CN114036551A - 隐私数据的数据处理方法、装置、计算机设备及介质 - Google Patents
隐私数据的数据处理方法、装置、计算机设备及介质 Download PDFInfo
- Publication number
- CN114036551A CN114036551A CN202111236272.8A CN202111236272A CN114036551A CN 114036551 A CN114036551 A CN 114036551A CN 202111236272 A CN202111236272 A CN 202111236272A CN 114036551 A CN114036551 A CN 114036551A
- Authority
- CN
- China
- Prior art keywords
- algorithm
- instance
- common
- data processing
- participant
- 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
- 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
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Bioethics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Medical Informatics (AREA)
- Computer Hardware Design (AREA)
- Computer Security & Cryptography (AREA)
- Software Systems (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本发明公开了一种隐私数据的数据处理方法、装置、计算机设备及介质,包括:通过获取本地的环境参数和每个参与方的环境参数,获取本地注册算法实例列表,并向每个参与方发送注册算法实例列表的获取请求,在接收到每个参与方反馈的注册算法实例列表时,计算本地注册算法实例列表与所有接收到的注册算法实例列表的交集,并将得到的交集中的注册算法实例作为共有算法实例,基于每个共有算法实例对应的预设权重、本地的环境参数和每个参与方的环境参数,从所有共有算法实例中,筛选出目标算法实例,采用目标算法实例进行隐私数据的数据处理任务,采用本发明可以提高隐私数据的数据处理任务的效率。
Description
技术领域
本发明涉及数据处理领域,尤其涉及一种隐私数据的数据处理方法、装置、计算机设备及介质。
背景技术
在数据重要性日益凸显的今天,在保护用户数据隐私的情况下发挥其作用是国家统筹数据资源的一个重要前提。机构和个人对于数据隐私的敏感度越来越高,数据如何在保证隐私的前提下进行价值共享成为了人们最关注的问题,例如安全拍卖、安全选举、隐私数据比较等,如果无法解决,那么数据便会成为个人的收藏品,沉淀在每个机构或个人的本地数据库内,无法发挥出其应有的价值,而多方安全计算技术正是解决这个难题的一个重要技术。
多方安全计算(MPC:Secure Muti-Party Computation)是通过密码学的的手段进行密文的计算,再将计算结果返回给参与方。
在实现本发明过程中,发明人发现现有技术中至少存在如下问题:现有的这种解决方案采用的是固化算法,固然可以保护隐私数据并执行数据的计算,但针对隐私数据之间的数据处理,但是使用固化算法的话,某些场景,会存在其他效率更高的同类型算法,无法针对场景进行具体使用算法的选择,使得针对隐私数据的处理效率较低。
发明内容
本发明实施例提供一种隐私数据的数据处理方法、装置、计算机设备和存储介质,以提高隐私数据的数据处理效率。
为了解决上述技术问题,本申请实施例提供一种隐私数据的数据处理方法,包括:
获取本地的环境参数和每个参与方的环境参数;
获取本地注册算法实例列表,并向每个所述参与方发送注册算法实例列表的获取请求;
在接收到每个所述参与方反馈的注册算法实例列表时,计算本地注册算法实例列表与所有接收到的注册算法实例列表的交集,并将得到的交集中的注册算法实例作为共有算法实例;
基于每个所述共有算法实例对应的预设权重、所述本地的环境参数和每个所述参与方的环境参数,从所有所述共有算法实例中,筛选出目标算法实例,其中,所述预设权重为预先配置好的每个环境参数对应的权重信息;
采用所述目标算法实例进行隐私数据的数据处理任务。
可选地,所述环境参数包括带宽大小、数据集大小、数据内容的长度和硬件性能指标中的至少一项。
可选地,所述在接收到每个所述参与方反馈的注册算法实例列表时,计算本地注册算法实例列表与所有接收到的注册算法实例列表的交集包括:
获取所述数据处理任务的输入参数和输出参数;
从所述本地注册算法实例列表和所有所述接收到的注册算法实例列表中,获取输入参数与所述数据处理任务的输入参数相同,并且,输出参数与所述数据处理任务的输出参数相同的算法实例,作为有效算法实例;
筛选出所述本地注册算法实例列表和每个所述参与方反馈的注册算法实例列表均包含的有效算法实例,作为所述本地注册算法实例列表与所有接收到的注册算法实例列表的交集。
可选地,所述基于每个所述共有算法实例对应的预设权重、所述本地的环境参数和每个所述参与方的环境参数,从所有所述共有算法实例中,筛选出目标算法实例包括:
根据基于每个所述共有算法实例对应的预设权重、所述本地的环境参数和每个所述参与方的环境参数,对每个所述共有算法实例进行效率分值计算,得到每个所述共有算法实例对应的效率分值;
将分值最高的所述效率分值对应的共有算法实例,确定为所述目标算法实例。
可选地,所述根据基于每个所述共有算法实例对应的预设权重、所述本地的环境参数和每个所述参与方的环境参数,对每个所述共有算法实例进行效率分值计算,得到每个所述共有算法实例对应的效率分值包括:
针对每个所述共有算法实例,获取所述共有算法实例对应的预设效率评估模型;
针对每个所述共有算法实例,将所述根据基于每个所述共有算法实例对应的预设权重、所述本地的环境参数和每个所述参与方的环境参数输入到所述预设效率评估模型;
针对每个所述共有算法实例,采用所述预设效率评估模型进行效率计算,得到所述共有算法实例对应的效率分值。
为了解决上述技术问题,本申请实施例还提供一种隐私数据的数据处理装置,包括:
环境参数获取模块,用于获取本地的环境参数和每个参与方的环境参数;
注册算法实例获取模块,用于获取本地注册算法实例列表,并向每个所述参与方发送注册算法实例列表的获取请求;
共有算法实例确定模块,用于在接收到每个所述参与方反馈的注册算法实例列表时,计算本地注册算法实例列表与所有接收到的注册算法实例列表的交集,并将得到的交集中的注册算法实例作为共有算法实例;
目标算法实例筛选模块,用于基于每个所述共有算法实例对应的预设权重、所述本地的环境参数和每个所述参与方的环境参数,从所有所述共有算法实例中,筛选出目标算法实例,其中,所述预设权重为预先配置好的每个环境参数对应的权重信息;
数据处理任务执行模块,用于采用所述目标算法实例进行隐私数据的数据处理任务。
可选地,所述共有算法实例确定模块包括:
任务参数获取单元,用于获取所述数据处理任务的输入参数和输出参数;
有效算法实例确定单元,用于从所述本地注册算法实例列表和所有所述接收到的注册算法实例列表中,获取输入参数与所述数据处理任务的输入参数相同,并且,输出参数与所述数据处理任务的输出参数相同的算法实例,作为有效算法实例;
交集确定单元,用于筛选出所述本地注册算法实例列表和每个所述参与方反馈的注册算法实例列表均包含的有效算法实例,作为所述本地注册算法实例列表与所有接收到的注册算法实例列表的交集。
可选地,所述目标算法实例筛选模块包括:
效率分值计算单元,用于根据基于每个所述共有算法实例对应的预设权重、所述本地的环境参数和每个所述参与方的环境参数,对每个所述共有算法实例进行效率分值计算,得到每个所述共有算法实例对应的效率分值;
目标算法实例确定单元,用于将分值最高的所述效率分值对应的共有算法实例,确定为所述目标算法实例。
可选地,所述效率分值计算单元包括:
获取子单元,用于针对每个所述共有算法实例,获取所述共有算法实例对应的预设效率评估模型;
输入子单元,用于针对每个所述共有算法实例,将所述根据基于每个所述共有算法实例对应的预设权重、所述本地的环境参数和每个所述参与方的环境参数输入到所述预设效率评估模型;
计算子单元,用于针对每个所述共有算法实例,采用所述预设效率评估模型进行效率计算,得到所述共有算法实例对应的效率分值。
为了解决上述技术问题,本申请实施例还提供一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述隐私数据的数据处理方法的步骤。
为了解决上述技术问题,本申请实施例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存储有计算机程序,所述计算机程序被处理器执行时实现上述隐私数据的数据处理方法的步骤。
本发明实施例提供的隐私数据的数据处理方法、装置、计算机设备及存储介质,通过通过获取本地的环境参数和每个参与方的环境参数,获取本地注册算法实例列表,并向每个参与方发送注册算法实例列表的获取请求,在接收到每个参与方反馈的注册算法实例列表时,计算本地注册算法实例列表与所有接收到的注册算法实例列表的交集,并将得到的交集中的注册算法实例作为共有算法实例,基于每个共有算法实例对应的预设权重、本地的环境参数和每个参与方的环境参数,从所有共有算法实例中,筛选出目标算法实例,其中,预设权重为预先配置好的每个环境参数对应的权重信息,采用目标算法实例进行隐私数据的数据处理任务,实现自动选择当前环境下效率最高的算法实例进行数据处理,提高隐私数据的数据处理任务的效率。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例的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性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请可以应用于其中的示例性系统架构图;
图2是本申请的隐私数据的数据处理方法的一个实施例的流程图;
图3是根据本申请的隐私数据的数据处理装置的一个实施例的结构示意图;
图4是根据本申请的计算机设备的一个实施例的结构示意图。
具体实施方式
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同;本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请;本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
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、完整地描述,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。
请参阅图1,如图1所示,图1为本场景的应用场景示意图(待后续补充)。
请参阅图2,图2示出本发明实施例提供的一种隐私数据的数据处理方法,以该方法应用在图1中的服务端为例进行说明,详述如下:
S201:获取本地的环境参数和每个参与方的环境参数。
可选地,环境参数包括带宽大小、数据集大小、数据内容的长度和硬件性能指标中的至少一项。
本实施例中,考虑到多方计算涉及到数据的传输和计算,因而,需要考虑带宽大小(影响传输速度)、数据集大小(影响传输速度和计算速度)、数据内容的长度(影响计算速度)和硬件性能指标(影响计算速度)等,采用不同的计算方式,也即不同的算法实例,其需求的数据集大小、数据内容的长度不同,例如,对发起方数据和一个参与方的数据进行多方安全计算,发起方的带宽20M,采用算法实例A,其需要传输的数据大小为300M,本地计算的时间为20秒,采用算法实例B,其需要传输的数据大小为100M,本地计算的时间为30秒。
S202:获取本地注册算法实例列表,并向每个参与方发送注册算法实例列表的获取请求。
具体地,参与方与发起方均配置有算法控制器,算法控制器具体是指持有同一类算法的一系列算法实例的集合,通过算法控制器对外提供接口,进行信息交互,每一方算法控制器中包含的算法实例不尽相同。
S203:在接收到每个参与方反馈的注册算法实例列表时,计算本地注册算法实例列表与所有接收到的注册算法实例列表的交集,并将得到的交集中的注册算法实例作为共有算法实例。
具体地,在接收到每个参与方反馈的注册算法实例列表时,发起方通过对接收到的注册算法实例列表的每个算法实例进行验证和筛选,获取每个参与方均包含的可用算法实例,作为共有算法实例。
S204:基于每个共有算法实例对应的预设权重、本地的环境参数和每个参与方的环境参数,从所有共有算法实例中,筛选出目标算法实例,其中,预设权重为预先配置好的每个环境参数对应的权重信息。
具体筛选目标算法实例的方式,可参考后续实施例的描述,为避免重复,此处不再赘述。
S205:采用目标算法实例进行隐私数据的数据处理任务。
本实施例中,通过获取本地的环境参数和每个参与方的环境参数,获取本地注册算法实例列表,并向每个参与方发送注册算法实例列表的获取请求,在接收到每个参与方反馈的注册算法实例列表时,计算本地注册算法实例列表与所有接收到的注册算法实例列表的交集,并将得到的交集中的注册算法实例作为共有算法实例,基于每个共有算法实例对应的预设权重、本地的环境参数和每个参与方的环境参数,从所有共有算法实例中,筛选出目标算法实例,其中,预设权重为预先配置好的每个环境参数对应的权重信息,采用目标算法实例进行隐私数据的数据处理任务,实现自动选择当前环境下效率最高的算法实例进行数据处理,提高隐私数据的数据处理任务的效率。
在一具体可选实施方式中,步骤S203中,在接收到每个参与方反馈的注册算法实例列表时,计算本地注册算法实例列表与所有接收到的注册算法实例列表的交集包括:
获取数据处理任务的输入参数和输出参数;
从本地注册算法实例列表和所有接收到的注册算法实例列表中,获取输入参数与数据处理任务的输入参数相同,并且,输出参数与数据处理任务的输出参数相同的算法实例,作为有效算法实例;
筛选出本地注册算法实例列表和每个参与方反馈的注册算法实例列表均包含的有效算法实例,作为本地注册算法实例列表与所有接收到的注册算法实例列表的交集。
在一具体可选实施方式中,步骤S204中,基于每个共有算法实例对应的预设权重、本地的环境参数和每个参与方的环境参数,从所有共有算法实例中,筛选出目标算法实例包括:
根据基于每个共有算法实例对应的预设权重、本地的环境参数和每个参与方的环境参数,对每个共有算法实例进行效率分值计算,得到每个共有算法实例对应的效率分值;
将分值最高的效率分值对应的共有算法实例,确定为目标算法实例。
其中,预设权重可以是针对每个环境参数,通过多次测试,根据测试结果进行赋值。
在一具体可选实施方式中,根据基于每个共有算法实例对应的预设权重、本地的环境参数和每个参与方的环境参数,对每个共有算法实例进行效率分值计算,得到每个共有算法实例对应的效率分值包括:
针对每个共有算法实例,获取共有算法实例对应的预设效率评估模型;
针对每个共有算法实例,将根据基于每个共有算法实例对应的预设权重、本地的环境参数和每个参与方的环境参数输入到预设效率评估模型;
针对每个共有算法实例,采用预设效率评估模型进行效率计算,得到共有算法实例对应的效率分值。
其中,预设效率评估模型可以根据实际需要进行预先设定,具体可以是公式或者机器学习模型。例如,针对每个环境参数,通过多次测试的测试结果,赋予该环境参数预设权重,再基于预设权重对参与方相对应的环境参数进行加权,并对每个加权后的环境参数进行求和,得到效率分值。
需要说明的是,每个注册算法实例均对应一个预设效率评估模型,不同注册算法实例对应的预设效率评估模型可以相同,也可以不同,以实际应用需求进行设定,此处不做限制。
本实施例中,通过每个共有算法实例对应的预设效率评估模型对该共有算法实例在当前环境下的效率进行计算评估,得到该共有算法实例在当前环境下的效率分值,有利于后续快速精准地进行目标算法实例的选取。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
图3示出与上述实施例隐私数据的数据处理方法一一对应的隐私数据的数据处理装置的原理框图。如图3所示,该隐私数据的数据处理装置包括环境参数获取模块31、注册算法实例获取模块32、共有算法实例确定模块33、目标算法实例筛选模块34和数据处理任务执行模块35。各功能模块详细说明如下:
环境参数获取模块31,用于获取本地的环境参数和每个参与方的环境参数;
注册算法实例获取模块32,用于获取本地注册算法实例列表,并向每个参与方发送注册算法实例列表的获取请求;
共有算法实例确定模块33,用于在接收到每个参与方反馈的注册算法实例列表时,计算本地注册算法实例列表与所有接收到的注册算法实例列表的交集,并将得到的交集中的注册算法实例作为共有算法实例;
目标算法实例筛选模块34,用于基于每个共有算法实例对应的预设权重、本地的环境参数和每个参与方的环境参数,从所有共有算法实例中,筛选出目标算法实例,其中,预设权重为预先配置好的每个环境参数对应的权重信息;
数据处理任务执行模块35,用于采用目标算法实例进行隐私数据的数据处理任务。
可选地,共有算法实例确定模块33包括:
任务参数获取单元,用于获取数据处理任务的输入参数和输出参数;
有效算法实例确定单元,用于从本地注册算法实例列表和所有接收到的注册算法实例列表中,获取输入参数与数据处理任务的输入参数相同,并且,输出参数与数据处理任务的输出参数相同的算法实例,作为有效算法实例;
交集确定单元,用于筛选出本地注册算法实例列表和每个参与方反馈的注册算法实例列表均包含的有效算法实例,作为本地注册算法实例列表与所有接收到的注册算法实例列表的交集。
可选地,目标算法实例筛选模块34包括:
效率分值计算单元,用于根据基于每个共有算法实例对应的预设权重、本地的环境参数和每个参与方的环境参数,对每个共有算法实例进行效率分值计算,得到每个共有算法实例对应的效率分值;
目标算法实例确定单元,用于将分值最高的效率分值对应的共有算法实例,确定为目标算法实例。
可选地,效率分值计算单元包括:
获取子单元,用于针对每个共有算法实例,获取共有算法实例对应的预设效率评估模型;
输入子单元,用于针对每个共有算法实例,将根据基于每个共有算法实例对应的预设权重、本地的环境参数和每个参与方的环境参数输入到预设效率评估模型;
计算子单元,用于针对每个共有算法实例,采用预设效率评估模型进行效率计算,得到共有算法实例对应的效率分值。
关于隐私数据的数据处理装置的具体限定可以参见上文中对于隐私数据的数据处理方法的限定,在此不再赘述。上述隐私数据的数据处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
为解决上述技术问题,本申请实施例还提供计算机设备。具体请参阅图4,图4为本实施例计算机设备基本结构框图。
所述计算机设备4包括通过系统总线相互通信连接存储器41、处理器42、网络接口43。需要指出的是,图中仅示出了具有组件连接存储器41、处理器42、网络接口43的计算机设备4,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。其中,本技术领域技术人员可以理解,这里的计算机设备是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程门阵列(Field-Programmable Gate Array,FPGA)、数字处理器(Digital Signal Processor,DSP)、嵌入式设备等。
所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
所述存储器41至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或D界面显示存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,所述存储器41可以是所述计算机设备4的内部存储单元,例如该计算机设备4的硬盘或内存。在另一些实施例中,所述存储器41也可以是所述计算机设备4的外部存储设备,例如该计算机设备4上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。当然,所述存储器41还可以既包括所述计算机设备4的内部存储单元也包括其外部存储设备。本实施例中,所述存储器41通常用于存储安装于所述计算机设备4的操作系统和各类应用软件,例如电子文件的控制的程序代码等。此外,所述存储器41还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器42在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器42通常用于控制所述计算机设备4的总体操作。本实施例中,所述处理器42用于运行所述存储器41中存储的程序代码或者处理数据,例如运行电子文件的控制的程序代码。
所述网络接口43可包括无线网络接口或有线网络接口,该网络接口43通常用于在所述计算机设备4与其他电子设备之间建立通信连接。
本申请还提供了另一种实施方式,即提供一种计算机可读存储介质,所述计算机可读存储介质存储有界面显示程序,所述界面显示程序可被至少一个处理器执行,以使所述至少一个处理器执行如上述的隐私数据的数据处理方法的步骤。
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,本申请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,空调器,或者网络设备等)执行本申请各个实施例所述的方法。
显然,以上所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例,附图中给出了本申请的较佳实施例,但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现,相反地,提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明,对于本领域的技术人员来而言,其依然可以对前述各具体实施方式所记载的技术方案进行修改,或者对其中部分技术特征进行等效替换。凡是利用本申请说明书及附图内容所做的等效结构,直接或间接运用在其他相关的技术领域,均同理在本申请专利保护范围之内。
Claims (10)
1.一种隐私数据的数据处理方法,其特征在于,包括发起方服务器执行的如下步骤:
获取本地的环境参数和每个参与方的环境参数;
获取本地注册算法实例列表,并向每个所述参与方发送注册算法实例列表的获取请求;
在接收到每个所述参与方反馈的注册算法实例列表时,计算本地注册算法实例列表与所有接收到的注册算法实例列表的交集,并将得到的交集中的注册算法实例作为共有算法实例;
基于每个所述共有算法实例对应的预设权重、所述本地的环境参数和每个所述参与方的环境参数,从所有所述共有算法实例中,筛选出目标算法实例,其中,所述预设权重为预先配置好的每个环境参数对应的权重信息;
采用所述目标算法实例进行隐私数据的数据处理任务。
2.如权利要求1所述的隐私数据的数据处理方法,其特征在于,所述环境参数包括带宽大小、数据集大小、数据内容的长度和硬件性能指标中的至少一项。
3.如权利要求1所述的隐私数据的数据处理方法,其特征在于,所述在接收到每个所述参与方反馈的注册算法实例列表时,计算本地注册算法实例列表与所有接收到的注册算法实例列表的交集包括:
获取所述数据处理任务的输入参数和输出参数;
从所述本地注册算法实例列表和所有所述接收到的注册算法实例列表中,获取输入参数与所述数据处理任务的输入参数相同,并且,输出参数与所述数据处理任务的输出参数相同的算法实例,作为有效算法实例;
筛选出所述本地注册算法实例列表和每个所述参与方反馈的注册算法实例列表均包含的有效算法实例,作为所述本地注册算法实例列表与所有接收到的注册算法实例列表的交集。
4.如权利要求1至3任一项所述的隐私数据的数据处理方法,其特征在于,所述基于每个所述共有算法实例对应的预设权重、所述本地的环境参数和每个所述参与方的环境参数,从所有所述共有算法实例中,筛选出目标算法实例包括:
根据基于每个所述共有算法实例对应的预设权重、所述本地的环境参数和每个所述参与方的环境参数,对每个所述共有算法实例进行效率分值计算,得到每个所述共有算法实例对应的效率分值;
将分值最高的所述效率分值对应的共有算法实例,确定为所述目标算法实例。
5.如权利要求4所述的隐私数据的数据处理方法,其特征在于,所述根据基于每个所述共有算法实例对应的预设权重、所述本地的环境参数和每个所述参与方的环境参数,对每个所述共有算法实例进行效率分值计算,得到每个所述共有算法实例对应的效率分值包括:
针对每个所述共有算法实例,获取所述共有算法实例对应的预设效率评估模型;
针对每个所述共有算法实例,将所述根据基于每个所述共有算法实例对应的预设权重、所述本地的环境参数和每个所述参与方的环境参数输入到所述预设效率评估模型;
针对每个所述共有算法实例,采用所述预设效率评估模型进行效率计算,得到所述共有算法实例对应的效率分值。
6.一种隐私数据的数据处理装置,其特征在于,所述隐私数据的数据处理装置包括:
环境参数获取模块,用于获取本地的环境参数和每个参与方的环境参数;
注册算法实例获取模块,用于获取本地注册算法实例列表,并向每个所述参与方发送注册算法实例列表的获取请求;
共有算法实例确定模块,用于在接收到每个所述参与方反馈的注册算法实例列表时,计算本地注册算法实例列表与所有接收到的注册算法实例列表的交集,并将得到的交集中的注册算法实例作为共有算法实例;
目标算法实例筛选模块,用于基于每个所述共有算法实例对应的预设权重、所述本地的环境参数和每个所述参与方的环境参数,从所有所述共有算法实例中,筛选出目标算法实例,其中,所述预设权重为预先配置好的每个环境参数对应的权重信息;
数据处理任务执行模块,用于采用所述目标算法实例进行隐私数据的数据处理任务。
7.如权利要求6所述的隐私数据的数据处理方法,其特征在于,所述共有算法实例确定模块包括:
任务参数获取单元,用于获取所述数据处理任务的输入参数和输出参数;
有效算法实例确定单元,用于从所述本地注册算法实例列表和所有所述接收到的注册算法实例列表中,获取输入参数与所述数据处理任务的输入参数相同,并且,输出参数与所述数据处理任务的输出参数相同的算法实例,作为有效算法实例;
交集确定单元,用于筛选出所述本地注册算法实例列表和每个所述参与方反馈的注册算法实例列表均包含的有效算法实例,作为所述本地注册算法实例列表与所有接收到的注册算法实例列表的交集。
8.如权利要求6所述的隐私数据的数据处理方法,其特征在于,所述目标算法实例筛选模块包括:
效率分值计算单元,用于根据基于每个所述共有算法实例对应的预设权重、所述本地的环境参数和每个所述参与方的环境参数,对每个所述共有算法实例进行效率分值计算,得到每个所述共有算法实例对应的效率分值;
目标算法实例确定单元,用于将分值最高的所述效率分值对应的共有算法实例,确定为所述目标算法实例。
9.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述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计算机程序时实现如权利要求1至5任一项所述的隐私数据的数据处理方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至5任一项所述的隐私数据的数据处理方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111236272.8A CN114036551A (zh) | 2021-10-22 | 2021-10-22 | 隐私数据的数据处理方法、装置、计算机设备及介质 |
PCT/CN2022/125980 WO2023066258A1 (zh) | 2021-10-22 | 2022-10-18 | 隐私数据的数据处理方法、装置、计算机设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111236272.8A CN114036551A (zh) | 2021-10-22 | 2021-10-22 | 隐私数据的数据处理方法、装置、计算机设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114036551A true CN114036551A (zh) | 2022-02-11 |
Family
ID=80141737
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111236272.8A Pending CN114036551A (zh) | 2021-10-22 | 2021-10-22 | 隐私数据的数据处理方法、装置、计算机设备及介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN114036551A (zh) |
WO (1) | WO2023066258A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023066258A1 (zh) * | 2021-10-22 | 2023-04-27 | 杭州趣链科技有限公司 | 隐私数据的数据处理方法、装置、计算机设备及介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2722538C1 (ru) * | 2019-12-13 | 2020-06-01 | Общество С Ограниченной Ответственностью "Убик" | Компьютерно-реализуемый способ обработки информации об объектах, с использованием методов совместных вычислений и методов анализа данных |
CN111597586B (zh) * | 2020-05-26 | 2023-06-09 | 牛津(海南)区块链研究院有限公司 | 一种区块链隐私保护方法、系统及装置 |
CN113094744A (zh) * | 2021-03-29 | 2021-07-09 | 华控清交信息科技(北京)有限公司 | 信息处理方法、服务平台、用于信息处理的装置和多方安全计算系统 |
CN113111369B (zh) * | 2021-04-28 | 2022-08-12 | 杭州锘崴信息科技有限公司 | 一种数据标注中的数据保护方法及系统 |
CN114036551A (zh) * | 2021-10-22 | 2022-02-11 | 杭州趣链科技有限公司 | 隐私数据的数据处理方法、装置、计算机设备及介质 |
-
2021
- 2021-10-22 CN CN202111236272.8A patent/CN114036551A/zh active Pending
-
2022
- 2022-10-18 WO PCT/CN2022/125980 patent/WO2023066258A1/zh unknown
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023066258A1 (zh) * | 2021-10-22 | 2023-04-27 | 杭州趣链科技有限公司 | 隐私数据的数据处理方法、装置、计算机设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2023066258A1 (zh) | 2023-04-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109246027B (zh) | 一种网络维护的方法、装置和终端设备 | |
US11184314B2 (en) | Method and apparatus for prompting message reading state, and electronic device | |
CN109040970B (zh) | 基于云计算的业务规划办理方法及终端设备 | |
CN114095567B (zh) | 数据访问请求的处理方法、装置、计算机设备及介质 | |
CN112631910A (zh) | 前端测试方法、装置、计算机设备及存储介质 | |
CN113708930A (zh) | 隐私数据的数据比较方法、装置、设备及介质 | |
CN113766487B (zh) | 云手机信息获取方法、装置、设备和介质 | |
CN110990233A (zh) | 一种利用甘特图展示soar的方法和系统 | |
CN108491304B (zh) | 电子装置、业务系统风险控制方法及存储介质 | |
CN114070583A (zh) | 信息访问控制方法、装置、计算机设备及介质 | |
CN113986564A (zh) | 应用数据的流量监控方法、装置、计算机设备及介质 | |
CN113242275A (zh) | 一种云手机控制方法及设备 | |
CN112463422A (zh) | 物联网故障运维方法、装置、计算机设备及存储介质 | |
CN112631911A (zh) | 自动化测试方法、装置、计算机设备及存储介质 | |
CN114036551A (zh) | 隐私数据的数据处理方法、装置、计算机设备及介质 | |
CN113242301B (zh) | 真实服务器的选定方法、装置、计算机设备及存储介质 | |
CN111224865B (zh) | 基于付费会话的用户识别方法、电子装置及存储介质 | |
CN112801145A (zh) | 安全监测方法、装置、计算机设备及存储介质 | |
CN114092268A (zh) | 用户社群检测方法、装置、计算机设备及存储介质 | |
CN111859356B (zh) | 应用程序登录方法及装置 | |
CN106878761A (zh) | 直播互动方法、装置及服务器 | |
CN113691937A (zh) | 用于确定位置信息的方法、云手机和终端设备 | |
CN113239396A (zh) | 数据访问系统、方法、装置、计算机设备及介质 | |
CN107644043B (zh) | 网银快捷导航设置方法及系统 | |
CN106603604A (zh) | 触发事务处理动作的方法及装置 |
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 |