CN114417421A - 一种基于元宇宙的共享信息隐私保护方法及相关装置 - Google Patents
一种基于元宇宙的共享信息隐私保护方法及相关装置 Download PDFInfo
- Publication number
- CN114417421A CN114417421A CN202210093047.1A CN202210093047A CN114417421A CN 114417421 A CN114417421 A CN 114417421A CN 202210093047 A CN202210093047 A CN 202210093047A CN 114417421 A CN114417421 A CN 114417421A
- Authority
- CN
- China
- Prior art keywords
- participants
- block chain
- information
- participant
- transaction data
- 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
- 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
- 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
- G06F21/6227—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 where protection concerns the structure of data, e.g. records, types, queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/20—Ensemble learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Bioethics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Computer Security & Cryptography (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
根据本申请方案所提供的基于元宇宙的共享信息隐私保护方法及相关装置,在基于元宇宙虚拟现实应用场景的线上活动中建立交易数据区块链;根据交易数据区块链构建与元宇宙虚拟现实应用场景中参与方特征相应的数据库模型;通过交易数据区块链的智能合约,控制运行节点获取数据库模型中信息数据的训练任务;在运行节点完成联邦学习训练任务之后,共享信息数据。通过本申请方案的实施,在基于元宇宙虚拟现实应用场景的线上活动中建立交易数据区块链,在数据不离本地前提下建立数据库模型,以智能合约的形式发布共享机器学习的训练任务,在保护参与方隐私的情况下实现线上数据的信息共享。
Description
技术领域
本申请涉及网络安全技术领域,尤其涉及一种基于元宇宙的共享信息隐私保护方法及相关装置。
背景技术
机器学习技术在许多领域取得了重大成功,但是机器学习方法只有在训练数据和测试数据在相同的特征空间中或具有相同分布的假设下才能很好地发挥作用。当分布发生变化时,大多数统计模型需要使用新收集的训练数据重建模型。在许多实际应用中,重新收集所需的训练数据并重建模型的代价是非常昂贵的。比如说,我们在一个感兴趣的领域中有一个分类任务,但我们只在另一个感兴趣的领域中有足够的训练数据,其中后者的数据可能在不同的特征空间中或遵循不同的数据分布,我们希望能够从后者中将知识进行迁移从而帮助完成前者的任务。最重要的一点,目前很多领域大量数据获取都是一大难题,更不用说收集有标记的数据是多么困难,所以小样本问题就凸显出来。人工智能的三大要素:数据,算法,算力。在数据和算力都有限的情况下,提升算法是人工智能发展的唯一途径。将机器学习应用于元宇宙线上实际场景的障碍主要在于如何保护参与方隐私和数据安全。
发明内容
本申请实施例提供了一种应用于元宇宙的共享信息隐私保护方法及相关装置,至少能够解决相关技术中基于元宇宙虚拟现实应用场景的线上活动在信息共享上无法保证参与方隐私信息的安全性的问题。
本申请实施例第一方面提供了一种基于元宇宙的共享信息隐私保护方法,应用于区块链服务器,包括:
在基于元宇宙虚拟现实应用场景的线上活动中建立交易数据区块链;
根据所述交易数据区块链构建与所述元宇宙虚拟现实应用场景中参与方特征相应的数据库模型;
基于所述交易数据区块链的智能合约,控制运行节点获取基于所述数据库模型中信息数据的联邦学习训练任务;
在所述运行节点完成所述联邦学习训练任务之后,共享所述信息数据。
本申请实施例第二方面提供了一种区块链消息交互方法,应用于物联网设备,包括:
在所述物联网设备中构造区块链消息,并向区块链网络发送获取目标SDK代理节点的节点信息请求;其中,所述区块链网络中部署有多个SDK代理节点,且所述目标SDK代理节点为所述多个SDK代理节点中的任意一个;
根据所述区块链网络返回的所述节点信息,将所述区块链消息发送至所述目标SDK代理节点;其中,所述目标SDK代理节点用于将所述区块链消息发送至所述区块链网络中的指定区域。
本申请实施例第三方面提供了一种电子设备,其特征在于,包括存储器及处理器,其中,所述处理器用于执行存储在存储器上的第一计算机程序或第二计算机程序,处理器执行第一计算机程序时,实现上述本申请实施例第一方面提供的共享信息隐私保护方法中的各步骤,处理器执行第二计算机程序时,实现上述本申请实施例第二方面提供的区块链消息交互方法中的各步骤。
本申请实施例第四方面提供了一种计算机可读存储介质,其上存储有第一计算机程序或第二计算机程序,第一计算机程序被处理器执行时,实现上述本申请实施例第一方面提供的共享信息隐私保护方法中的各步骤,第二计算机程序被处理器执行时,实现上述本申请实施例第二方面提供的区块链消息交互方法中的各步骤。
由上可见,根据本申请方案所提供的基于元宇宙的共享信息隐私保护方法及相关装置,在基于元宇宙虚拟现实应用场景的线上活动中建立交易数据区块链;根据所述交易数据区块链构建与所述元宇宙虚拟现实应用场景中参与方特征相应的数据库模型;基于所述交易数据区块链的智能合约,控制运行节点获取基于所述数据库模型中信息数据的联邦学习训练任务;在所述运行节点完成所述联邦学习训练任务之后,共享所述信息数据。通过本申请方案的实施,在基于元宇宙虚拟现实应用场景的线上活动中建立交易数据区块链,在数据不离本地前提下建立数据库模型,以智能合约的形式发布共享机器学习的训练任务,在保护参与方隐私的情况下实现线上数据的信息共享。
附图说明
图1为本申请第一实施例提供的应用于区块链服务器侧的共享信息隐私保护方法的基本流程示意图;
图2为本申请第一实施例提供的共享信息隐私保护方法的任务管理智能合约任务发布流程图;
图3为本申请第一实施例提供的双冷启动推荐的NTL方法的流程示意图;
图4为本申请第一实施例提供的物联网与线上数据交互的流程示意图;
图5为本申请第一实施例提供的应用于物联网设备侧的区块链消息交互方法的基本流程示意图;
图6为本申请第二实施例提供的共享信息隐私保护方法的细化流程示意图;
图7为本申请第三实施例提供的电子设备的结构示意图。
具体实施内容
为使得本申请的发明目的、特征、优点能够更加的明显和易懂,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而非全部实施例。基于本申请中的实施例,本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
为了解决相关技术中基于元宇宙虚拟现实应用场景的线上活动在信息共享上无法保证参与方隐私信息的安全性的问题,本申请第一实施例提供了一种共享信息隐私保护方法,应用于元宇宙虚拟现实应用场景,如图1为本实施例提供的共享信息隐私保护方法的基本流程图,该共享信息隐私保护方法包括以下步骤:
步骤101、在基于元宇宙虚拟现实应用场景的线上活动中建立交易数据区块链。
具体的,在本实施例中,元宇宙(Metaverse)是利用科技手段进行链接与创造的,与现实世界映射与交互的虚拟世界,元宇宙是一种可以大规模连接的虚拟现实应用场景,元宇宙是整合多种新技术而产生的新型虚实相融的互联网应用和社会形态,它基于扩展现实技术提供沉浸式体验,基于数字孪生技术生成现实世界的镜像,基于区块链技术搭建经济体系,将虚拟世界与现实世界在经济系统、社交系统、身份系统上密切融合,并且允许每个参与方进行内容生产和世界编辑。
区块链的设计目的是让所有节点共同参与维护公共数据账本的系统,让数据账本公开透明。区块链的基础架构可以分成六层。区块链系统一般由数据层、网络层、共识层、激励层、合约层和应用层组成。数据层用于构建数据区块,对数据进行加密签名,增加时间戳;网络层包括分布式对等网络,用于节点间的通信和数据验证;共识层实现各类共识算法;激励层主要用于制定相应的激励机制,在联盟链和私有链中并不需要,因为激励在系统外就已经确认;合约层主要封装各类脚本、算法和智能合约,是区块链可编程特性的基础;应用层则是基于区块链技术的各类应用,通过共享的区块链,建立元宇宙线上社交系统与线下融合数据机制,保证记录都权威可信。
在本实施例一种可选的实施方式中,在虚拟现实应用场景的线上活动中建立交易数据交易数据区块链的步骤之后,还包括:对交易数据区块链上各参与方之间的交易信息进行信息验证;针对信息验证通过的交易信息标记相应的时间戳;通过拥有去中心化的交易数据区块链整合对应于时间戳的线上活动。
具体的,在本实施例中,在线上活动的交易达成后,首先由区块链上的各个参与者对交易进行验证,一旦所有的参与者达成共识,该条交易信息盖上表明交易发生的先后顺序的时间戳。时间戳功能保证了交易的可追溯性。区块链技术的应用解决了传统交易信用风险高的痛点,提高了交易的安全性。同时区块链每个参与者都有一套完整的账本,在对账方面具有得天独厚的优势,这就降低了对账的成本,提高了清算的效率。产品具有去中心化、去信任、时间戳等特征的区块链技术作为平台架构的底层技术,使得所有的交易信息公开透明、不可被篡改,大大降低了操作风险及信用风险的发生,使交易更加安全。
步骤102、根据交易数据区块链构建与元宇宙虚拟现实应用场景中参与方特征相应的数据库模型。
具体的,在实际应用中,线上活动中的参与方在交易完成之后,会将交易数据上传,在云端的数据库进行统一存储,但是在数据的上传并不在本地进行,容易在系统外被恶意拦截,存在着隐私泄露的风险。在本实施例中,针对区块链上的线上活动,对线上信息数据进行融合,提取出参与方的行为特征构建数据库模型,通过联邦学习的技术,既保持了数据信息的共享化,同时也保护了数据信息不出本地,包括数据信息的线上信息数据不出本地,做到隐私的保护;同时,以及线下信息也不出本地,做到隐私的保护。
应当说明的是,在构建数据库模型的过程中应用差分隐私进行隐私保护,在数据中加入一些差分隐私来保护参与方的隐私。它可以用于建模的各个环节,比如在参与方数据收集的过程中加入,也可以在建模的过程中,比如梯度计算,模型参数中加入差分隐私噪声,还可以在预估结果中加入噪声。
在本实施例一种可选的实施方式中,根据交易数据区块链构建与元宇宙虚拟现实应用场景中参与方特征相应的数据库模型的步骤,包括:当参与方之间发生特征交叉时,获取参与方之间传递的模型参数;其中模型参数包括物品配置文件;加密物品配置文件并发送给各参与方;在各参与方接收到物品配置文件之后,通过横向联邦矩阵分解推荐各参与方自身的用户配置文件以及物品配置文件;根据推荐的用户配置文件以及物品配置文件构建相应的数据库模型。
具体的,在实际应用中,参与方之间的数据交互并没有过多的加密处理。在本实施例中,在数据的传输过程中进行特征交叉,并加密参与方之间传递的模型参数,其中,模型参数包括物品配置文件,通过第三方服务器将加密后的物品配置文件发送给区块链上的所有参与方,参与方在接收到物品配置文件后通过横向联邦矩阵分解向数据库模型推荐参与方自身的用户配置文件和物品配置文件,并基于所有用户配置文件和物品配置文件构建数据库模型。应当理解的是,上述横向联邦矩阵分解的过程属于联邦学习的横向联邦学习,在相应的情况下,构建数据库模型还存在纵向联邦学习。在构建模型的过程中原始数据不出本地,在加密条件下交换模型的参数来构建模型,保护参与方的隐私。
应当说明的是,特征交叉为因子分解机是处理交叉特征的常用算法。在数据可以自由传输的情况下,是很容易处理的。但是联邦场景下,联邦因子分解机的目标函数经优化后,由三部分组成:在party A和party B各自内部进行特征交叉,以及在A和B之间的特征交叉。我们分别在A方和B方做一部分计算,然后在合并起来,数据不出本地。同样的,通过引入第三方服务器,在加密的状态下在A方和B方之间传递模型参数和特征交叉求和的中间结果。
进一步的,在本实施例一种可选的实施方式中,当参与方之间发生特征交叉时,获取参与方之间传递的模型参数的步骤,包括:当参与方之间发生特征交叉时,交互参与方之间的预估值梯度和损失函数;将预估值梯度进行掩码加密后发送给第三方服务器;获取第三方服务器解密后的汇总预估值梯度;通过汇总预估值梯度的对应掩码,更新参与方的模型参数;若通过循环训练不再更新模型参数,则获取最终模型参数。
具体的,在本实施例中,参与方之间进行特征交叉时,基于各自的特征计算预估值梯度并通过掩码加密进行交互,分别基于加密的梯度值计算最终的损失函数,并把结构汇总给第三方服务器,第三方服务器通过解密后将梯度传回给参与方,参与方根据梯度更新各自的模型参数,循环上述步骤直至损失函数收敛,即联邦因子分解机的整个训练过程,在训练过程中,参与方各自的数据均保留在本地,且训练中的数据交互也不会导致数据隐私泄露。
再进一步的,在本实施例一种可选的实施方式中,当参与方之间发生特征交叉时,交互参与方之间的特征预估值梯度和损失函数的步骤,包括:当第一参与方与第二参与方之间发生特征交叉时,针对第一参与方特征计算的第一预估值以及部分损失,加密发送给第二参与方;基于第二参与方特征计算的第二预估值以及第一预估值,计算损失函数以及预估值梯度,并控制第二参与方将损失函数以及预估值梯度发送给第一参与方。
具体的,在本实施例中,第一参与方与第二参与方分别初始化各自的模型,第三方服务器把公钥发送给第一参与方与第二参与方,用于对需要交互的数据进行加密,第一参与方基于自己的特征计算部分预估值和部分损失,并加密发送给第二参与方,第二参与方接收到以后,基于自己的特征计算部分预估值,并结合第一参与方的预估值,计算最终的损失函数和梯度,然后将第一参与方需要的梯度和损失函数发送回第一参与方,完成参与方之间的特征交互的过程中保护参与方隐私数据。
在本实施例一种可选的实施方式中,通过横向联邦矩阵分解推荐各参与方自身的用户配置文件以及物品配置文件的步骤之前,还包括:控制各参与方对物品配置文件进行解密;根据本地数据计算解密后的物品配置文件的损失;根据损失更新各参与方的用户配置文件。
具体的,在本实施例中,参与方获取到服务器加密的物品配置文件之后,对物品配置文件进行解密,并基于本地数据计算交互过程中的损失,根据计算结果更新各自的用户配置文件,实现参与方特征对齐。
步骤103、基于交易数据区块链的智能合约,控制运行节点获取基于数据库模型中信息数据的联邦学习训练任务。
具体的,在本实施例中,在不影响隐私保护的情况下,根据元宇宙线上信息和数据的知识图谱,建立元宇宙用户行为特点的智能化分析模型,运用区块链智能合约技术,需求方在区块链上以智能合约的形式发布机器学习模型训练任务,运行节点将获取基于构建的数据库模型选择感兴趣的联邦学习训练任务,有利于多项元宇宙线上数据的信息共享。
在本实施例一种可选的实施方式中,基于交易数据区块链的智能合约,控制运行节点获取基于数据库模型中信息数据的联邦学习训练任务的步骤,包括:通过交易数据区块链部署任务管理智能合约;根据任务管理智能合约控制运行节点获取发布任务的智能合约;根据智能合约的API,控制运行节点读取任务列表,并选择感兴趣的联邦学习训练任务。
具体的,在本实施例中,基于区块链智能合约技术部署一个任务管理智能合约用于记录和管理所有发布任务的智能合约,如图2任务管理智能合约任务发布流程图所示,运行节点将从任务管理智能合约获取发布任务的智能合约,其中,运行节点包括但不限于SDK代理节点,通过智能合约提供的API接口,运行节点可以读取任务列表,并可以选择参与感兴趣的训练任务。发布任务的智能合约将指定模型计算图,训练数据集,测试数据集,准确度要求,考虑到智能合约不合适存储较大文件,其中数据文件将存储在中心化或去中心化文件系统中,智能合约将存储其哈希值以及获取路径。区块链具有去中心化、去信任、时间戳等特征的区块链技术作为平台架构的底层技术,使得所有的相关信息公开透明、不可被篡改,大大降低了操作风险及信用风险的发生,使线上信息共享更加安全。
应当说明的是,在特征对齐的情况下,以智能合约的形式发布共享机器学习纵向联邦学习以及横向联邦学习,在特征不对齐的情况下,通过加密参数信息进行迁移学习,其中包括基于特征的迁移以及基于关系的迁移。基于特征的迁移学习:训练数据的输入就对应一个原始输入空间,比如,一则新闻的原始输入空间就是由许多词构成的空间。这导致的一个问题是,已有知识所在的原始输入空间可能与要解决的新任务的原始输入空间并不重叠,阻碍了知识的直接复用。这时,基于特征的迁移就学习一个抽象的特征空间,使得已有知识可以通过这个抽象的特征空间方便地迁移到新任务上。可以将此看作学习一种通用的特征表示,在各个任务之间都可以转换。基于关系的迁移学习:不独立地看待样本,而是考虑样本之间的关系。机器学习中与其对应的概念就是样本之间不再是独立同分布的,小样本学习是解决训练样本严重不足或者收集训练样本的代价高昂等问题的有效工具,实际上是在向人类可以通过很少的例子学习一个新概念的能力迈进。虽然随着信息技术的发展,产生了大量的数据,但是特定领域仍然面临数据短缺的问题,这对机器学习来说是很难解决的。从20世纪90年代的孪生网络到近期的贝叶斯概率方法,研究者仍在持续探索和研究这个领域。
在本实施例中,通过双冷启动推荐处理基于关系的迁移学习,尽管在线上活动领域中没有关于冷启动用户和冷启动物品的用户行为,但也可能存在其他相关领域的用户行为。具体来说,我们利用了相关领域(即历史线上活动领域)的一些知识,其中用户的历史线上活动的交易行为在该领域可用,在历史线上活动领域中有一个三元组,即(u,g,Gug),表示用户u已经进行了属于类型g的线上活动Gug次。然后,历史线上活动领域的数据可以表示为用户类型矩阵G,如图3双冷启动推荐的NTL方法所示,在线上活动领域,有一个用户物品矩阵R表示用户已经交易过的物品,每个物品i与一个一级类别c1(i)∈l1和一个二级类别c2(i)∈l2相关。因此有一个四元组集合,即(u,i,c1(i),c2(i)),表示用户u已交易过属于c1(i)和c2(i)的物品i。在预处理之后,可以得到一个用户类别矩阵C,其中每个条目表示属于某个用户已读类别的物品数。
在推荐方法中,用户用户(或物品物品)相似性是一个核心概念,因为邻域的构建可以用于志同道合的用户的偏好聚合,然后用于目标用户的偏好预测。用户u对物品i的偏好预测公式的数学形式为:
在历史线上活动领域中冷启动用户u和热启动用户u'之间的相似度:
其中Gu·是用户类型矩阵G中关于用户u的行向量。一旦我们计算了余弦相似度,则对于每个冷启动用户u,我们首先删除具有较小相似度值的用户(例如Su,u'<0.1),然后取最相似的用户来构造邻域Nu。
步骤104、在运行节点完成联邦学习训练任务之后,共享信息数据。
具体的,在运行节点完成智能合约发布的训练任务之后再共享信息数据,保证了元宇宙线上信息和数据共享时用户隐私数据的安全性。
应当说明的是,根据个人喜好和需求为每个用户提供个性化的服务是至关重要且具有经济效应的,在用户基于元宇宙虚拟现实场景的线上活动区块链中共享信息数据时,通过区块链的联邦学习从大量的用户数据中,获取用户信息以及用户行为特征,并根据用户行为特征提取用户个性化喜好,当用户进行线上活动时,根据用户的个性化喜好向用户推荐特定的感兴趣场景,并以此与用户进行互动,通过提供个性化服务满足用户的个性化需求。
相对应的,如图4为本实施例提供的物联网与线上数据交互的流程示意图图,本发明第一实施例还提供了一种区块链消息交互方法,如图5为本实施例提供的区块链消息交互方法的基本流程图,该区块链消息交互方法包括以下步骤:
步骤501、在物联网设备中构造区块链消息,并向区块链网络发送获取目标SDK代理节点的节点信息的请求。
步骤502、根据区块链网络返回的节点信息,将区块链消息发送至目标SDK代理节点。
具体的,在本实施例中,基于实体系统与线上虚拟现实的融合,可以通过区块链消息进行交互,其中,包括但不限于AR、VR、MR等实体物联网设备与区块链的数据交互。在物联网设备中构造用于与线上数据交互的区块链消息,并向区块链网络发送获取目标SDK代理节点的节点信息请求;其中,区块链网络中部署有多个SDK代理节点,且目标SDK代理节点为多个SDK代理节点中的任意一个;根据区块链网络返回的节点信息,将区块链消息发送至目标SDK代理节点;目标SDK代理节点在接收到区块链消息之后,将区块链消息发送至区块链网络中的指定区域,同时,可以通过区块链网络提供的智能合约,实现区块链消息与区块链网络的动态链接。
基于上述申请的实施例方案,在基于元宇宙虚拟现实应用场景的线上活动中建立交易数据区块链;根据交易数据区块链构建与元宇宙虚拟现实应用场景中参与方特征相应的数据库模型;基于交易数据区块链的智能合约,控制运行节点获取基于数据库模型中信息数据的联邦学习训练任务;在运行节点完成联邦学习训练任务之后,共享信息数据。通过本申请方案的实施,在基于元宇宙虚拟现实应用场景的线上活动中建立交易数据区块链,在数据不离本地前提下建立数据库模型,以智能合约的形式发布共享机器学习的训练任务,在保护参与方隐私的情况下实现线上数据的信息共享。
图6中的方法为本申请第二实施例提供的一种细化的共享信息隐私保护方法,该共享信息隐私保护方法包括:
步骤601、在基于元宇宙虚拟现实应用场景的线上活动中建立交易数据区块链。
步骤602、当参与方之间发生特征交叉时,获取参与方之间传递的物品配置文件。
步骤603、加密物品配置文件并发送给各参与方。
步骤604、在各参与方接收到物品配置文件之后,通过横向联邦矩阵分解推荐各参与方自身的用户配置文件以及物品配置文件。
步骤605、根据推荐的用户配置文件以及物品配置文件构建相应的数据库模型。
步骤606、基于交易数据区块链的智能合约,控制运行节点获取基于数据库模型中信息数据的联邦学习训练任务。
步骤607、在运行节点完成联邦学习训练任务之后,共享信息数据。
具体的,在本实施例中,通过相应的联邦因子分解机训练以及横向联邦矩阵训练构建数据库模型,并通过区块链的智能合约发布联邦学习训练任务,控制运行节点选择性的获取训练任务,使参与者在信息共享的过程中,大大降低了操作风险及信用风险的发生,使线上信息共享更加安全。
应当理解的是,本实施例中各步骤的序号的大小并不意味着步骤执行顺序的先后,各步骤的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成唯一限定。
根据本申请方案所提供的基于元宇宙的共享信息隐私保护方法,在基于元宇宙虚拟现实应用场景的线上活动中建立交易数据区块链;根据交易数据区块链构建与元宇宙虚拟现实应用场景中参与方特征相应的数据库模型;基于交易数据区块链的智能合约,控制运行节点获取基于数据库模型中信息数据的联邦学习训练任务;在运行节点完成联邦学习训练任务之后,共享信息数据。通过本申请方案的实施,在基于元宇宙虚拟现实应用场景的线上活动中建立交易数据区块链,在数据不离本地前提下建立数据库模型,以智能合约的形式发布共享机器学习的训练任务,在保护参与方隐私的情况下实现线上数据的信息共享。
图7为本申请第四实施例提供的一种电子设备。该电子设备可用于实现前述实施例中的共享信息隐私保护方法。如图7所示,该电子设备主要包括:
存储器701、处理器702及存储在存储器701上并可在处理器702上运行的计算机程序703,存储器701和处理器702通过通信连接。处理器702执行该计算机程序703时,实现前述实施例中的网络设备管理方法。其中,处理器的数量可以是一个或多个。
存储器701可以是高速随机存取记忆体(RAM,Random Access Memory)存储器,也可为非不稳定的存储器(non-volatile memory),例如磁盘存储器。存储器701用于存储可执行程序代码,处理器702与存储器701耦合。
进一步的,本申请实施例还提供了一种计算机可读存储介质,该计算机可读存储介质可以是设置于上述各实施例中的电子设备中,该计算机可读存储介质可以是前述图7所示实施例中的存储器。
该计算机可读存储介质上存储有计算机程序,该程序被处理器执行时实现前述实施例中的共享信息隐私保护方法。进一步的,该计算机可存储介质还可以是U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个模块或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或模块的间接耦合或通讯连接,可以是电性,机械或其它的形式。
作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能模块可以集成在一个处理模块中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。
集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。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或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个可读存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。而前述的可读存储介质包括:U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
需要说明的是,对于前述的各方法实施例,为了简便描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其它顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定都是本申请所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其它实施例的相关描述。
以上为对本申请所提供的基于元宇宙的共享信息隐私保护方法及相关装置的描述,对于本领域的技术人员,依据本申请实施例的思想,在具体实施方式及应用范围上均会有改变之处,综上,本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种基于元宇宙的共享信息隐私保护方法,应用于区块链服务器,其特征在于,包括:
在基于元宇宙虚拟现实应用场景的线上活动中建立交易数据区块链;
根据所述交易数据区块链构建与所述元宇宙虚拟现实应用场景中参与方特征相应的数据库模型;
基于所述交易数据区块链的智能合约,控制运行节点获取基于所述数据库模型中信息数据的联邦学习训练任务;
在所述运行节点完成所述联邦学习训练任务之后,共享所述信息数据。
2.根据权利要求1所述的共享信息隐私保护方法,其特征在于,所述在基于元宇宙虚拟现实应用场景的线上活动中建立交易数据区块链的步骤之后,还包括:
对所述交易数据区块链上各参与方之间的交易信息进行信息验证;
针对信息验证通过的合法交易信息标记相应的时间戳;
通过拥有去中心化的所述交易数据区块链整合对应于所述时间戳的线上活动。
3.根据权利要求1所述的共享信息隐私保护方法,其特征在于,所述根据所述交易数据区块链构建与所述元宇宙虚拟现实应用场景中参与方特征相应的数据库模型的步骤,包括:
当所述参与方之间发生特征交叉时,获取所述参与方之间传递的模型参数;其中,所述模型参数包括物品配置文件;
加密所述物品配置文件并发送给各所述参与方;
在各所述参与方接收到所述物品配置文件之后,通过横向联邦矩阵分解推荐各所述参与方自身的用户配置文件以及所述物品配置文件;
根据推荐的所述用户配置文件以及所述物品配置文件构建相应的数据库模型。
4.根据权利要求3所述的共享信息隐私保护方法,其特征在于,所述当所述参与方之间发生特征交叉时,获取所述参与方之间传递的模型参数的步骤,包括:
当所述参与方之间发生特征交叉时,交互所述参与方之间的预估值梯度和第一损失函数;
将所述预估值梯度进行掩码加密后发送给第三方服务器;
获取所述第三方服务器解密后的汇总预估值梯度;
通过所述汇总预估值梯度的对应所述掩码,更新所述参与方的模型参数,并根据所述第一损失函数进行迭代;
若在迭代过程中所述第一损失函数停止收敛,则获取最终模型参数。
5.根据权利要求4所述的共享信息隐私保护方法,其特征在于,所述当所述参与方之间发生特征交叉时,交互所述参与方之间的特征预估值梯度和第一损失函数的步骤,包括:
当第一参与方与第二参与方之间发生特征交叉时,将第一参与方特征计算的第一预估值加密发送给第二参与方;
基于第二参与方特征计算的第二预估值以及所述第一预估值,计算第一损失函数以及预估值梯度,并控制第二参与方将所述第一损失函数以及所述预估值梯度发送给第一参与方。
6.根据权利要求3所述的共享信息隐私保护方法,其特征在于,所述通过横向联邦矩阵分解推荐各所述参与方自身的用户配置文件以及所述物品配置文件的步骤之前,还包括:
控制各所述参与方对所述物品配置文件进行解密;
根据本地数据计算解密后的所述物品配置文件的第二损失函数;
根据所述第二损失函数更新各所述参与方的所述用户配置文件。
7.根据权利要求1所述的共享信息隐私保护方法,其特征在于,所述基于所述交易数据区块链的智能合约,控制运行节点获取基于所述数据库模型中信息数据的联邦学习训练任务的步骤,包括:
基于所述交易数据区块链部署任务管理智能合约;
根据所述任务管理智能合约控制所述运行节点获取发布任务的智能合约;
根据所述智能合约的API,控制所述运行节点读取任务列表,并选择感兴趣的所述联邦学习训练任务。
8.一种区块链消息交互方法,应用于物联网设备,其特征在于,包括:
在物联网设备中构造区块链消息,并向区块链网络发送获取目标SDK代理节点的节点信息请求;其中,所述区块链网络中部署有多个SDK代理节点,且所述目标SDK代理节点为所述多个SDK代理节点中的任意一个;
根据所述区块链网络返回的所述节点信息,将所述区块链消息发送至所述目标SDK代理节点;其中,所述目标SDK代理节点用于将所述区块链消息发送至所述区块链网络中的指定区域。
9.一种电子设备,其特征在于,包括存储器以及处理器,其中:
所述处理器用于执行存储在所述存储器上的第一计算机程序或第二计算机程序;
所述处理器执行所述第一计算机程序时,实现权利要求1至7中任意一项所述方法中的步骤,所述处理器执行所述第二计算机程序时,实现权利要求8所述方法中的步骤。
10.一种计算机可读存储介质,其上存储有第一计算机程序或第二计算机程序,其特征在于,所述第一计算机程序被处理器执行时,实现权利要求1至7中任意一项所述方法的步骤,所述第二计算机程序被处理器执行时,实现权利要求8所述方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210093047.1A CN114417421A (zh) | 2022-01-26 | 2022-01-26 | 一种基于元宇宙的共享信息隐私保护方法及相关装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210093047.1A CN114417421A (zh) | 2022-01-26 | 2022-01-26 | 一种基于元宇宙的共享信息隐私保护方法及相关装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114417421A true CN114417421A (zh) | 2022-04-29 |
Family
ID=81276840
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210093047.1A Pending CN114417421A (zh) | 2022-01-26 | 2022-01-26 | 一种基于元宇宙的共享信息隐私保护方法及相关装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114417421A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114861211A (zh) * | 2022-06-06 | 2022-08-05 | 广东工业大学 | 一种面向元宇宙场景的数据隐私保护方法、系统、存储介质 |
CN114861227A (zh) * | 2022-05-18 | 2022-08-05 | 华侨大学 | 基于元宇宙的智慧旅游数据处理方法及系统 |
CN115002156A (zh) * | 2022-05-26 | 2022-09-02 | 广东工业大学 | 一种车载元宇宙虚拟化身服务迁移的资源安全保护方法及系统 |
CN115174107A (zh) * | 2022-06-30 | 2022-10-11 | 中国联合网络通信集团有限公司 | 虚拟用户的认证方法、装置、设备及存储介质 |
CN116095671A (zh) * | 2022-11-12 | 2023-05-09 | 刘�英 | 一种基于元宇宙的资源共享方法及其相关设备 |
CN116308667A (zh) * | 2023-03-25 | 2023-06-23 | 北京农夫铺子技术研究院 | 面向元宇宙购物平台的商品大数据智能存储系统 |
CN116489637A (zh) * | 2023-04-25 | 2023-07-25 | 北京交通大学 | 一种面向元宇宙的基于隐私保护的移动边缘计算方法 |
WO2024011863A1 (zh) * | 2022-07-15 | 2024-01-18 | 中国电信股份有限公司 | 通信方法、装置、sim卡、电子设备和终端设备 |
CN117932686A (zh) * | 2024-03-22 | 2024-04-26 | 成都信息工程大学 | 基于激励机制的元宇宙中联邦学习隐私保护方法和系统、介质 |
-
2022
- 2022-01-26 CN CN202210093047.1A patent/CN114417421A/zh active Pending
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114861227A (zh) * | 2022-05-18 | 2022-08-05 | 华侨大学 | 基于元宇宙的智慧旅游数据处理方法及系统 |
CN115002156B (zh) * | 2022-05-26 | 2023-07-04 | 广东工业大学 | 一种车载元宇宙虚拟化身服务迁移的资源安全保护方法及系统 |
CN115002156A (zh) * | 2022-05-26 | 2022-09-02 | 广东工业大学 | 一种车载元宇宙虚拟化身服务迁移的资源安全保护方法及系统 |
CN114861211A (zh) * | 2022-06-06 | 2022-08-05 | 广东工业大学 | 一种面向元宇宙场景的数据隐私保护方法、系统、存储介质 |
CN114861211B (zh) * | 2022-06-06 | 2024-06-07 | 广东工业大学 | 一种面向元宇宙场景的数据隐私保护方法、系统、存储介质 |
CN115174107A (zh) * | 2022-06-30 | 2022-10-11 | 中国联合网络通信集团有限公司 | 虚拟用户的认证方法、装置、设备及存储介质 |
WO2024011863A1 (zh) * | 2022-07-15 | 2024-01-18 | 中国电信股份有限公司 | 通信方法、装置、sim卡、电子设备和终端设备 |
CN116095671B (zh) * | 2022-11-12 | 2023-12-15 | 山西平燕文化科技有限公司 | 一种基于元宇宙的资源共享方法及其相关设备 |
CN116095671A (zh) * | 2022-11-12 | 2023-05-09 | 刘�英 | 一种基于元宇宙的资源共享方法及其相关设备 |
CN116308667A (zh) * | 2023-03-25 | 2023-06-23 | 北京农夫铺子技术研究院 | 面向元宇宙购物平台的商品大数据智能存储系统 |
CN116489637A (zh) * | 2023-04-25 | 2023-07-25 | 北京交通大学 | 一种面向元宇宙的基于隐私保护的移动边缘计算方法 |
CN116489637B (zh) * | 2023-04-25 | 2023-11-03 | 北京交通大学 | 一种面向元宇宙的基于隐私保护的移动边缘计算方法 |
CN117932686A (zh) * | 2024-03-22 | 2024-04-26 | 成都信息工程大学 | 基于激励机制的元宇宙中联邦学习隐私保护方法和系统、介质 |
CN117932686B (zh) * | 2024-03-22 | 2024-05-31 | 成都信息工程大学 | 基于激励机制的元宇宙中联邦学习隐私保护方法和系统、介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2023141809A1 (zh) | 一种基于元宇宙的共享信息隐私保护方法及相关装置 | |
CN114417421A (zh) | 一种基于元宇宙的共享信息隐私保护方法及相关装置 | |
Zuo | Making smart manufacturing smarter–a survey on blockchain technology in Industry 4.0 | |
Salah et al. | Blockchain for AI: Review and open research challenges | |
Ding et al. | Security information transmission algorithms for IoT based on cloud computing | |
CN111081337B (zh) | 一种协同任务预测方法及计算机可读存储介质 | |
CN113609398A (zh) | 一种基于异构图神经网络的社交推荐方法 | |
WO2020199785A1 (zh) | 私有数据的处理方法、计算方法及所适用的设备 | |
CN113505882A (zh) | 基于联邦神经网络模型的数据处理方法、相关设备及介质 | |
CN112613618A (zh) | 一种安全联邦学习逻辑回归算法 | |
CN113660327A (zh) | 一种区块链系统、区块链节点加入方法和交易方法 | |
CN111787114A (zh) | 一种新型区块链网络架构构建的方法 | |
Zhang et al. | Application of blockchain in the field of intelligent manufacturing: Theoretical basis, realistic plights, and development suggestions | |
CN113011598A (zh) | 一种基于区块链的金融数据信息联邦迁移学习方法及装置 | |
Qiu et al. | A privacy-preserving subgraph-level federated graph neural network via differential privacy | |
Bandara et al. | Bassa-ml—a blockchain and model card integrated federated learning provenance platform | |
Ludwig et al. | Introduction to federated learning | |
Lin et al. | A blockchain-based semantic exchange framework for web 3.0 toward participatory economy | |
Lin et al. | A blockchain-based semantic exchange framework for web 3.0 toward participatory economy | |
He et al. | Federated learning intellectual capital platform | |
Yuan et al. | A privacy-preserving oriented service recommendation approach based on personal data cloud and federated learning | |
CN113972012A (zh) | 基于联盟链和公有链的传染病防控协同系统 | |
CN113051608A (zh) | 一种联邦学习的虚拟化共享模型传输方法 | |
Wu et al. | [Retracted] Privacy Protection of Medical Service Data Based on Blockchain and Artificial Intelligence in the Era of Smart Medical Care | |
Bhagavan et al. | Fedsmarteum: Secure federated matrix factorization using smart contracts for multi-cloud supply chain |
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 |