CN114417405B - 一种基于人工智能的隐私业务数据分析方法及服务器 - Google Patents
一种基于人工智能的隐私业务数据分析方法及服务器 Download PDFInfo
- Publication number
- CN114417405B CN114417405B CN202210025966.5A CN202210025966A CN114417405B CN 114417405 B CN114417405 B CN 114417405B CN 202210025966 A CN202210025966 A CN 202210025966A CN 114417405 B CN114417405 B CN 114417405B
- Authority
- CN
- China
- Prior art keywords
- privacy
- item
- visual element
- privacy item
- pairing
- 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.)
- Active
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
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)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供一种基于人工智能的隐私业务数据分析方法及服务器，结合第一活动描述和参考活动描述之间的量化共性指数，以及不少于一个第一隐私项目要素和不少于一个参考隐私项目要素的配对情况，确定参考隐私项目与待进行分析的隐私项目的差异性解析情况，能够提高差异性解析情况的准确度及可信度。基于此，能够通过差异性解析情况对待进行分析的隐私项目进行针对性的隐私防护处理。
Description
技术领域
本发明涉及人工智能及数据处理，尤其涉及一种基于人工智能的隐私业务数据分析方法及服务器。
背景技术
当前，AI在社会上无处不在，正在颠覆各行各业，包括自动驾驶、人脸识别、语音识别、专家系统、信息挖掘等。即便如此，人工智能技术与上述领域结合的过程中的安全性问题一直是各界关注的重点。伴随人工智能及大数据的不断发展，数据处理过程中也凸显出越来越多的安全性问题。现目前较为关注的安全性问题之一便是用户隐私，大数据智能不应被滥用为“大数据透明”，为此，针对用户的隐私数据防护是当下的工作重点。
发明内容
本发明提供一种基于人工智能的隐私业务数据分析方法及服务器，为实现上述技术目的，本申请采用如下技术方案。
第一方面是一种基于人工智能的隐私业务数据分析方法，应用于数据处理服务器，所述方法至少包括：
分别确定第一云业务交互记录、参考隐私项目的参考活动描述以及所述参考隐私项目的不少于一个参考隐私项目要素；其中，所述第一云业务交互记录包括待进行分析的隐私项目；对所述第一云业务交互记录进行活动描述挖掘操作，得到所述待进行分析的隐私项目的第一活动描述；
获得所述待进行分析的隐私项目的不少于一个第一隐私项目要素；通过所述第一活动描述和所述参考活动描述之间的量化共性指数、以及所述不少于一个第一隐私项目要素和所述不少于一个参考隐私项目要素的配对情况，得到所述待进行分析的隐私项目与所述参考隐私项目的差异性解析情况。
在一种可能的实施例中，所述通过所述第一活动描述和所述参考活动描述之间的量化共性指数、以及所述不少于一个第一隐私项目要素和所述不少于一个参考隐私项目要素的配对情况，得到所述待进行分析的隐私项目与所述参考隐私项目的差异性解析情况，包括：在所述第一活动描述和所述参考活动描述之间的量化共性指数大于第一量化共性指数判定值的基础上，结合所述不少于一个第一隐私项目要素和所述不少于一个参考隐私项目要素，得到所述待进行分析的隐私项目与所述参考隐私项目的差异性解析情况；
其中，在所述不少于一个第一隐私项目要素包含所述待进行分析的隐私项目的第一项目主题信息，且所述不少于一个参考隐私项目要素包含所述参考隐私项目的参考项目主题信息的基础上，所述结合所述不少于一个第一隐私项目要素和所述不少于一个参考隐私项目要素，得到所述待进行分析的隐私项目与所述参考隐私项目的差异性解析情况，包括：在所述第一项目主题信息与所述参考项目主题信息配对的基础上，确定所述差异性解析情况包含所述待进行分析的隐私项目与所述参考隐私项目一致；在所述第一项目主题信息与所述参考项目主题信息不配对的基础上，确定所述差异性解析情况包含所述待进行分析的隐私项目与所述参考隐私项目不一致；
其中，所述不少于一个第一隐私项目要素包含所述待进行分析的隐私项目的第一项目主题信息和所述待进行分析的隐私项目的不少于一个第一可视化要素，所述不少于一个参考隐私项目要素包含所述参考隐私项目的参考项目主题信息和所述参考隐私项目的不少于一个参考可视化要素；
所述结合所述不少于一个第一隐私项目要素和所述不少于一个参考隐私项目要素，得到所述待进行分析的隐私项目与所述参考隐私项目的差异性解析情况，包括：在所述第一项目主题信息与所述参考项目主题信息配对的基础上，结合所述不少于一个第一可视化要素和所述不少于一个参考可视化要素，得到所述待进行分析的隐私项目与所述参考隐私项目的差异性解析情况。
在一种可能的实施例中，所述不少于一个参考隐私项目要素包含所述参考隐私项目的不少于一个参考可视化要素；
所述在所述第一活动描述和所述参考活动描述之间的量化共性指数大于第一量化共性指数判定值的基础上之后，所述获得所述待进行分析的隐私项目的不少于一个隐私项目要素，包括：在没有解析出所述待进行分析的隐私项目的第一项目主题信息的基础上，对所述第一云业务交互记录进行可视化要素挖掘处理，得到所述待进行分析的隐私项目的不少于一个第一可视化要素；
所述结合所述不少于一个第一隐私项目要素和所述不少于一个参考隐私项目要素，得到所述待进行分析的隐私项目与所述参考隐私项目的差异性解析情况，包括：结合所述不少于一个第一可视化要素和所述不少于一个参考可视化要素，得到所述待进行分析的隐私项目与所述参考隐私项目的差异性解析情况；其中，结合所述不少于一个第一可视化要素和所述不少于一个参考可视化要素，得到所述待进行分析的隐私项目与所述参考隐私项目的差异性解析情况，包括：确定所述不少于一个第一可视化要素和所述不少于一个参考可视化要素是否配对，得到第一配对情况；在所述第一配对情况包含所述不少于一个第一可视化要素和所述不少于一个参考可视化要素配对的基础上，确定所述差异性解析情况包含所述待进行分析的隐私项目与所述参考隐私项目一致；在所述第一配对情况包含所述不少于一个第一可视化要素和所述不少于一个参考可视化要素不配对的基础上，确定所述差异性解析情况包含所述待进行分析的隐私项目与所述参考隐私项目不一致。
在一种可能的实施例中，所述不少于一个第一可视化要素和所述不少于一个参考可视化要素皆携带重要程度系数；
所述确定所述不少于一个第一可视化要素和所述不少于一个参考可视化要素是否配对，得到第一配对情况之前，所述方法还包括：获得第二量化共性指数判定值，所述第二量化共性指数判定值大于所述第一量化共性指数判定值；
所述确定所述不少于一个第一可视化要素和所述不少于一个参考可视化要素是否配对，得到第一配对情况，包括：在所述第一活动描述和所述参考活动描述之间的量化共性指数大于所述第二量化共性指数判定值，且所述不少于一个第一可视化要素和所述不少于一个参考可视化要素符合第一配对要求或第二配对要求的基础上，确定所述第一配对情况包含所述不少于一个第一可视化要素与所述不少于一个参考可视化要素配对；在所述第一活动描述和所述参考活动描述之间的量化共性指数大于所述第二量化共性指数判定值，且所述不少于一个第一可视化要素和所述不少于一个参考可视化要素不符合所述第一配对要求和所述第二配对要求的基础上，确定所述第一配对情况包含所述不少于一个第一可视化要素与所述不少于一个参考可视化要素不配对；
所述第一配对要求包括：所述不少于一个第一可视化要素和所述不少于一个参考可视化要素中不存在反映相同可视化要素，且重要程度系数大于重要程度系数判定值的可视化要素；
所述第二配对要求包括：所述不少于一个第一可视化要素中的第二可视化要素与所述不少于一个参考可视化要素中的第三可视化要素一致，所述第二可视化要素和所述第三可视化要素反映相同可视化要素，且所述第二可视化要素的重要程度系数和所述第三可视化要素的重要程度系数皆大于所述重要程度系数判定值。
在一种可能的实施例中，在所述第一活动描述和所述参考活动描述之间的量化共性指数不大于所述第二量化共性指数判定值的基础上，所述方法还包括：
在所述不少于一个第一可视化要素和所述不少于一个参考可视化要素中不存在反映相同可视化要素，且重要程度系数大于所述重要程度系数判定值的可视化要素的基础上，确定所述第一配对情况包含所述不少于一个第一可视化要素与所述不少于一个参考可视化要素不配对；
确定所述不少于一个第一可视化要素中的第四可视化要素和所述不少于一个参考可视化要素中的第五可视化要素是否配对，得到第二配对情况，所述第四可视化要素的重要程度系数和所述第五可视化要素的重要程度系数皆大于所述重要程度系数判定值，且所述第四可视化要素与所述第五可视化要素反映相同可视化要素；
在所述第二配对情况包含所述第四可视化要素和所述第五可视化要素配对的基础上，确定所述第一配对情况包含所述不少于一个第一可视化要素与所述不少于一个参考可视化要素配对；
在所述第二配对情况包含所述第四可视化要素和所述第五可视化要素不配对的基础上，确定所述第一配对情况包含所述不少于一个第一可视化要素与所述不少于一个参考可视化要素不配对。
在一种可能的实施例中，所述确定所述不少于一个第一可视化要素中的第四可视化要素和所述不少于一个参考可视化要素中的第五可视化要素是否配对，得到第二配对情况，包括：
在所述第四可视化要素和所述第五可视化要素一致的基础上，确定所述第二配对情况包含所述第四可视化要素和所述第五可视化要素配对；
在所述第四可视化要素和所述第五可视化要素不一致的基础上，确定所述第二配对情况包含所述第四可视化要素和所述第五可视化要素不配对。
在一种可能的实施例中，所述确定所述不少于一个第一可视化要素中的第四可视化要素和所述不少于一个参考可视化要素中的第五可视化要素是否配对，得到第二配对情况，包括：
在所述第四可视化要素和所述第五可视化要素分别反映第一个体用户画像和第二个体用户画像的基础上，获得所述第一个体用户画像和所述第二个体用户画像的个体用户画像配对列表；
在结合所述个体用户画像配对列表确定所述第一个体用户画像和所述第二个体用户画像不配对的基础上，确定所述第二配对情况包含所述第四可视化要素和所述第五可视化要素不配对；
在结合所述个体用户画像配对列表确定所述第一个体用户画像和所述第二个体用户画像配对的基础上，确定所述第二配对情况包含所述第四可视化要素和所述第五可视化要素配对。
在一种可能的实施例中，所述通过所述第一活动描述和所述参考活动描述之间的量化共性指数、以及所述不少于一个第一隐私项目要素和所述不少于一个参考隐私项目要素的配对情况，得到所述待进行分析的隐私项目与所述参考隐私项目的差异性解析情况，包括：在所述不少于一个第一隐私项目要素和所述不少于一个参考隐私项目要素配对的基础上，结合所述第一活动描述和所述参考活动描述之间的量化共性指数，得到所述待进行分析的隐私项目与所述参考隐私项目的差异性解析情况。
在一种可能的实施例中，所述确定第一云业务交互记录，包括：获得目标业务检测线程爬取到的所述第一云业务交互记录，所述目标业务检测线程设置在目标业务场景；
所述获得参考隐私项目的参考活动描述，包括：获得存在持续定位需求的隐私项目信息集，所述存在持续定位需求的隐私项目信息集包括不少于一个存在持续定位需求的隐私项目的活动描述，所述不少于一个存在持续定位需求的隐私项目包括需持续性地定位于所述目标业务场景的用户操作日志的隐私项目，且所述参考隐私项目为所述不少于一个存在持续定位需求的隐私项目中的其中一个隐私项目；在获得所述目标业务检测线程爬取到的所述第一云业务交互记录的基础上，从所述存在持续定位需求的隐私项目信息集获得一个活动描述作为所述参考活动描述。
第二方面是一种数据处理服务器，包括存储器和处理器；所述存储器和所述处理器耦合；所述存储器用于存储计算机程序代码，所述计算机程序代码包括计算机指令；其中，当所述处理器执行所述计算机指令时，使得所述数据处理服务器执行第一方面的方法。
根据本发明的一个实施例，数据处理服务器结合第一活动描述和参考活动描述之间的量化共性指数，以及不少于一个第一隐私项目要素和不少于一个参考隐私项目要素的配对情况，确定参考隐私项目与待进行分析的隐私项目的差异性解析情况，能够提高差异性解析情况的准确度及可信度。基于此，能够通过差异性解析情况对待进行分析的隐私项目进行针对性的隐私防护处理，比如参考隐私项目位于项目聚类1中，如果待进行分析的隐私项目与参考隐私项目匹配或者配对，那么可以确定待进行分析的隐私项目同样位于项目聚类1中，这样可以通过结合项目聚类1的隐私防护策略对待进行分析的隐私项目进行隐私防护处理，避免直接多次对待进行分析的隐私项目进行隐私防护处理带来的额外资源开销，此外，通过分析项目聚类1的隐私防护策略，能够结合迭代思路或者更新思路不断优化当前的隐私防护策略，进而在一定程度上确保隐私防护处理的可靠性。
附图说明
图1为本发明实施例提供的基于人工智能的隐私业务数据分析方法的流程示意图。
图2为本发明实施例提供的基于人工智能的隐私业务数据分析装置的模块框图。
具体实施方式
以下，术语“第一”、“第二”和“第三”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”或“第三”等的特征可以明示或者隐含地包括一个或者更多个该特征。
图1示出了本发明实施例提供的的基于人工智能的隐私业务数据分析方法的流程示意图，基于人工智能的隐私业务数据分析方法可以通过数据处理服务器实现，数据处理服务器可以包括存储器和处理器；所述存储器和所述处理器耦合；所述存储器用于存储计算机程序代码，所述计算机程序代码包括计算机指令；其中，当所述处理器执行所述计算机指令时，使得所述数据处理服务器执行如下步骤所描述的技术方案。
步骤101、分别确定第一云业务交互记录、参考隐私项目的参考活动描述以及参考隐私项目的不少于一个参考隐私项目要素，其中，第一云业务交互记录包括待进行分析的隐私项目。
本申请实施例中，第一云业务交互记录可以理解为云业务交互过程中所得到的。参考隐私项目的参考活动描述可以理解为参考隐私项目中的特征信息。参考隐私项目要素可以理解为参考隐私项目中的项目属性信息。待进行分析的隐私项目和参考隐私项目可以是任意的隐私项目。比如：待进行分析的隐私项目和待进行分析的隐私项目皆为需求隐私事项。又比如：待进行分析的隐私项目是居住信息隐私事项，参考隐私项目是工作信息隐私事项。再比如：待进行分析的隐私项目是家庭信息隐私项目，参考隐私项目是网购信息隐私项目。
本申请实施例中，参考隐私项目的参考活动描述包含参考隐私项目的项目标签数据，通过将任意隐私项目的活动描述与参考活动描述进行差异化解析（比对分析），可确定该隐私项目与参考隐私项目是否一致。进一步地，参考活动描述包括携带参考隐私项目的项目标签数据的关键描述标签信息（特征向量）。
对于一种可能的实施例而言，参考活动描述包含参考隐私项目的细节描述内容。比如：参考活动描述携带以下至少一种信息：用户会话的描述内容、业务类别的描述内容、业务环境的描述内容。
对于另一种可能的实施例而言，参考活动描述包含参考隐私项目的整体描述内容，其中，整体描述内容包括参考隐私项目的全局层面的可视化描述内容。
在又一种可能实现的方式中，参考活动描述不仅包含参考隐私项目的细节描述内容，还包含参考隐私项目的整体描述内容。
本申请实施例中，隐私项目要素（包括以上参考隐私项目要素和第一隐私项目要素）包括以下至少一种：隐私项目类别、个体用户画像、隐私项目焦点信息、项目主题信息。
本申请实施中，不少于一个参考隐私项目要素可以为参考隐私项目的隐私项目要素。不少于一个参考隐私项目要素可以是一个参考隐私项目要素，不少于一个参考隐私项目要素也可以是不低于两个以上参考隐私项目要素。比如：不少于一个参考隐私项目要素包括参考隐私项目的个体用户画像。又比如：不少于一个参考隐私项目要素包括参考隐私项目的个体用户画像和参考隐私项目的项目主题信息。
在又一种确定第一云业务交互记录的实施例中，数据处理服务器与业务检测线程之间互相通信。数据处理服务器通过通信交互获得业务检测线程检测出的第一云业务交互记录。
在又一种确定第一云业务交互记录的实施例中，数据处理服务器与业务检测线程之间互相通信。数据处理服务器通过通信交互获得业务检测线程检测出的云业务交互事件列表，并将云业务交互事件列表中的其中一个云业务交互记录作为第一云业务交互记录。
在一种获得参考隐私项目的不少于一个参考隐私项目要素的实施例中，参考隐私项目的不少于一个参考隐私项目要素记录在数据处理服务器。数据处理服务器通过调用参考隐私项目的不少于一个参考隐私项目要素获得参考隐私项目的不少于一个参考隐私项目要素。
在另一种获得参考隐私项目的不少于一个参考隐私项目要素的实施例中，数据处理服务器接收前端交互设备输入的参考隐私项目的不少于一个参考隐私项目要素。
可以理解的是，在本申请实施例中，确定第一云业务交互记录的步骤、获得参考隐私项目的参考活动描述的步骤以及获得不少于一个参考隐私项目要素的步骤可以分开实施，也可以同时实施。比如：数据处理服务器可先确定第一云业务交互记录，再获得参考隐私项目的参考活动描述，最后获得不少于一个参考隐私项目要素。又比如：数据处理服务器可先获得参考隐私项目的参考活动描述，再确定第一云业务交互记录，最后获得不少于一个参考隐私项目要素。再比如：数据处理服务器可先获得不少于一个参考隐私项目要素，再确定第一云业务交互记录，最后获得参考隐私项目的参考活动描述。再比如：数据处理服务器在确定第一云业务交互记录的过程中获得参考隐私项目的参考活动描述和不少于一个参考隐私项目要素，或在获得参考隐私项目的参考活动描述的过程中确定第一云业务交互记录和不少于一个参考隐私项目要素，或在获得不少于一个参考隐私项目要素的过程中确定第一云业务交互记录和参考活动描述。
步骤102、对第一云业务交互记录进行活动描述挖掘操作，得到待进行分析的隐私项目的第一活动描述。
本申请实施例中，第一活动描述包含待进行分析的隐私项目的项目标签数据，通过将任意隐私项目的活动描述与第一活动描述进行差异化解析，可确定该隐私项目与待进行分析的隐私项目是否一致。进一步的，第一活动描述包括携带待进行分析的隐私项目的项目标签数据的关键描述标签信息。
对于一种可能的实施例而言，第一活动描述包含待进行分析的隐私项目的细节描述内容。比如：第一活动描述包含以下至少一种信息：用户会话的描述内容、业务类别的描述内容、业务环境的描述内容。
对于另一种可能的实施例而言，第一活动描述携带待进行分析的隐私项目的整体描述内容，其中，整体描述内容包括待进行分析的隐私项目的全局层面的可视化描述内容。
在又一种可能实现的方式中，第一活动描述不仅包含待进行分析的隐私项目的细节描述内容，还包含待进行分析的隐私项目的整体描述内容。
本申请实施例中，活动描述挖掘操作用于挖掘出云业务交互记录中的隐私项目的活动描述。对于一种可能的实施例而言，数据处理服务器通过对云业务交互记录进行滑动平均操作（卷积处理），实现对云业务交互记录的活动描述挖掘操作。
对于另一种可能的实施例而言，对云业务交互记录的活动描述挖掘操作通过AI模型实现。通过将带有注释内容（可以理解为标记信息）的云业务交互记录作为调试信息，对AI模型进行调试，使调试得到的AI模型可完成对云业务交互记录的活动描述挖掘操作。其中，调试信息的注释内容包括以下至少一种：云业务交互记录中的隐私项目的细节描述内容、云业务交互记录中的隐私项目的整体描述内容。
步骤103、获得参考隐私项目的不少于一个第一隐私项目要素。
本申请实施中，不少于一个第一隐私项目要素可以为待进行分析的隐私项目的隐私项目要素。不少于一个第一隐私项目要素可以是一个第一隐私项目要素，不少于一个第一隐私项目要素也可以是不低于两个以上第一隐私项目要素。比如：不少于一个第一隐私项目要素包括待进行分析的隐私项目的隐私项目类别。又比如：不少于一个第一隐私项目要素包括待进行分析的隐私项目的隐私项目类别和待进行分析的隐私项目的项目主题信息。
在一种获得待进行分析的隐私项目的不少于一个第一隐私项目要素的实施例中，待进行分析的隐私项目的不少于一个第一隐私项目要素记录在数据处理服务器。数据处理服务器通过调用待进行分析的隐私项目的不少于一个第一隐私项目要素获得待进行分析的隐私项目的不少于一个第一隐私项目要素。
在另一种获得待进行分析的隐私项目的不少于一个第一隐私项目要素的实施例中，数据处理服务器接收用户通过前端交互设备输入的待进行分析的隐私项目的不少于一个第一隐私项目要素。
在又一种获得待进行分析的隐私项目的不少于一个第一隐私项目要素的实施例中，数据处理服务器接收待进行分析的隐私项目的不少于一个第一隐私项目要素。
步骤104、基于第一活动描述和参考活动描述之间的量化共性指数、以及不少于一个第一隐私项目要素和不少于一个参考隐私项目要素的配对情况，得到以上待进行分析的隐私项目与参考隐私项目的差异性解析情况。
本申请实施例中，不少于一个第一隐私项目要素和不少于一个参考隐私项目要素的配对情况包括不少于一个第一隐私项目要素和不少于一个参考隐私项目要素配对，或不少于一个第一隐私项目要素和不少于一个参考隐私项目要素不配对。差异性解析情况包括待进行分析的隐私项目与参考隐私项目一致，差异性解析情况（可以理解为比较结果）或包括待进行分析的隐私项目与参考隐私项目不一致。
可以理解的是，数据处理服务器结合第一活动描述（可以理解为特征信息）和参考活动描述之间的量化共性指数（可以理解为类似度）确定第一活动描述和参考活动描述是否类似。在确定第一活动描述和参考活动描述类似，且配对情况包括不少于一个第一隐私项目要素和不少于一个参考隐私项目要素配对的基础上，确定差异性解析情况包括待进行分析的隐私项目与参考隐私项目一致。否则，确定差异性解析情况包括待进行分析的隐私项目与参考隐私项目不一致。
可以理解的是，数据处理服务器结合第一活动描述和参考活动描述之间的量化共性指数确定第一活动描述和参考活动描述是否类似。在确定第一活动描述和参考活动描述类似的基础上，确定差异性解析情况包括待进行分析的隐私项目与参考隐私项目一致。在确定配对情况包括不少于一个第一隐私项目要素和不少于一个参考隐私项目要素配对的基础上，确定差异性解析情况包括待进行分析的隐私项目与参考隐私项目一致。在确定第一活动描述和参考活动描述类似，且配对情况包括不少于一个第一隐私项目要素和不少于一个参考隐私项目要素配对的基础上，确定差异性解析情况包括待进行分析的隐私项目与参考隐私项目一致。在确定第一活动描述和参考活动描述不类似，且配对情况包括不少于一个第一隐私项目要素和不少于一个参考隐私项目要素不配对的基础上，确定差异性解析情况包括待进行分析的隐私项目与参考隐私项目一致。
本申请实施例中，数据处理服务器结合第一活动描述和参考活动描述之间的量化共性指数，以及不少于一个第一隐私项目要素和不少于一个参考隐私项目要素的配对情况，确定参考隐私项目与待进行分析的隐私项目的差异性解析情况，能够提高差异性解析情况的准确度及可信度。
对于一种可能的实施例而言，步骤104所记录的通过所述第一活动描述和所述参考活动描述之间的量化共性指数、以及所述不少于一个第一隐私项目要素和所述不少于一个参考隐私项目要素的配对情况，得到所述待进行分析的隐私项目与所述参考隐私项目的差异性解析情况，示例性的可以包括步骤1041所描述的内容。
步骤1041、在第一活动描述和参考活动描述之间的量化共性指数大于第一量化共性指数判定值的基础上，结合以上不少于一个第一隐私项目要素和以上不少于一个参考隐私项目要素，得到以上待进行分析的隐私项目与以上参考隐私项目的差异性解析情况。
本申请实施例中，第一量化共性指数判定值为正整数。参考活动描述和第一活动描述之间的量化共性指数大于第一量化共性指数判定值，则表明待进行分析的隐私项目和参考隐私项目为相同隐私项目的可能性相对较大。因此，可以进一步结合不少于一个第一隐私项目要素和不少于一个参考隐私项目要素，确定待进行分析的隐私项目和参考隐私项目是否为相同隐私项目。
对于一种可能的实施例而言，数据处理服务器通过确定不少于一个第一隐私项目要素和不少于一个参考隐私项目要素是否配对，确定待进行分析的隐私项目与参考隐私项目是否一致，从而得到待进行分析的隐私项目与参考隐私项目的差异性解析情况。
对于另一种可能的实施例而言，数据处理服务器确定不少于一个第一隐私项目要素和不少于一个参考隐私项目要素的配对度。在配对度大于配对度判定值的基础上，确定待进行分析的隐私项目与参考隐私项目一致。在配对度不大于配对度判定值的基础上，确定待进行分析的隐私项目与参考隐私项目不一致。
可以理解的是，数据处理服务器在确定第一活动描述和参考活动描述之间的量化共性指数不大于第一量化共性指数判定值的基础上，确定差异性解析情况包括待进行分析的隐私项目与参考隐私项目的不一致。在确定第一活动描述和参考活动描述之间的量化共性指数不大于第一量化共性指数判定值的基础上，停止对不少于一个第一隐私项目要素和不少于一个参考隐私项目要素进行差异性解析。
本申请实施例中，数据处理服务器在确定第一活动描述和参考活动描述之间的量化共性指数大于第一量化共性指数判定值的基础上，进一步结合不少于一个第一隐私项目要素和不少于一个参考隐私项目要素确定差异性解析情况，能够提高差异性解析情况的准确度及可信度，进而能够降低资源浪费量。
可以理解，不少于一个第一隐私项目要素包括待进行分析的隐私项目的第一项目主题信息，不少于一个参考隐私项目要素包括参考隐私项目的参考项目主题信息。
可以理解，第一项目主题信息是数据处理服务器通过对第一云业务交互记录进行项目主题信息分析处理得到的。本申请实施例中，项目主题信息分析处理用于分析云业务交互记录中的项目主题信息。进一步的，项目主题信息分析处理可以通过项目主题信息提取网络实现，其中，项目主题信息提取网络为用于提取项目主题信息的人工智能模型。比如：项目主题信息提取网络是神经网络，其中，该神经网络可识别云业务交互记录中的项目主题信息。
可以理解，在数据处理服务器通过对第一云业务交互记录进行项目主题信息分析处理得到第一项目主题信息的基础上，数据处理服务器获得参考隐私项目的参考项目主题信息，进而可通过对待进行分析的隐私项目的项目主题信息和参考隐私项目的项目主题信息进行差异化解析，以进一步确定待进行分析的隐私项目与参考隐私项目之间的差异性解析情况。
基于以上所描述的内容，以上步骤1041所记录的在所述不少于一个第一隐私项目要素包含所述待进行分析的隐私项目的第一项目主题信息，且所述不少于一个参考隐私项目要素包含所述参考隐私项目的参考项目主题信息的基础上，所述结合所述不少于一个第一隐私项目要素和所述不少于一个参考隐私项目要素，得到所述待进行分析的隐私项目与所述参考隐私项目的差异性解析情况，示例性的可以包括以下步骤（1）和步骤（2）所记录的内容。
步骤（1）在以上第一项目主题信息与以上参考项目主题信息配对的基础上，确定以上差异性解析情况包括以上待进行分析的隐私项目与以上参考隐私项目一致。
步骤（2）在以上第一项目主题信息与以上参考项目主题信息不配对的基础上，确定以上差异性解析情况包括以上待进行分析的隐私项目与以上参考隐私项目不一致。
在本申请实施例中，不少于一个第一隐私项目要素包括待进行分析的隐私项目的第一项目主题信息和待进行分析的隐私项目的不少于一个第一可视化要素，不少于一个参考隐私项目要素包含所述参考隐私项目的参考项目主题信息和参考隐私项目的不少于一个参考可视化要素。
本申请实施例中，隐私项目的可视化要素包括除项目主题信息之外的隐私项目要素。进一步的，可视化要素包括以下不少于一个：个体用户画像、隐私项目类别、隐私项目焦点信息。第一可视化要素为待进行分析的隐私项目的可视化要素，参考可视化要素为参考隐私项目的可视化要素。
可以理解的是，数据处理服务器通过对第一云业务交互记录进行可视化要素挖掘处理得到待进行分析的隐私项目的不少于一个第一可视化要素。本申请实施例中，可视化要素挖掘处理用于挖掘出云业务交互记录中的可视化要素。进一步的，可视化要素挖掘处理可通过可视化要素挖掘网络实现，其中，可视化要素挖掘网络为用于挖掘可视化要素的人工智能模型。比如：可视化要素挖掘模型是可挖掘可视化要素的神经网络。
对于一种可能的实施例中，数据处理服务器在实施以上所描述的结合不少于一个第一隐私项目要素和不少于一个参考隐私项目要素，得到待进行分析的隐私项目与参考隐私项目的差异性解析情况的步骤的过程中实施以下内容：在第一项目主题信息与参考项目主题信息配对的基础上，结合不少于一个第一可视化要素和不少于一个参考可视化要素，得到以上待进行分析的隐私项目与参考隐私项目的差异性解析情况。
对于一种可能的实施例而言，数据处理服务器通过确定不少于一个第一可视化要素和不少于一个参考可视化要素是否配对，确定待进行分析的隐私项目与参考隐私项目是否一致，从而得到待进行分析的隐私项目与参考隐私项目的差异性解析情况。
对于另一种可能的实施例而言，数据处理服务器确定不少于一个第一可视化要素和不少于一个参考可视化要素的配对度。在配对度大于配对度判定值的基础上，确定待进行分析的隐私项目与参考隐私项目一致。在配对度不大于配对度判定值的基础上，确定待进行分析的隐私项目与参考隐私项目不一致。
本申请实施例中，数据处理服务器在确定第一项目主题信息与参考项目主题信息配对的基础上，进一步结合不少于一个第一可视化要素和不少于一个参考可视化要素确定差异性解析情况，可提升差异性解析情况的准确度，进而能够降低资源浪费量。
可以理解的是，数据处理服务器在确定第一项目主题信息与参考项目主题信息配对的基础上，对第一云业务交互记录进行可视化要素挖掘处理，得到不少于一个第一可视化要素。在得到不少于一个第一可视化要素后，数据处理服务器结合不少于一个第一可视化要素和不少于一个参考可视化要素，得到待进行分析的隐私项目与以上参考隐私项目的差异性解析情况。数据处理服务器在确定第一项目主题信息与参考项目主题信息不配对的基础上，不实施对第一云业务交互记录进行可视化要素挖掘处理的步骤。进而能够降低资源浪费量。
对于一种可能的实施例而言，不少于一个参考隐私项目要素包括参考隐私项目的不少于一个参考可视化要素。基于此，数据处理服务器在确定第一活动描述和参考活动描述之间的量化共性指数大于第一量化共性指数判定值之后，通过实施如下步骤获得待进行分析的隐私项目的不少于一个隐私项目要素，具体可以包括：在没有解析出待进行分析的隐私项目的第一项目主题信息的基础上，对第一云业务交互记录进行可视化要素挖掘处理，得到待进行分析的隐私项目的不少于一个第一可视化要素。
在本申请实施例中，如果通过对第一云业务交互记录进行项目主题分析处理没有获得待进行分析的隐私项目的第一项目主题信息，则难以通过对待进行分析的隐私项目的项目主题信息和参考隐私项目的项目主题信息进行差异化解析，确定待进行分析的隐私项目和参考隐私项目是否为相同隐私项目。因此，数据处理服务器在该实施场景下，对第一云业务交互记录进行可视化要素挖掘处理得到待进行分析的隐私项目的不少于一个第一可视化要素，以通过比对待进行分析的隐私项目的可视化要素和参考隐私项目的可视化要素，确定待进行分析的隐私项目和参考隐私项目是否为相同隐私项目，从而提高差异性解析情况的准确度和可信度。
对于一种可能的实施例而言，在执行完以上步骤所记录的内容后，数据处理服务器在实施“结合以上不少于一个第一隐私项目要素和以上不少于一个参考隐私项目要素，得到以上待进行分析的隐私项目与以上参考隐私项目的差异性解析情况”的步骤的过程中执行如下内容：结合不少于一个第一可视化要素和不少于一个参考可视化要素，得到待进行分析的隐私项目与参考隐私项目的差异性解析情况。本步骤的实施例可结合相关实施例，本申请实施例在此不作过多描述。
如此一来，数据处理服务器在待进行分析的隐私项目的活动描述与参考隐私项目的活动描述类似，且没有解析出第一项目主题信息的基础上，进一步结合待进行分析的隐私项目的可视化要素与参考隐私项目的可视化要素确定待进行分析的隐私项目与参考隐私项目一致，从而提高差异性解析情况的准确度和可信度。
对于一种可能的实施例而言，数据处理服务器在实施“结合不少于一个第一可视化要素和不少于一个参考可视化要素，得到待进行分析的隐私项目与参考隐私项目的差异性解析情况”的步骤，示例性的可以包括步骤A-步骤C所记录的内容。
步骤A、确定以上不少于一个第一可视化要素和以上不少于一个参考可视化要素是否配对，得到第一配对情况。
本申请实施中，第一配对情况包括不少于一个第一可视化要素和不少于一个参考可视化要素配对，或不少于一个第一可视化要素和不少于一个参考可视化要素不配对。数据处理服务器结合不少于一个第一可视化要素和不少于一个参考可视化要素，得到不少于一个共性可视化要素二元组，其中，每个共性可视化要素二元组包括一个第一可视化要素和一个参考可视化要素，且共性可视化要素二元组中的第一可视化要素与共性可视化要素二元组中的参考可视化要素反映相同可视化要素。
比如：不少于一个第一可视化要素包括待进行分析的隐私项目的个体用户画像和待进行分析的隐私项目的隐私项目类别，不少于一个参考可视化要素包括参考隐私项目的个体用户画像和参考隐私项目的隐私项目焦点信息，此时，共性可视化要素二元组包括参考隐私项目的个体用户画像和待进行分析的隐私项目的个体用户画像。
可以理解的是，数据处理服务器在确定每个共性可视化要素二元组中的两个可视化要素均一致的基础上，确定第一配对情况包括不少于一个第一可视化要素和不少于一个参考可视化要素配对。否则，数据处理服务器确定第一配对情况包括不少于一个第一可视化要素和不少于一个参考可视化要素不配对。
比如：不少于一个第一可视化要素和不少于一个参考可视化要素中存在共性可视化要素二元组a和共性可视化要素二元组b，其中，共性可视化要素二元组a包括参考隐私项目的个体用户画像和待进行分析的隐私项目的个体用户画像，共性可视化要素二元组b包括参考隐私项目的隐私项目类别和待进行分析的隐私项目的隐私项目类别。
可以理解的是，如果参考隐私项目的个体用户画像和待进行分析的隐私项目的个体用户画像一致，且参考隐私项目的隐私项目类别和待进行分析的隐私项目的隐私项目类别一致，那么第一配对情况包括不少于一个第一可视化要素和不少于一个参考可视化要素配对。如果参考隐私项目的个体用户画像和待进行分析的隐私项目的个体用户画像不一致，那么第一配对情况包括不少于一个第一可视化要素和不少于一个参考可视化要素不配对。若参考隐私项目的隐私项目类别和待进行分析的隐私项目的隐私项目类别不一致，那么第一配对情况包括不少于一个第一可视化要素和不少于一个参考可视化要素不配对。
在本申请实施例中，在得到第一配对情况后，数据处理服务器通过执行如下步骤确定差异性解析情况。
步骤B、在第一配对情况包括不少于一个第一可视化要素和不少于一个参考可视化要素配对的基础上，确定差异性解析情况包括待进行分析的隐私项目与参考隐私项目一致。
在本申请实施例中，第一配对情况包括不少于一个第一可视化要素与不少于一个参考可视化要素配对，表明待进行分析的隐私项目的可视化要素与参考隐私项目的可视化要素配对。因此，数据处理服务器确定待进行分析的隐私项目与参考隐私项目一致。
步骤C、在第一配对情况包括不少于一个第一可视化要素和不少于一个参考可视化要素不配对的基础上，确定差异性解析情况包括待进行分析的隐私项目与参考隐私项目不一致。
在本申请实施例中，第一配对情况包括不少于一个第一可视化要素与不少于一个参考可视化要素不配对，说明待进行分析的隐私项目的可视化要素与参考隐私项目的可视化要素不配对。因此，数据处理服务器确定待进行分析的隐私项目与参考隐私项目不一致。
对于一种可能的实施例而言，不少于一个第一可视化要素和不少于一个参考可视化要素皆携带重要程度系数。
比如：不少于一个第一可视化要素包括待进行分析的隐私项目的个体用户画像和待进行分析的隐私项目的隐私项目类别。不少于一个第一可视化要素包括重要程度系数（可以理解为置信度），待进行分析的隐私项目的个体用户画像存在重要程度系数，待进行分析的隐私项目的隐私项目类别也存在重要程度系数。若待进行分析的隐私项目的个体用户画像为购物偏好信息，待进行分析的隐私项目的隐私项目类别为网购信息隐私项目，待进行分析的隐私项目的个体用户画像的重要程度系数为0.4，待进行分析的隐私项目的隐私项目类别的重要程度系数为0.3，那么待进行分析的隐私项目的个体用户画像为购物偏好信息的重要程度系数为0.4，那么待进行分析的隐私项目的隐私项目类别为网购信息隐私项目的重要程度系数为0.3。
可以理解，不少于一个参考可视化要素包括参考隐私项目的个体用户画像和参考隐私项目的隐私项目焦点信息。不少于一个参考可视化要素包括重要程度系数，参考隐私项目的个体用户画像存在重要程度系数，参考隐私项目的隐私项目焦点信息也存在重要程度系数。若参考隐私项目的个体用户画像为个性偏好信息，参考隐私项目的隐私项目焦点信息为在线购物，参考隐私项目的个体用户画像的重要程度系数为0.43，参考隐私项目的隐私项目焦点信息的重要程度系数为0.52，那么参考隐私项目的个体用户画像为个性偏好信息的重要程度系数为0.43，那么参考隐私项目的隐私项目焦点信息为在线购物的重要程度系数为0.52。
基于以上所描述的内容，在确定所述不少于一个第一可视化要素和所述不少于一个参考可视化要素是否配对，得到第一配对情况之前，该方法还可以实施如下内容：获得第二量化共性指数判定值（可以理解为类似度阈值），第二量化共性指数判定值大于第一量化共性指数判定值。
在一种获得第二量化共性指数判定值的实施例中，数据处理服务器接收前端交互设备输入的第二量化共性指数判定值。
在实施完获得第二量化共性指数判定值，第二量化共性指数判定值大于第一量化共性指数判定值后，确定所述不少于一个第一可视化要素和所述不少于一个参考可视化要素是否配对，得到第一配对情况的步骤还可以包括：在第一活动描述和参考活动描述之间的量化共性指数大于以上第二量化共性指数判定值，且以上不少于一个第一可视化要素和以上不少于一个参考可视化要素符合第一配对要求或第二配对要求的基础上，确定以上第一配对情况包括以上不少于一个第一可视化要素与以上不少于一个参考可视化要素配对；在第一活动描述和参考活动描述之间的量化共性指数大于第二量化共性指数判定值，且以上不少于一个第一可视化要素和以上不少于一个参考可视化要素不符合以上第一配对要求和第二配对要求的基础上，确定以上第一配对情况包括以上不少于一个第一可视化要素与以上不少于一个参考可视化要素不配对。
在本申请实施例中，如果将不少于一个第一可视化要素和不少于一个参考可视化要素中的反映一致可视化要素的两个可视化要素称为共性可视化要素二元组，将所包含的两个可视化要素的重要程度系数皆大于重要程度系数判定值的共性可视化要素二元组称为高重要程度系数的共性可视化要素二元组，其中，重要程度系数判定值为正整数。
比如：不少于一个第一可视化要素包括待进行分析的隐私项目的个体用户画像和待进行分析的隐私项目的隐私项目类别，不少于一个参考可视化要素包括参考隐私项目的个体用户画像和参考隐私项目的隐私项目焦点信息。此时，待进行分析的隐私项目的个体用户画像和参考隐私项目的个体用户画像均反映个体用户画像这一可视化要素，即共性可视化要素二元组包括待进行分析的隐私项目的个体用户画像和参考隐私项目的个体用户画像。
在本申请实施例中，如果待进行分析的隐私项目的个体用户画像的重要程度系数大于重要程度系数判定值，且参考隐私项目的个体用户画像的重要程度系数大于重要程度系数判定值，那么待进行分析的隐私项目的个体用户画像和参考隐私项目的个体用户画像为高重要程度系数的共性可视化要素二元组。
本申请实施例中，第一配对要求包括：不少于一个第一可视化要素和不少于一个参考可视化要素中不存在反映相同可视化要素，且重要程度系数大于重要程度系数判定值的可视化要素。即第一配对要求包括：不少于一个第一可视化要素和不少于一个参考可视化要素中不存在高重要程度系数的共性可视化要素二元组。
比如：不少于一个第一可视化要素包括待进行分析的隐私项目的个体用户画像和待进行分析的隐私项目的隐私项目类别，不少于一个参考可视化要素包括参考隐私项目的隐私项目焦点信息。此时，不少于一个第一可视化要素和不少于一个参考可视化要素中不存在共性可视化要素二元组，那么不少于一个第一可视化要素和不少于一个参考可视化要素中一般而言也不存在高重要程度系数的共性可视化要素二元组。此时，不少于一个第一可视化要素和不少于一个参考可视化要素符合第一配对要求。
又比如：不少于一个第一可视化要素包括待进行分析的隐私项目的个体用户画像和待进行分析的隐私项目的隐私项目类别，不少于一个参考可视化要素包括参考隐私项目的个体用户画像参考隐私项目的隐私项目焦点信息。此时，待进行分析的隐私项目的个体用户画像和参考隐私项目的个体用户画像均反映个体用户画像这一可视化要素，共性可视化要素二元组包括待进行分析的隐私项目的个体用户画像和参考隐私项目的个体用户画像。
可以理解的是，若待进行分析的隐私项目的个体用户画像的重要程度系数大于重要程度系数判定值，且参考隐私项目的个体用户画像的重要程度系数小于重要程度系数判定值，那么不少于一个可视化要素和不少于一个参考可视化要素中不存在高重要程度系数的共性可视化要素二元组。因此，不少于一个第一可视化要素和不少于一个参考可视化要素符合第一配对要求。
本申请实施例中，第二配对要求包括：不少于一个第一可视化要素中的第二可视化要素与不少于一个参考可视化要素中的第三可视化要素一致，第二可视化要素和第三可视化要素反映相同可视化要素，且第二可视化要素的重要程度系数和第三可视化要素的重要程度系数皆大于重要程度系数判定值。
在第二配对要求中，第二可视化要素包含不少于一个第一可视化要素，第三可视化要素包含不少于一个参考可视化要素，且第二可视化要素与第三可视化要素一致，即第二可视化要素和第三可视化要素为共性可视化要素二元组。第二可视化要素的重要程度系数和第三可视化要素的重要程度系数皆大于重要程度系数判定值，第二可视化要素和第三可视化要素为以上高重要程度系数的共性可视化要素二元组。
可以理解的是，第二可视化要素和第三可视化要素仅为示例，不应理解为不少于一个第一可视化要素和不少于一个参考可视化要素中只存在一个高重要程度系数的共性可视化要素二元组。实际实施时，不少于一个第一可视化要素和不少于一个参考可视化要素中的任意一个高重要程度系数的共性可视化要素二元组中的两个要素均应一致。
比如：不少于一个第一可视化要素包括待进行分析的隐私项目的个体用户画像和待进行分析的隐私项目的隐私项目类别，不少于一个参考可视化要素包括参考隐私项目的个体用户画像和参考隐私项目的隐私项目类别。此时，待进行分析的隐私项目的个体用户画像和参考隐私项目的个体用户画像均反映个体用户画像这一可视化要素，待进行分析的隐私项目的隐私项目类别和参考隐私项目的隐私项目类别均反映隐私项目类别这一可视化要素，即共性可视化要素二元组包括共性可视化要素二元组a和共性可视化要素二元组b，其中，共性可视化要素二元组a包括待进行分析的隐私项目的个体用户画像和参考隐私项目的个体用户画像，共性可视化要素二元组b包括待进行分析的隐私项目的隐私项目类别和参考隐私项目的隐私项目类别。
若待进行分析的隐私项目的个体用户画像的重要程度系数、待进行分析的隐私项目的隐私项目类别的重要程度系数、参考隐私项目的个体用户画像的重要程度系数和参考隐私项目的隐私项目类别的重要程度系数皆大于重要程度系数判定值，那么共性可视化要素二元组a和共性可视化要素二元组b均为高重要程度系数的共性可视化要素二元组。
在共性可视化要素二元组a中的两个要素一致，且共性可视化要素二元组b中的两个要素一致的基础上，确定不少于一个第一可视化要素和不少于一个参考可视化要素符合第二配对要求，否则，确定不少于一个第一可视化要素和不少于一个参考可视化要素不符合第二配对要求。其中，共性可视化要素二元组a中的两个要素一致可以理解为第一隐私项目的个体用户画像和第二隐私项目的个体用户画像一致，共性可视化要素二元组b中的两个要素一致可以理解为第一隐私项目的隐私项目类别和第二隐私项目的隐私项目类别一致。
本申请实施例中，重要程度系数判定值用于判定可视化要素的重要程度系数高低，示例性地，可视化要素的重要程度系数大于重要程度系数判定值说明可视化要素的重要程度系数高，可视化要素的重要程度系数不大于重要程度系数判定值表明可视化要素的重要程度系数低。
在可视化要素的重要程度系数高的基础上，通过可视化要素分析隐私项目，能够提高隐私项目分析的精准度，在可视化要素的重要程度系数低的基础上，利用可视化要素分析隐私项目，能够会在一定程度上存在差异。因此，可结合不少于一个第一可视化要素中重要程度系数大于重要程度系数判定值的可视化要素和不少于一个参考可视化要素中重要程度系数大于重要程度系数判定值的可视化要素，判定不少于一个第一可视化要素和不少于一个参考可视化要素是否配对。
若不少于一个第一可视化要素和不少于一个参考可视化要素中不存在高重要程度系数的共性可视化要素二元组，此时判定不少于一个第一可视化要素和不少于一个参考可视化要素是否配对，会在一定程度上存在差异。由于不少于一个第一可视化要素和不少于一个参考可视化要素不配对，会导致将待进行分析的隐私项目与参考隐私项目分析为不一致的隐私项目，而第一活动描述和参考活动描述之间的量化共性指数大于第二量化共性指数判定值，说明待进行分析的隐私项目和参考隐私项目一致的可能性相对较大，因此在不少于一个第一可视化要素和不少于一个参考可视化要素中不存在高重要程度系数的共性可视化要素二元组的基础上，确定不少于一个第一可视化要素和不少于一个参考可视化要素配对。如此能够降低待进行分析的隐私项目的分析偏差。
如此，数据处理服务器在确定不少于一个第一可视化要素和不少于一个参考可视化要素符合第一配对要求的基础上，确定第一配对情况包括不少于一个第一可视化要素与不少于一个参考可视化要素配对，能够减少第一配对情况的分析偏差，进而减少对待进行分析的隐私项目的分析偏差。
若不少于一个第一可视化要素和不少于一个参考可视化要素中存在高重要程度系数的共性可视化要素二元组，那么可结合高重要程度系数的共性可视化要素二元组判定不少于一个可视化要素和不少于一个参考可视化要素是否配对。对于一种可能的实施例而言，高重要程度系数的共性可视化要素二元组中的两个可视化要素一致，说明不少于一个第一可视化要素中的可视化要素和不少于一个参考可视化要素中的可视化要素不冲突，进而可确定不少于一个第一可视化要素中的可视化要素和不少于一个参考可视化要素中的可视化要素配对。
如此，数据处理服务器在确定不少于一个第一可视化要素和不少于一个参考可视化要素符合第二配对要求的基础上，确定第一配对情况包括不少于一个第一可视化要素与不少于一个参考可视化要素配对，可提高对第一配对情况的准确度，进而提高待进行分析的隐私项目的分析偏差。反之，在确定不少于一个第一可视化要素和不少于一个参考可视化要素不符合第一配对要求，且不少于一个第一可视化要素和不少于一个参考可视化要素不符合第二配对要求的基础上，确定第一配对情况包括不少于一个第一可视化要素与不少于一个参考可视化要素不配对。
对于一种可能的实施例而言以上所描述的在第一活动描述和参考活动描述之间的量化共性指数不大于第二量化共性指数判定值的基础上，所述方法示例性的还可以包括步骤201-步骤204所记录的内容。
步骤201、在以上不少于一个第一可视化要素和以上不少于一个参考可视化要素中不存在反映相同可视化要素，且重要程度系数大于以上重要程度系数判定值的可视化要素的基础上，确定以上第一配对情况包括以上不少于一个第一可视化要素与以上不少于一个参考可视化要素不配对。
在本申请实施例中，不少于一个第一可视化要素和不少于一个参考可视化要素中不存在反映相同可视化要素，且重要程度系数大于重要程度系数判定值的可视化要素，即不少于一个第一可视化要素和不少于一个参考可视化要素中不存在高重要程度系数的共性可视化要素。此时，判定不少于一个第一可视化要素和不少于一个参考可视化要素是否配对，会在一定程度上存在差异。由于不少于一个第一可视化要素和不少于一个参考可视化要素配对，会导致将待进行分析的隐私项目与参考隐私项目分析为一致的隐私项目，而第一活动描述和参考活动描述之间的量化共性指数不大于第二量化共性指数判定值，说明待进行分析的隐私项目和参考隐私项目一致的可能性，相对第一活动描述和参考活动描述之间的量化共性指数大于第二量化共性指数判定值的情况较小。鉴于此，在不少于一个第一可视化要素和不少于一个参考可视化要素中不存在高重要程度系数的共性可视化要素二元组的基础上，确定不少于一个第一可视化要素和不少于一个参考可视化要素不配对。如此，能够降低待进行分析的隐私项目的分析偏差。若不少于一个第一可视化要素和不少于一个参考可视化要素中存在高重要程度系数的共性可视化要素，进而执行步骤202所记录的内容。
步骤202、确定以上不少于一个第一可视化要素中的第四可视化要素和不少于一个参考可视化要素中的第五可视化要素是否配对，得到第二配对情况，第四可视化要素的重要程度系数和第五可视化要素的重要程度系数皆大于重要程度系数判定值，且第四可视化要素与第五可视化要素反映相同可视化要素。
在本申请实施例中，第四可视化要素包含不少于一个第一可视化要素，第五可视化要素包含不少于一个参考可视化要素，且第四可视化要素与第五可视化要素一致，即第四可视化要素和第五可视化要素为共性可视化要素二元组。第四可视化要素的重要程度系数和第五可视化要素的重要程度系数皆大于重要程度系数判定值，即第四可视化要素和第五可视化要素为以上高重要程度系数的共性可视化要素二元组。
基于以上所描述，如果不少于一个第一可视化要素和不少于一个参考可视化要素中存在高重要程度系数的共性可视化要素二元组，则可以结合高重要程度系数的共性可视化要素二元组判定不少于一个可视化要素和不少于一个参考可视化要素是否配对。因此，数据处理服务器可结合第二配对情况判定不少于一个可视化要素和不少于一个参考可视化要素是否配对。示例性地，数据处理服务器在得到第二配对情况后，通过实施步骤203或步骤204，确定不少于一个可视化要素和不少于一个参考可视化要素是否配对。
步骤203、在以上第二配对情况包括以上第四可视化要素和以上第五可视化要素配对的基础上，确定以上第一配对情况包括以上不少于一个第一可视化要素与以上不少于一个参考可视化要素配对。
步骤204、在以上第二配对情况包括以上第四可视化要素和以上第五可视化要素不配对的基础上，确定以上第一配对情况包括以上不少于一个第一可视化要素与以上不少于一个参考可视化要素不配对。
可以理解的是，第四可视化要素和第五可视化要素仅为示例，不应理解为不少于一个第一可视化要素和不少于一个参考可视化要素中只存在一个高重要程度系数的共性可视化要素二元组。实际实施时，若不少于一个第一可视化要素和不少于一个参考可视化要素中存在不低于两个以上高重要程度系数的共性可视化要素二元组，数据处理服务器可分别确定每个高重要程度系数的共性可视化要素二元组的第二配对情况。在所有第二配对情况皆携带高重要程度系数的共性可视化要素中的两个可视化要素配对的基础上，确定第一配对情况包括不少于一个第一可视化要素与不少于一个参考可视化要素配对，否则，确定第一配对情况包括不少于一个第一可视化要素与不少于一个参考可视化要素不配对。
比如：不少于一个第一可视化要素包括待进行分析的隐私项目的个体用户画像和待进行分析的隐私项目的隐私项目类别，不少于一个参考可视化要素包括参考隐私项目的个体用户画像和参考隐私项目的隐私项目类别。此时，待进行分析的隐私项目的个体用户画像和参考隐私项目的个体用户画像均反映个体用户画像这一可视化要素，待进行分析的隐私项目的隐私项目类别和参考隐私项目的隐私项目类别均反映隐私项目类别这一可视化要素，即共性可视化要素二元组包括共性可视化要素二元组a和共性可视化要素二元组b，其中，共性可视化要素二元组a包括待进行分析的隐私项目的个体用户画像和参考隐私项目的个体用户画像，共性可视化要素二元组b包括待进行分析的隐私项目的隐私项目类别和参考隐私项目的隐私项目类别。
如果待进行分析的隐私项目的个体用户画像的重要程度系数、待进行分析的隐私项目的隐私项目类别的重要程度系数、参考隐私项目的个体用户画像的重要程度系数和参考隐私项目的隐私项目类别的重要程度系数皆大于重要程度系数判定值，那么共性可视化要素二元组a和共性可视化要素二元组b均为高重要程度系数的共性可视化要素二元组。
数据处理服务器通过确定待进行分析的隐私项目的个体用户画像与参考隐私项目的个体用户画像是否配对，得到高重要程度系数的共性可视化要素二元组a的第二配对情况A，数据处理服务器通过确定待进行分析的隐私项目的隐私项目类别与参考隐私项目的隐私项目类别是否配对，得到高重要程度系数的共性可视化要素二元组b的第二配对情况B。
在第二配对情况A包括待进行分析的隐私项目的个体用户画像与参考隐私项目的个体用户画像配对，且第二配对情况B包括待进行分析的隐私项目的隐私项目类别与参考隐私项目的隐私项目类别配对的基础上，确定第一配对情况包括不少于一个第一可视化要素和不少于一个参考可视化要素配对，否则，确定第一配对情况包括不少于一个第一可视化要素和不少于一个参考可视化要素不配对。
对于一种可能的实施例而言，步骤202所记录的确定所述不少于一个第一可视化要素中的第四可视化要素和所述不少于一个参考可视化要素中的第五可视化要素是否配对，得到第二配对情况，示例性的可以可以通过步骤2021和步骤2022进行说明。
步骤2021、在以上第四可视化要素和以上第五可视化要素一致的基础上，确定以上第二配对情况包括以上第四可视化要素和以上第五可视化要素配对。
步骤2021、在以上第四可视化要素和以上第五可视化要素不一致的基础上，确定以上第二配对情况包括以上第四可视化要素和以上第五可视化要素不配对。
在本申请实施例中，在步骤2021和步骤2022中，数据处理服务器通过判定第四可视化要素和第五可视化要素是否一致，确定第四可视化要素和第五可视化要素是否配对。即数据处理服务器通过判定高重要程度系数的共性可视化要素二元组中的两个可视化要素是否一致，确定高重要程度系数的共性可视化要素二元组中的两个可视化要素是否配对。
对于一种可能的实施例而言，步骤202所记录的确定所述不少于一个第一可视化要素中的第四可视化要素和所述不少于一个参考可视化要素中的第五可视化要素是否配对，得到第二配对情况，示例性的还可以通过步骤2023-步骤2025所记录的内容进行说明。
步骤2023、在第四可视化要素和第五可视化要素分别反映第一个体用户画像和第二个体用户画像的基础上，获得第一个体用户画像和第二个体用户画像的个体用户画像配对列表。
在本申请实施例中，爬取云业务交互记录时的爬取要求可能影响云业务交互记录的信息完整性，而不少于一个第一可视化要素通过对第一云业务交互记录进行可视化要素挖掘处理得到，即第一隐私项目的个体用户画像通过对第一云业务交互记录进行可视化要素挖掘处理得到，那么在爬取第一云业务交互记录时的爬取要求不佳的基础上，可能导致第一云业务交互记录中个体用户画像不精准，进而导致通过对第一云业务交互记录进行可视化要素挖掘处理得到的第四可视化要素的准确度低，从而导致对第四可视化要素和第五可视化要素的是否配对的错误判定。
本申请实施例中，第一个体用户画像和第二个体用户画像的个体用户画像配对列表用于优化因爬取要求不匹配导致对第四可视化要素和第五可视化要素的是否配对的错误判定。
在一种获得个体用户画像配对列表的实施例中，数据处理服务器接收前端交互设备输入的个体用户画像配对列表。
在获得个体用户画像配对列表后，数据处理服务器可通过执行以下中的一个步骤确定第四可视化要素和第五可视化要素是否配对。
步骤2024、在结合以上个体用户画像配对列表确定以上第一个体用户画像可视化要素和以上第二个体用户画像可视化要素不配对的基础上，确定以上第二配对情况包括以上第四可视化要素和以上第五可视化要素不配对。
比如：第四可视化要素反映待进行分析的隐私项目的个体用户画像为个性偏好信息，第五可视化要素反映参考隐私项目的个体用户画像为购物偏好信息，即第一个体用户画像为个性偏好信息，第二个体用户画像为购物偏好信息。结合个性偏好信息和购物偏好信息的需求特征配对列表可确定个性偏好信息和购物偏好信息不配对，因此数据处理服务器确定第二配对情况包括第四可视化要素和第五可视化要素不配对。
步骤2025、在结合以上个体用户画像配对列表确定以上第一个体用户画像可视化要素和以上第二个体用户画像可视化要素配对的基础上，确定以上第二配对情况包括以上第四可视化要素和以上第五可视化要素配对。
比如：第四可视化要素反映待进行分析的隐私项目的个体用户画像为个性偏好信息，第五可视化要素反映参考隐私项目的个体用户画像为远程办公，即第一个体用户画像为个性偏好信息，第二个体用户画像为远程办公。结合个性偏好信息和远程办公的需求特征配对列表可确定个性偏好信息和远程办公配对，因此数据处理服务器确定第二配对情况包括第四可视化要素和第五可视化要素配对。
数据处理服务器在第四可视化要素和第五可视化要素均反映个体用户画像的基础上，结合个体用户画像配对列表确定第四可视化要素和第五可视化要素是否配对得到第二配对情况，可提高第二配对情况的准确度及可信度。
对于一种可能的实施例而言，数据处理服务器在执行相关步骤的过程中执行如下内容：在不少于一个第一隐私项目要素和以上不少于一个参考隐私项目要素配对的基础上，结合以上第一活动描述和以上参考活动描述之间的量化共性指数，得到以上待进行分析的隐私项目与以上参考隐私项目的差异性解析情况。
在本申请实施例中，数据处理服务器先确定不少于一个第一隐私项目要素和不少于一个参考隐私项目要素是否配对。在不少于一个第一隐私项目要素和不少于一个参考隐私项目要素配对的基础上，确定待进行分析的隐私项目的活动描述和参考隐私项目的活动描述是否一致，进而得到差异性解析情况。示例性地，结合第一活动描述和参考活动描述之间的量化共性指数，得到待进行分析的隐私项目与参考隐私项目的差异性解析情况。
对于一种可能的实施例而言，数据处理服务器在第一活动描述和参考活动描述之间的量化共性指数大于第一量化共性指数判定值的基础上，确定差异性解析情况包括待进行分析的隐私项目与参考隐私项目一致；数据处理服务器在第一活动描述和参考活动描述之间的量化共性指数不大于第一量化共性指数判定值的基础上，确定差异性解析情况包括待进行分析的隐私项目与参考隐私项目不一致。
在本申请实施例中，数据处理服务器在确定不少于一个第一隐私项目要素和不少于一个参考隐私项目要素配对的基础上，进一步第一活动描述和参考活动描述之间的量化共性指数确定差异性解析情况，可提升差异性解析情况的准确度，进而能够降低资源浪费量。
对于一种可能的实施例而言，数据处理服务器通过执行以下步骤确定第一云业务交互记录，示例性的可以包括：获得目标业务检测线程爬取到的以上第一云业务交互记录，以上目标业务检测线程设置在目标业务场景。
本申请实施例中，目标业务检测线程为设置在目标业务场景内的合法的业务检测线程，即目标业务检测线程的检测目标处于目标业务场景内。在本申请实施例中，第一云业务交互记录由目标业务检测线程爬取得到，即第一云业务交互记录中的特征信息为目标业务场景内的场景。
在一种获得目标业务检测线程爬取到的第一云业务交互记录的实施例中，数据处理服务器与目标业务检测线程之间互相通信。数据处理服务器通过通信交互从目标业务检测线程确定第一云业务交互记录。
基于以上描述内容，数据处理服务器通过执行步骤以下步骤获得参考隐私项目的第一活动描述，示例性的可以包括步骤301和步骤302所记录的内容。
步骤301、获得存在持续定位需求的隐私项目信息集。
本申请实施例中，存在持续定位需求的隐私项目信息集包括不少于一个存在持续定位需求的隐私项目的活动描述。比如：存在持续定位需求的隐私项目信息集包括存在持续定位需求的隐私项目a的活动描述和存在持续定位需求的隐私项目b的活动描述。
本申请实施例中，不少于一个存在持续定位需求的隐私项目包括需持续性地定位于目标业务场景内的用户操作日志的隐私项目。
本申请实施中，参考隐私项目可以是不少于一个存在持续定位需求的隐私项目中的其中一个隐私项目，参考隐私项目为需持续性地定位于目标业务场景内的用户操作日志的隐私项目。
在一种获得存在持续定位需求的隐私项目信息集的实施例中，数据处理服务器接收前端交互设备输入的存在持续定位需求的隐私项目信息集。
步骤302、在获得目标业务检测线程爬取到的第一云业务交互记录的基础上，从存在持续定位需求的隐私项目信息集获得一个活动描述，作为参考活动描述。
目标业务检测线程设置在目标业务场景内，而第一云业务交互记录由目标业务检测线程爬取得到，并且第一云业务交互记录包含待进行分析的隐私项目。那么数据处理服务器获得目标业务检测线程爬取到的第一云业务交互记录，说明待进行分析的隐私项目已进入目标业务场景，因此需要确定待进行分析的隐私项目的类别，即确定待进行分析的隐私项目为不少于一个存在持续定位需求的隐私项目中的哪一隐私项目。
因此数据处理服务器在获得目标业务检测线程爬取到的第一云业务交互记录的基础上，从存在持续定位需求的隐私项目信息集中获得一个活动描述，并将该活动描述作为参考活动描述。如此，便可通过将第一活动描述与参考活动描述进行差异化解析，确定待进行分析的隐私项目是否为参考隐私项目。
可以理解的是，步骤301和步骤302中的参考隐私项目仅为示例，不应理解为数据处理服务器仅从存在持续定位需求的隐私项目信息集中获得一辆存在持续定位需求的隐私项目的活动描述，并确定待进行分析的隐私项目与不少于一个存在持续定位需求的隐私项目中的某一隐私项目是否一致。实际实施时，数据处理服务器可将第一活动描述分别与存在持续定位需求的隐私项目信息集中的每组存在持续定位需求的隐私项目的活动描述进行差异化解析，以确定待进行分析的隐私项目的类别。
基于同样的发明构思，图2示出了本发明实施例提供的的基于人工智能的隐私业务数据分析装置的模块框图，基于人工智能的隐私业务数据分析装置可以包括实施图1所示的相关方法步骤的如下模块。
记录确定模块10，用于分别确定第一云业务交互记录、参考隐私项目的参考活动描述以及参考隐私项目的不少于一个参考隐私项目要素，其中，第一云业务交互记录包括待进行分析的隐私项目。
描述挖掘模块20，用于对第一云业务交互记录进行活动描述挖掘操作，得到待进行分析的隐私项目的第一活动描述。
要素获得模块30，用于获得参考隐私项目的不少于一个第一隐私项目要素。
项目解析模块40，用于基于第一活动描述和参考活动描述之间的量化共性指数、以及不少于一个第一隐私项目要素和不少于一个参考隐私项目要素的配对情况，得到以上待进行分析的隐私项目与参考隐私项目的差异性解析情况。
应用于本发明的相关实施例可以达到如下技术效果：数据处理服务器结合第一活动描述和参考活动描述之间的量化共性指数，以及不少于一个第一隐私项目要素和不少于一个参考隐私项目要素的配对情况，确定参考隐私项目与待进行分析的隐私项目的差异性解析情况，能够提高差异性解析情况的准确度及可信度。基于此，能够通过差异性解析情况对待进行分析的隐私项目进行针对性的隐私防护处理，比如参考隐私项目位于项目聚类1中，如果待进行分析的隐私项目与参考隐私项目匹配或者配对，那么可以确定待进行分析的隐私项目同样位于项目聚类1中，这样可以通过结合项目聚类1的隐私防护策略对待进行分析的隐私项目进行隐私防护处理，避免直接多次对待进行分析的隐私项目进行隐私防护处理带来的额外资源开销，此外，通过分析项目聚类1的隐私防护策略，能够结合迭代思路或者更新思路不断优化当前的隐私防护策略，进而在一定程度上确保隐私防护处理的可靠性。
以上所述，仅为本申请的具体实施方式。熟悉本技术领域的技术人员根据本申请提供的具体实施方式，可想到变化或替换，都应涵盖在本申请的保护范围之内。
Claims (9)
1.一种基于人工智能的隐私业务数据分析方法，其特征在于，应用于数据处理服务器，所述方法至少包括：
分别确定第一云业务交互记录、参考隐私项目的参考活动描述以及所述参考隐私项目的不少于一个参考隐私项目要素；其中，所述第一云业务交互记录包括待进行分析的隐私项目；对所述第一云业务交互记录进行活动描述挖掘操作，得到所述待进行分析的隐私项目的第一活动描述；
获得所述待进行分析的隐私项目的不少于一个第一隐私项目要素；通过所述第一活动描述和所述参考活动描述之间的量化共性指数、以及所述不少于一个第一隐私项目要素和所述不少于一个参考隐私项目要素的配对情况，得到所述待进行分析的隐私项目与所述参考隐私项目的差异性解析情况；
其中，所述通过所述第一活动描述和所述参考活动描述之间的量化共性指数、以及所述不少于一个第一隐私项目要素和所述不少于一个参考隐私项目要素的配对情况，得到所述待进行分析的隐私项目与所述参考隐私项目的差异性解析情况，包括：在所述第一活动描述和所述参考活动描述之间的量化共性指数大于第一量化共性指数判定值的基础上，结合所述不少于一个第一隐私项目要素和所述不少于一个参考隐私项目要素，得到所述待进行分析的隐私项目与所述参考隐私项目的差异性解析情况；
其中，在所述不少于一个第一隐私项目要素包含所述待进行分析的隐私项目的第一项目主题信息，且所述不少于一个参考隐私项目要素包含所述参考隐私项目的参考项目主题信息的基础上，所述结合所述不少于一个第一隐私项目要素和所述不少于一个参考隐私项目要素，得到所述待进行分析的隐私项目与所述参考隐私项目的差异性解析情况，包括：在所述第一项目主题信息与所述参考项目主题信息配对的基础上，确定所述差异性解析情况包含所述待进行分析的隐私项目与所述参考隐私项目一致；在所述第一项目主题信息与所述参考项目主题信息不配对的基础上，确定所述差异性解析情况包含所述待进行分析的隐私项目与所述参考隐私项目不一致；
其中，所述不少于一个第一隐私项目要素包含所述待进行分析的隐私项目的第一项目主题信息和所述待进行分析的隐私项目的不少于一个第一可视化要素，所述不少于一个参考隐私项目要素包含所述参考隐私项目的参考项目主题信息和所述参考隐私项目的不少于一个参考可视化要素；
所述结合所述不少于一个第一隐私项目要素和所述不少于一个参考隐私项目要素，得到所述待进行分析的隐私项目与所述参考隐私项目的差异性解析情况，包括：在所述第一项目主题信息与所述参考项目主题信息配对的基础上，结合所述不少于一个第一可视化要素和所述不少于一个参考可视化要素，得到所述待进行分析的隐私项目与所述参考隐私项目的差异性解析情况。
2.如权利要求1所述的方法，其特征在于，所述不少于一个参考隐私项目要素包含所述参考隐私项目的不少于一个参考可视化要素；
所述在所述第一活动描述和所述参考活动描述之间的量化共性指数大于第一量化共性指数判定值的基础上之后，所述获得所述待进行分析的隐私项目的不少于一个隐私项目要素，包括：在没有解析出所述待进行分析的隐私项目的第一项目主题信息的基础上，对所述第一云业务交互记录进行可视化要素挖掘处理，得到所述待进行分析的隐私项目的不少于一个第一可视化要素；
所述结合所述不少于一个第一隐私项目要素和所述不少于一个参考隐私项目要素，得到所述待进行分析的隐私项目与所述参考隐私项目的差异性解析情况，包括：结合所述不少于一个第一可视化要素和所述不少于一个参考可视化要素，得到所述待进行分析的隐私项目与所述参考隐私项目的差异性解析情况；其中，结合所述不少于一个第一可视化要素和所述不少于一个参考可视化要素，得到所述待进行分析的隐私项目与所述参考隐私项目的差异性解析情况，包括：确定所述不少于一个第一可视化要素和所述不少于一个参考可视化要素是否配对，得到第一配对情况；在所述第一配对情况包含所述不少于一个第一可视化要素和所述不少于一个参考可视化要素配对的基础上，确定所述差异性解析情况包含所述待进行分析的隐私项目与所述参考隐私项目一致；在所述第一配对情况包含所述不少于一个第一可视化要素和所述不少于一个参考可视化要素不配对的基础上，确定所述差异性解析情况包含所述待进行分析的隐私项目与所述参考隐私项目不一致。
3.如权利要求2所述的方法，其特征在于，所述不少于一个第一可视化要素和所述不少于一个参考可视化要素皆携带重要程度系数；
所述确定所述不少于一个第一可视化要素和所述不少于一个参考可视化要素是否配对，得到第一配对情况之前，所述方法还包括：获得第二量化共性指数判定值，所述第二量化共性指数判定值大于所述第一量化共性指数判定值；
所述确定所述不少于一个第一可视化要素和所述不少于一个参考可视化要素是否配对，得到第一配对情况，包括：在所述第一活动描述和所述参考活动描述之间的量化共性指数大于所述第二量化共性指数判定值，且所述不少于一个第一可视化要素和所述不少于一个参考可视化要素符合第一配对要求或第二配对要求的基础上，确定所述第一配对情况包含所述不少于一个第一可视化要素与所述不少于一个参考可视化要素配对；在所述第一活动描述和所述参考活动描述之间的量化共性指数大于所述第二量化共性指数判定值，且所述不少于一个第一可视化要素和所述不少于一个参考可视化要素不符合所述第一配对要求和所述第二配对要求的基础上，确定所述第一配对情况包含所述不少于一个第一可视化要素与所述不少于一个参考可视化要素不配对；
所述第一配对要求包括：所述不少于一个第一可视化要素和所述不少于一个参考可视化要素中不存在反映相同可视化要素，且重要程度系数大于重要程度系数判定值的可视化要素；
所述第二配对要求包括：所述不少于一个第一可视化要素中的第二可视化要素与所述不少于一个参考可视化要素中的第三可视化要素一致，所述第二可视化要素和所述第三可视化要素反映相同可视化要素，且所述第二可视化要素的重要程度系数和所述第三可视化要素的重要程度系数皆大于所述重要程度系数判定值。
4.如权利要求3所述的方法，其特征在于，在所述第一活动描述和所述参考活动描述之间的量化共性指数不大于所述第二量化共性指数判定值的基础上，所述方法还包括：
在所述不少于一个第一可视化要素和所述不少于一个参考可视化要素中不存在反映相同可视化要素，且重要程度系数大于所述重要程度系数判定值的可视化要素的基础上，确定所述第一配对情况包含所述不少于一个第一可视化要素与所述不少于一个参考可视化要素不配对；
确定所述不少于一个第一可视化要素中的第四可视化要素和所述不少于一个参考可视化要素中的第五可视化要素是否配对，得到第二配对情况，所述第四可视化要素的重要程度系数和所述第五可视化要素的重要程度系数皆大于所述重要程度系数判定值，且所述第四可视化要素与所述第五可视化要素反映相同可视化要素；
在所述第二配对情况包含所述第四可视化要素和所述第五可视化要素配对的基础上，确定所述第一配对情况包含所述不少于一个第一可视化要素与所述不少于一个参考可视化要素配对；
在所述第二配对情况包含所述第四可视化要素和所述第五可视化要素不配对的基础上，确定所述第一配对情况包含所述不少于一个第一可视化要素与所述不少于一个参考可视化要素不配对。
5.如权利要求4所述的方法，其特征在于，所述确定所述不少于一个第一可视化要素中的第四可视化要素和所述不少于一个参考可视化要素中的第五可视化要素是否配对，得到第二配对情况，包括：
在所述第四可视化要素和所述第五可视化要素一致的基础上，确定所述第二配对情况包含所述第四可视化要素和所述第五可视化要素配对；
在所述第四可视化要素和所述第五可视化要素不一致的基础上，确定所述第二配对情况包含所述第四可视化要素和所述第五可视化要素不配对。
6.如权利要求4所述的方法，其特征在于，所述确定所述不少于一个第一可视化要素中的第四可视化要素和所述不少于一个参考可视化要素中的第五可视化要素是否配对，得到第二配对情况，包括：
在所述第四可视化要素和所述第五可视化要素分别反映第一个体用户画像和第二个体用户画像的基础上，获得所述第一个体用户画像和所述第二个体用户画像的个体用户画像配对列表；
在结合所述个体用户画像配对列表确定所述第一个体用户画像和所述第二个体用户画像不配对的基础上，确定所述第二配对情况包含所述第四可视化要素和所述第五可视化要素不配对；
在结合所述个体用户画像配对列表确定所述第一个体用户画像和所述第二个体用户画像配对的基础上，确定所述第二配对情况包含所述第四可视化要素和所述第五可视化要素配对。
7.如权利要求1所述的方法，其特征在于，所述通过所述第一活动描述和所述参考活动描述之间的量化共性指数、以及所述不少于一个第一隐私项目要素和所述不少于一个参考隐私项目要素的配对情况，得到所述待进行分析的隐私项目与所述参考隐私项目的差异性解析情况，包括：在所述不少于一个第一隐私项目要素和所述不少于一个参考隐私项目要素配对的基础上，结合所述第一活动描述和所述参考活动描述之间的量化共性指数，得到所述待进行分析的隐私项目与所述参考隐私项目的差异性解析情况。
8.如权利要求1~7中任意一项所述的方法，其特征在于，所述确定第一云业务交互记录，包括：获得目标业务检测线程爬取到的所述第一云业务交互记录，所述目标业务检测线程设置在目标业务场景；
确定参考隐私项目的参考活动描述，包括：获得存在持续定位需求的隐私项目信息集，所述存在持续定位需求的隐私项目信息集包括不少于一个存在持续定位需求的隐私项目的活动描述，所述不少于一个存在持续定位需求的隐私项目包括需持续性地定位于所述目标业务场景的用户操作日志的隐私项目，且所述参考隐私项目为所述不少于一个存在持续定位需求的隐私项目中的其中一个隐私项目；在获得所述目标业务检测线程爬取到的所述第一云业务交互记录的基础上，从所述存在持续定位需求的隐私项目信息集获得一个活动描述作为所述参考活动描述。
9.一种数据处理服务器，其特征在于，包括：存储器和处理器；所述存储器和所述处理器耦合；所述存储器用于存储计算机程序代码，所述计算机程序代码包括计算机指令；其中，当所述处理器执行所述计算机指令时，使得所述数据处理服务器执行如权利要求1-8中任意一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210025966.5A CN114417405B (zh) | 2022-01-11 | 2022-01-11 | 一种基于人工智能的隐私业务数据分析方法及服务器 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210025966.5A CN114417405B (zh) | 2022-01-11 | 2022-01-11 | 一种基于人工智能的隐私业务数据分析方法及服务器 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114417405A CN114417405A (zh) | 2022-04-29 |
| CN114417405B true CN114417405B (zh) | 2022-10-14 |
Family
ID=81271891
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210025966.5A Active CN114417405B (zh) | 2022-01-11 | 2022-01-11 | 一种基于人工智能的隐私业务数据分析方法及服务器 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114417405B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114880709B (zh) * | 2022-05-23 | 2023-04-07 | 上海焱祺华伟信息系统技术有限公司 | 一种应用人工智能的电商数据防护方法及服务器 |
| CN116522401B (zh) * | 2023-07-04 | 2023-08-29 | 成都乐超人科技有限公司 | 基于云数据安全的信息去标识化处理方法及系统 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10747898B2 (en) * | 2016-10-20 | 2020-08-18 | International Business Machines Corporation | Determining privacy for a user and a product in a particular context |
| CN111680287B (zh) * | 2020-08-14 | 2020-11-13 | 支付宝(杭州)信息技术有限公司 | 基于用户隐私保护的应用程序检测方法及装置 |
| CN113596131A (zh) * | 2020-12-21 | 2021-11-02 | 刚倩 | 基于深度学习的页面词条提取模型训练方法及系统 |
| CN113590679A (zh) * | 2020-12-30 | 2021-11-02 | 陈非 | 基于互联网金融的聚类分析方法以及大数据分析服务器 |
| CN112765659B (zh) * | 2021-01-20 | 2021-09-21 | 曙光星云信息技术（北京）有限公司 | 针对大数据云服务的数据泄露防护方法及大数据服务器 |
| CN114610772A (zh) * | 2021-01-26 | 2022-06-10 | 龚世燕 | 基于大数据的用户画像挖掘方法及云计算服务器 |
| CN113282421A (zh) * | 2021-06-10 | 2021-08-20 | 广州市泽联科技有限公司 | 基于人工智能和云计算的业务分析方法及人工智能服务器 |
| CN113469663A (zh) * | 2021-08-02 | 2021-10-01 | 东莞市爱学爱玩教育科技有限公司 | 一种结合人工智能的智慧业务信息分析方法及系统 |
-
2022
- 2022-01-11 CN CN202210025966.5A patent/CN114417405B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN114417405A (zh) | 2022-04-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113706177B (zh) | 一种基于大数据安防的威胁识别方法及数据安防服务器 | |
| US9158772B2 (en) | Partial and parallel pipeline processing in a deep question answering system | |
| US7856411B2 (en) | Social network aware pattern detection | |
| US9911082B2 (en) | Question classification and feature mapping in a deep question answering system | |
| US9141660B2 (en) | Intelligent evidence classification and notification in a deep question answering system | |
| CN114417405B (zh) | 一种基于人工智能的隐私业务数据分析方法及服务器 | |
| CN104765874B (zh) | 用于检测点击作弊的方法及装置 | |
| CA3083723C (en) | Method and apparatus for providing personalized self-help experience | |
| Wang et al. | Automatically detecting criminal identity deception: An adaptive detection algorithm | |
| CN111612038B (zh) | 异常用户检测方法及装置、存储介质、电子设备 | |
| CN114139209B (zh) | 一种应用于业务用户大数据的信息防窃取方法及系统 | |
| CN114553658B (zh) | 一种基于云计算的资源共享安全处理方法及服务器 | |
| CN115422592A (zh) | 大数据安防处理方法及系统 | |
| CN111612037A (zh) | 异常用户检测方法、装置、介质及电子设备 | |
| CN111859451A (zh) | 多源多模态数据的处理系统及应用该系统的方法 | |
| CN115174231A (zh) | 一种基于AI Knowledge Base的网络欺诈分析方法及服务器 | |
| CN112132238A (zh) | 一种识别隐私数据的方法、装置、设备和可读介质 | |
| CN111078980A (zh) | 基于征信大数据的管理方法、装置、设备及存储介质 | |
| CN114547254A (zh) | 一种基于大数据话题分析的风险识别方法及服务器 | |
| CN113706158A (zh) | 一种基于云支付的大数据入侵防护分析方法及系统 | |
| CN113593692A (zh) | 基于大数据智慧医疗的数据处理方法和云计算服务器 | |
| CN116881971A (zh) | 一种敏感信息泄露检测方法、设备及存储介质 | |
| CN117009832A (zh) | 异常命令的检测方法、装置、电子设备及存储介质 | |
| CA3106262A1 (en) | Method and system for risk determination | |
| CN114186272A (zh) | 一种基于数字办公的大数据威胁防护方法及系统 |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20220805 Address after: No. 29 Tangye West Road, Licheng District, Jinan City, Shandong Province, 250000 Applicant after: Gao Guolan Address before: 250000 Room 403, block a, development building, No. 3218, East 2nd Ring Road, Licheng District, Jinan City, Shandong Province Applicant before: Shandong zeju Big Data Technology Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20220908 Address after: Room 501, No. 1, Floor 1-5, Building 3-13, Phase III, Optics Valley Core Center, No. 303, Optics Valley Avenue, Fozuling Street, Donghu New Technology Development Zone, Wuhan City, Hubei Province 430000 Applicant after: ChinaSoft digital intelligence information technology (Wuhan) Co.,Ltd. Address before: No. 29 Tangye West Road, Licheng District, Jinan City, Shandong Province, 250000 Applicant before: Gao Guolan |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |