初始缴费完成信息中的停车场名称替换为预设的标准词，得到所述脱敏缴费完成信息。

基于上述硬件结构，提出本发明车辆敏感信息保护方法实施例。

参照图2，图2为本发明车辆敏感信息保护方法第一实施例的流程示意图。所述车辆敏感信息保护方法包括：

步骤S10，在接收到用户端针对目标车牌所对应停车订单的订单缴费指令时，生成初始缴费完成信息，其中，所述停车订单中已对车辆敏感信息进行脱敏处理，所述车辆敏感信息至少包括停车场名称；

在本实施例中，本方法应用于终端设备，以下以停车场运营商系统的服务器为例进行说明。用户端指的是缴费用户在缴费时所使用的用户终端设备，例如手机、个人电脑等。目标车牌指的是缴费用户为其进行停车缴费的车辆所对应的车牌号码。在实际情况中，缴费用户可能是目标车牌对应车辆的真实车主，也可能是代缴用户或是其他类型用户。停车订单指的是目标车牌对应车辆在某一停车场内停车后所需缴纳的停车缴费订单。需要说明的是，服务器向用户端所发送的停车订单为已经过脱敏处理的订单，也即是停车订单上目标车牌对应的车辆敏感信息并不会明文显示在订单上，车辆敏感信息至少包括停车场名称，另外还可包括其他可显示出停车场位置的信息，或是车辆行驶证信息等。当前缴费用户在看到停车订单时，并不能从停车订单上得知具体是在哪一停车场。订单缴费指令指的是缴费用户通过用户端向服务器发送的用于对上述停车订单进行缴费的指令。需要说明的是，缴费用户发起订单缴费指令的方式可以有多种，例如，扫码发起(二维码可以为实体物料也可以是虚拟二维码)，或是在小程序或是平台上输入目标车牌发起。初始缴费完成信息指的是按照常规的生成方式所生成的，用于向用户端反馈支付结果以及本次缴费订单的相关内容的信息。

具体地，缴费用户在用户端上打开预设小程序，输入当前为其缴费的车辆的目标车牌，或是扫描停车场出口处的二维码，相当于向服务器发送了一携带目标车牌的停车订单查询指令。服务器接收这一停车订单查询指令，并查询到目标车牌对应车辆在全量停车场中的未支付订单。服务器在查询到未支付订单后，至少需要将订单中所明文显示的停车场名称进行脱敏处理，然后将脱敏处理后的停车订单返回至用户端，以响应用户端所发出的停车订单查询指令。

用户端接收到服务器返回的脱敏处理后的停车订单，无法直接从该停车订单中明确得知这是具体哪一停车场的停车订单，只明确显示了目标车牌、待缴金额数目和订单日期。若缴费用户点击页面中的“去缴费”按键，相当于通过用户端向服务器发送一订单缴费指令。服务器接收到这一订单缴费指令，可判断该指令对应的订单支付时长是否超出支付时限。若是超出时限缴费用户依然未缴费，则判定订单支付超时，需要缴费用户重新发起缴费指令；若是未超出时限，则判定订单支付完成，按照常规方式生成初始缴费完成信息，初始缴费完成信息中可包括支付结果、目标车牌、停车场名称、停留起止时刻、缴费金额等。

步骤S20，基于所述订单缴费指令获取到所述用户端对应的当次缴费特征，并根据所述当次缴费特征得到所述用户端的综合算力，其中，所述综合算力用于表征所述用户端对所述目标车牌对应的车辆敏感信息的控制权；

在本实施例中，当次缴费特征指的是缴费用户在本次缴费过程中的一些特征信息，具体可包括身份信息、缴费通道信息、缴费时长等的一项或是多项。综合算力用于表征该用户端对目标车牌的隐私控制权。

需要说明的是，综合算力这一概念的提出借鉴了区块链的技术手段。在区块链领域中，可通过区块链共识机制工作量证明(PoW，Proof of Work)实现竞争结果判定。在区块链网络中，一个节点算力超过51％，即拥有了该网络的控制权原理，是本实施例核心借鉴的技术手段。对于非车主而言，若其进行查询缴费，且其历史并未做过任何实质性的缴费动作，那么该非车主用户对于该车辆隐私数据的控制权很低，则不论该用户是否在物理半径内，均无法查出该车辆的核心敏感信息，从而避免了车辆敏感信息泄漏。

另外，在现有情况下，若是该车辆的行驶证信息泄漏，则该车辆会可能被其他人员进行先行绑定，而真实车主则无法再次绑定该车牌，需要进行人工申诉进行解绑，因此这一情况也会为真实车主带来极大困扰。而在本实施例中，即使该车辆已经被他人信息绑定，若是该用户对于该车主缴费的网络控制权超过了某一阈值，依然可继续进行费用缴纳，直至控制权超过了某一阈值，就可以重新赢得该车牌的隐私控制，而无需再进行人工申述来解绑。

步骤S30，在所述综合算力不满足预设算力标准时，将所述初始缴费完成信息进行脱敏处理得到脱敏缴费完成信息，并将所述脱敏缴费完成信息反馈至所述用户端，以响应所述订单缴费指令。

在本实施例中，预设算力标准指的是综合算力超出某一预设阈值，该阈值的取值不小于50％，具体可根据实际情况灵活设定，例如51％、60％、70％等。

具体地，服务器在计算出该用户端在本次缴费时对应的综合算力后，判断其是否超出预设阈值。若是超出，则说明该用户端具有对该目标车牌的隐私控制，大概率为真实车主，因此服务器可向其显示该目标车牌的车辆隐私信息；若是未超出，则说明该用户端并不具有对该目标车牌的隐私控制，很可能不是真实车主，服务器在响应订单缴费指令而向其返回支付反馈之前，需要对车辆敏感信息进行脱敏处理后再发送，以确保车辆敏感数据的保密性。

本实施例提供一种车辆敏感信息保护方法，所述车辆敏感信息保护方法通过用户发起缴费时，由于此时尚未明确该用户是否为真实车主，因此先提供给用户已经过脱敏处理的停车订单，以供用户进行缴费，至少能够避免用户直接获取到停车订单中的停车场名称；然后通过在用户缴费完成时获取当次缴费特征，并基于此确定出该用户的综合算力，以明确该用户对于该目标车牌对应车辆敏感信息的控制权；最后通过在用户当次缴费的总和算力不满足预设算力标准时，认为该用户的身份并非真实车主，因此依然需要对完成订单进行脱敏处理，保证了在出现非真实车主的可疑人员进行停车缴费时，全程都无法获取到明文形式的车辆敏感信息，从而有效保护了真实车主的车辆敏感信息，解决了现有的停车数据查询方式难以确保真实车主敏感信息的保密性的问题。

进一步地，基于上述图2所示的第一实施例，提出本发明车辆敏感信息保护方法的第二实施例。在本实施例中，步骤S20中基于所述订单缴费指令获取到所述用户端对应的当次缴费特征的步骤包括：

步骤S21，基于所述订单缴费指令识别所述用户端的当次身份信息，并确定所述用户端采用的当次缴费通道信息以及当次缴费时长，以将所述当次身份信息、当次缴费通道信息和当次缴费时长作为所述当次缴费特征。

在本实施例中，当次身份信息指的是本次缴费所使用的用户端对应的用户身份信息，具体可为设备ID(DeviceID)、微信平台下OpenID或UnionID，又或者是登录浏览器生成的CookieID等。缴费通道信息指的是用户在缴费时所采用的具体缴费通道信息，例如微信、支付宝等。当次缴费时长指的是完整缴纳一笔停车费用所需的时长。

在用户选择对该停车订单支付相应停车费用后，服务器会对应获取到此次缴费中该用户端的身份信息、所选用的缴费通道以及缴费所需时长，以作为当次缴费特征。

进一步地，步骤S20中根据所述当次缴费特征得到所述用户端的综合算力的步骤包括：

步骤S22，获取所述目标车牌对应的历史缴费记录，从所述历史缴费记录中提取出历史身份信息和历史缴费通道信息；

步骤S23，基于所述历史身份信息和历史缴费通道信息，得到所述当次身份信息和当次缴费通道信息在当次缴费中分别对应的身份因子算力和通道因子算力，并基于预设时长划分规则得到时长因子算力；

步骤S24，将所述身份因子算力、通道因子算力和时长因子算力进行加权求和，得到所述综合算力，其中，所述身份因子算力对应的权重高于所述通道因子算力和所述时长因子算力对应的权重。

在本实施例中，服务器会将历次的缴费记录与车牌号码关联保存。在需要对当前缴费的用户端计算综合算力时，就会调用对应车牌号码的历史缴费记录，从中获取到历史缴费特征，至少包括历史身份信息和历史缴费通道信息。服务器通过结合历史身份信息和当次身份信息计算得到当次缴费对应在目标车牌所有缴费记录中的身份因子算力；通过结合历史缴费通道信息和当次缴费通道信息计算得到当次缴费对应在目标车牌所有缴费记录中的通道因子算力；并通过预设的时长划分规则计算得到当次缴费对应在目标车牌所有缴费记录中的时长因子算力。最后，将这三类因子的算力按照预设的权重分配规则进行加权求和，得到最终的综合算力。权重分配规则可根据实际需求灵活设置，但必须保证身份因子算力的权重最高，例如，用M表示综合算力， X表示身份因子算力，Y表示通道因子算力，Z表示时长因子算力，则综合算力计算公式为：M＝X*80％+Y*10％+Z*10％。

之所以将身份因子算力的权重设置为最高，是因为缴费用户的身份ID是最重要的判别因子，通常同一个车主不会频繁更换用户设备来进行停车缴费，因此身份ID可作为身份判定的重要依据。

将通道因子作为判别依据之一是因为，一般而言，车主在习惯通过绑定后的微信或是支付宝账号来进行停车缴费后，再次缴费时换成其他通道进行缴费的概率会比较小；

而将时长因子也作为判别依据之一是因为，采用不同的缴费方式所需的缴费时长可能会有较大差别(例如扫描预付码和扫描通道码后所需的缴费时长差别较大)，而车主一旦习惯采用某一种缴费方式后，其每次进行缴费所需的时长就会固定在一区间内，不会发生太大的波动。而不同用户所习惯的缴费方式很可能不同，若是非车主用户对目标车牌的停车订单进行缴费，采用的是与真实车主不同的缴费方式，则缴费时长可能就出现较大差异。

作为一具体实施方式，该方式无需从历史缴费信息中获取到历史缴费时长，对于时长因子算力的计算方式，可以是将当次缴费时长与预设的时间区段进行比较，若是在该时间区段内，则将此时长因子算力记为满分；若是超出该时间区段，则每超出一预设时长，则扣一定分值。例如，若当次缴费时长在3分钟内，则记为100％，若当次缴费时长为3分30秒，则扣掉10％，记为90％，以此类推。

作为另一具体实施方式，需要从历史缴费信息中还获取到历史缴费时长。对于时长因子算力的计算方式，还可以是服务器中预存有与现有的不同缴费方式对应的多个时间区段，不同的时间区段对应不同编号。服务器在获取到当次缴费时长后，判断其落入哪一时间区段，或是离哪一时间区段最接近，则标记这一时间区段对应的编号，然后分析历史缴费时长所对应的编号，计算出当次对应的编号在所有编号中的出现频次，将此出现频次作为时长因子算力。

进一步地，步骤S23包括：

步骤S231，将所述历史身份信息和所述当次身份信息汇总为身份信息集合，统计所述当次身份信息在所述身份信息集合中的频次占比，以作为所述身份因子算力；

步骤S232，将所述历史缴费通道信息和所述当次缴费通道信息汇总为所述缴费通道信息集合，统计所述当次缴费通道信息在所述缴费通道信息集合中的频次占比，以作为所述通道因子算力。

在本实施例中，身份因子算力的计算方式为：计算当次的身份信息在身份信息集合中的频次占比，例如，该目标车牌对应有4次历史缴费记录，前3 次的身份信息均为第一身份ID，第4次缴费时的身份信息为第二身份ID，当前为第5次缴费，身份信息与前三次相同，依然为第一身份ID，则当次的身份信息在身份信息集合中的频次占比则为4/5，也即是80％。

通道因子算力的计算方式为：计算当次的缴费通道信息在通道信息集合中的频次占比，例如，该目标车牌对应有4次历史缴费记录，前2次采用的是微信支付通道，后两次采用支付宝支付通道，当前为第5次缴费，采用的是微信支付通道，则当次的缴费通道信息在缴费通道信息集合中的频次占比则为3/5，也即是60％。

而在用户为目标车牌在系统上第一次缴费成功时，显然第一次缴费时该用户对应的综合算力默认为100％；而在第二次缴费行为发生时，则根据上述计算公式对综合算力进行计算。

进一步地，基于上述图2所示的第一实施例，提出本发明车辆敏感信息保护方法的第三实施例。在本实施例中，步骤S30之前，还包括：

步骤A1，判断所述综合算力的百分比表征值是否超出51％；

步骤A2，若未超出51％，则判定所述综合算力不满足预设算力标准。

在本实施例中，算力标准具体为，综合算力的百分比表征值超出51％，才可判定本次进行缴费行为的用户具有车辆敏感信息的控制权。若是服务器检测到该百分比表征值未超出51％，则说明该缴费用户大概率不是真实车主，因此还不能向其明文显示出车辆敏感信息，以确保敏感信息的保密性。

进一步地，步骤A1的步骤之后，还包括：

步骤A3，若超出51％，则判定所述综合算力满足预设算力标准，将所述初始缴费完成信息作为目标缴费完成信息以反馈给所述用户端。

在本实施例中，若是服务器检测到该百分比表征值超出51％，则说明该缴费用户大概率为真实车主，则无需对敏感信息例如停车场名称进行脱敏，直接将未经处理的初始缴费完成信息作为目标缴费完成信息反馈给用户端，以便缴费用户对本次缴费的具体结果进行查看。

作为一具体实施例，如图3所示。在每次一缴费行为发生时，服务器都会识别缴费用户端的设备ID，识别所采用的缴费通道，以及完整缴纳一笔停车费用所需的时长，将其分别归集为目标车牌对应的设备ID集合、缴费通道信息集合以及缴费时长集合，然后基于此进行本次缴费的综合算力评估，也即是计算当次用户设备/通道/时长算力值与目标车牌对应的当前缴费总量的占比比较，得到一个最终的算力百分比，并判断这一百分比是否超出51％；若超出，则显示非脱敏信息给用户端；反之，则依旧为用户端显示脱敏信息。

进一步地，步骤S30中在所述综合算力不满足预设算力标准时，将所述初始缴费完成信息进行脱敏处理得到脱敏缴费完成信息的步骤包括：

步骤S31，在所述综合算力不满足预设算力标准时，将所述初始缴费完成信息中的停车场名称替换为预设的标准词，得到所述脱敏缴费完成信息。

在本实施例中，对敏感信息停车场名称的具体脱敏方式为，将实际的停车场名称用预设的不表示实际含义的标准词进行替换，替换之后就得到上述脱敏缴费完成信息，以保证敏感信息的数据安全性。

如图4所示，本发明还提供一种车辆敏感信息保护系统，所述车辆敏感信息保护系统包括：

初始订单生成模块10，用于在接收到用户端针对目标车牌所对应停车订单的订单缴费指令时，生成初始缴费完成信息，其中，所述停车订单中已对车辆敏感信息进行脱敏处理，所述车辆敏感信息至少包括停车场名称；

综合算力获取模块20，用于基于所述订单缴费指令获取到所述用户端对应的当次缴费特征，并根据所述当次缴费特征得到所述用户端的综合算力，其中，所述综合算力用于表征所述用户端对所述目标车牌对应的车辆敏感信息的控制权；

初始订单脱敏模块30，用于在所述综合算力不满足预设算力标准时，将所述初始缴费完成信息进行脱敏处理得到脱敏缴费完成信息，并将所述脱敏缴费完成信息反馈至所述用户端，以响应所述订单缴费指令。

可选地，所述综合算力获取模块20包括：

缴费特征获取单元，用于基于所述订单缴费指令识别所述用户端的当次身份信息，并确定所述用户端采用的当次缴费通道信息以及当次缴费时长，以将所述当次身份信息、当次缴费通道信息和当次缴费时长作为所述当次缴费特征。

可选地，所述综合算力获取模块20包括：

历史信息获取单元，用于获取所述目标车牌对应的历史缴费记录，从所述历史缴费记录中提取出历史身份信息和历史缴费通道信息；

因子算力获取单元，用于基于所述历史身份信息和历史缴费通道信息，得到所述当次身份信息和当次缴费通道信息在当次缴费中分别对应的身份因子算力和通道因子算力，并基于预设时长划分规则得到时长因子算力；

综合算力获取单元，用于将所述身份因子算力、通道因子算力和时长因子算力进行加权求和，得到所述综合算力，其中，所述身份因子算力对应的权重高于所述通道因子算力和所述时长因子算力对应的权重。

可选地，所述因子算力获取单元还用于：

将所述历史身份信息和所述当次身份信息汇总为身份信息集合，统计所述当次身份信息在所述身份信息集合中的频次占比，以作为所述身份因子算力；

将所述历史缴费通道信息和所述当次缴费通道信息汇总为所述缴费通道信息集合，统计所述当次缴费通道信息在所述缴费通道信息集合中的频次占比，以作为所述通道因子算力。

可选地，所述车辆敏感信息保护系统还包括：

综合算力判断模块，用于判断所述综合算力的百分比表征值是否超出 51％；

算力第一判定模块，用于若未超出51％，则判定所述综合算力不满足预设算力标准。

可选地，所述车辆敏感信息保护系统还包括：

算力第二判定模块，用于若超出51％，则判定所述综合算力满足预设算力标准，将所述初始缴费完成信息作为目标缴费完成信息以反馈给所述用户端。

可选地，所述初始订单脱敏模块30包括：

初始订单脱敏单元，用于在所述综合算力不满足预设算力标准时，将所述初始缴费完成信息中的停车场名称替换为预设的标准词，得到所述脱敏缴费完成信息。

本发明还提供一种车辆敏感信息保护设备。

所述车辆敏感信息保护设备包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的车辆敏感信息保护程序，其中所述车辆敏感信息保护程序被所述处理器执行时，实现如上所述的车辆敏感信息保护方法的步骤。

其中，所述车辆敏感信息保护程序被执行时所实现的方法可参照本发明车辆敏感信息保护方法的各个实施例，此处不再赘述。

本发明还提供一种计算机可读存储介质。

本发明计算机可读存储介质上存储有车辆敏感信息保护程序，所述车辆敏感信息保护程序被处理器执行时实现如上所述的车辆敏感信息保护方法的步骤。

其中，所述车辆敏感信息保护程序被执行时所实现的方法可参照本发明车辆敏感信息保护方法各个实施例，此处不再赘述。

本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述的车辆敏感信息保护方法的步骤。

其中，所述计算机程序被执行时所实现的方法可参照本发明车辆敏感信息保护方法各个实施例，此处不再赘述。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，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，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，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。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种车辆敏感信息保护方法，其特征在于，所述车辆敏感信息保护方法包括：

在接收到用户端针对目标车牌所对应停车订单的订单缴费指令时，生成初始缴费完成信息，其中，所述停车订单中已对车辆敏感信息进行脱敏处理，所述车辆敏感信息至少包括停车场名称；

基于所述订单缴费指令获取到所述用户端对应的当次缴费特征，并根据所述当次缴费特征得到所述用户端的综合算力，其中，所述综合算力用于表征所述用户端对所述目标车牌对应的车辆敏感信息的控制权；

在所述综合算力不满足预设算力标准时，将所述初始缴费完成信息进行脱敏处理得到脱敏缴费完成信息，并将所述脱敏缴费完成信息反馈至所述用户端，以响应所述订单缴费指令。

2.如权利要求1所述的车辆敏感信息保护方法，其特征在于，所述基于所述订单缴费指令获取到所述用户端对应的当次缴费特征的步骤包括：

基于所述订单缴费指令识别所述用户端的当次身份信息，并确定所述用户端采用的当次缴费通道信息以及当次缴费时长，以将所述当次身份信息、当次缴费通道信息和当次缴费时长作为所述当次缴费特征。

3.如权利要求2所述的车辆敏感信息保护方法，其特征在于，所述根据所述当次缴费特征得到所述用户端的综合算力的步骤包括：

获取所述目标车牌对应的历史缴费记录，从所述历史缴费记录中提取出历史身份信息和历史缴费通道信息；

基于所述历史身份信息和历史缴费通道信息，得到所述当次身份信息和当次缴费通道信息在当次缴费中分别对应的身份因子算力和通道因子算力，并基于预设时长划分规则得到时长因子算力；

将所述身份因子算力、通道因子算力和时长因子算力进行加权求和，得到所述综合算力，其中，所述身份因子算力对应的权重高于所述通道因子算力和所述时长因子算力对应的权重。

4.如权利要求3所述的车辆敏感信息保护方法，其特征在于，所述基于所述历史身份信息和历史缴费通道信息，得到所述当次身份信息和当次缴费通道信息在当次缴费中分别对应的身份因子算力和通道因子算力的步骤包括：

将所述历史身份信息和所述当次身份信息汇总为身份信息集合，统计所述当次身份信息在所述身份信息集合中的频次占比，以作为所述身份因子算力；

将所述历史缴费通道信息和所述当次缴费通道信息汇总为所述缴费通道信息集合，统计所述当次缴费通道信息在所述缴费通道信息集合中的频次占比，以作为所述通道因子算力。

5.如权利要求1所述的车辆敏感信息保护方法，其特征在于，所述在所述综合算力不满足预设算力标准时，将所述初始缴费完成信息进行脱敏处理的步骤之前，还包括：

判断所述综合算力的百分比表征值是否超出51％；

若未超出51％，则判定所述综合算力不满足预设算力标准。

6.如权利要求5所述的车辆敏感信息保护方法，其特征在于，所述判断所述综合算力的百分比表征值是否超出51％的步骤之后，还包括：

若超出51％，则判定所述综合算力满足预设算力标准，将所述初始缴费完成信息作为目标缴费完成信息以反馈给所述用户端。

7.如权利要求1-6任一项所述的车辆敏感信息保护方法，其特征在于，所述在所述综合算力不满足预设算力标准时，将所述初始缴费完成信息进行脱敏处理得到脱敏缴费完成信息的步骤包括：

在所述综合算力不满足预设算力标准时，将所述初始缴费完成信息中的停车场名称替换为预设的标准词，得到所述脱敏缴费完成信息。

8.一种车辆敏感信息保护系统，其特征在于，所述车辆敏感信息保护系统包括：

初始订单生成模块，用于在接收到用户端针对目标车牌所对应停车订单的订单缴费指令时，生成初始缴费完成信息，其中，所述停车订单中已对车辆敏感信息进行脱敏处理，所述车辆敏感信息至少包括停车场名称；

综合算力获取模块，用于基于所述订单缴费指令获取到所述用户端对应的当次缴费特征，并根据所述当次缴费特征得到所述用户端的综合算力，其中，所述综合算力用于表征所述用户端对所述目标车牌对应的车辆敏感信息的控制权；

初始订单脱敏模块，用于在所述综合算力不满足预设算力标准时，将所述初始缴费完成信息进行脱敏处理得到脱敏缴费完成信息，并将所述脱敏缴费完成信息反馈至所述用户端，以响应所述订单缴费指令。

9.一种车辆敏感信息保护设备，其特征在于，所述车辆敏感信息保护设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的车辆敏感信息保护程序，所述车辆敏感信息保护程序被所述处理器执行时实现如权利要求1至7中任一项所述的车辆敏感信息保护方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的车辆敏感信息保护方法的步骤。

Images