CN115062347B - 一种保障数据价值准确性的数据隐私安全共享方法及系统 - Google Patents
一种保障数据价值准确性的数据隐私安全共享方法及系统 Download PDFInfo
- Publication number
- CN115062347B CN115062347B CN202210985486.3A CN202210985486A CN115062347B CN 115062347 B CN115062347 B CN 115062347B CN 202210985486 A CN202210985486 A CN 202210985486A CN 115062347 B CN115062347 B CN 115062347B
- Authority
- CN
- China
- Prior art keywords
- data
- accuracy
- index
- value
- blue
- 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
-
- 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
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2471—Distributed queries
-
- 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
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L12/00—Data switching networks
- H04L12/02—Details
- H04L12/16—Arrangements for providing special services to substations
- H04L12/18—Arrangements for providing special services to substations for broadcast or conference, e.g. multicast
- H04L12/1804—Arrangements for providing special services to substations for broadcast or conference, e.g. multicast for stock exchange and similar applications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/04—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks
- H04L63/0428—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks wherein the data content is protected, e.g. by encrypting or encapsulating the payload
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- Computer Security & Cryptography (AREA)
- Marketing (AREA)
- Software Systems (AREA)
- Tourism & Hospitality (AREA)
- Finance (AREA)
- Health & Medical Sciences (AREA)
- Bioethics (AREA)
- General Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Computer Hardware Design (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Accounting & Taxation (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Medical Informatics (AREA)
- Technology Law (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Computational Linguistics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种保障数据价值准确性的数据隐私安全共享方法及系统,属于大数据技术领域。本发明包括以下步骤:1)各金融机构将蓝名单数据上传至本地;2)请求方机构发起某客户的蓝名单查询请求,并将该请求定向隐私发送到DNS协调方的协调节点;3)协调节点将收到的请求通过广播的方式发送至其他金融机构;4)其他金融机构收到广播请求后在本地数据库进行查询,并将查询结果反馈至协调节点进行汇总;5)DNS协调方的算力平台计算每条查询结果的准确性,得到准确率数据;6)请求方机构基于准确率数据进行风险决策。本发明解决了传统中心数据库数据共享模式下共享数据准确率不足、安全性不足的难题,极大简化了准确性率判断的难题。
Description
技术领域
本发明属于数据共享技术领域,具体涉及一种保障数据价值准确性的数据隐私安全共享方法及系统。
背景技术
数据要素是金融科技行业和企业发展的核心。如何在保障数据安全和以技术作为驱动的前提下,充分激活数据要素潜能,推动数据的高效治理、有序共享和综合应用是各家金融机构接下来的发力点。数据要素在流程中产生价值,如何实现数据价值的隐私的共享是当前行业的一个重点研究课题。
当前,行业主流的数据共享模式为基于中心式数据库的数据共享模式。传统的数据共享解决方案往往要求建立统一的数据中心,各个数据提供方需要将各自数据集中汇总到数据中心。这种方式基于端对端的交互模式,具有简单、高效的特点;其次,中心式的数据库便于数据维护,具有高可用性;最后,原始数据汇总到一个数据中心,数据价值高,具有高可用性。但同时,也面临几个问题,首先是,各家机构主动上报意愿弱,机构不愿意将自己的核心价值数据上报至数据中心;其次,端对端明文数据交互方式,存在数据隐私的问题,信息泄露的风险极大;最后,各家机构上传数据的准确性难以保证,准确性难题带来的管理成本和维护成本特别高。
基于中心数据库共享模式的痛点问题,本发明创造性的提出了中国零售金融多方风险管理非对称不可逆广播协议(英文缩写:COBP),简称COBP协议,并基于COBP协议设计了一种新的数据共享模式-COBP平台和识别共享数据准确率算法-COBP方法。COBP平台基于一种分布式的数据存储模式,通过多方安全技术解决隐私性不足的问题,通过COBP自适应算法实时计算共享数据准确性,实现多个参与方数据价值安全共享,并保障数据质量。
发明内容
针对现有技术中存在的问题,本发明提供一种保障数据价值准确性的数据隐私安全共享方法及系统,其目的在于:解决传统中心数据库数据共享模式下共享数据准确率不足、安全性不足的难题。
本发明采用的技术方案如下:
一种保障数据价值准确性的数据隐私安全共享方法,包括以下步骤:
步骤1:各金融机构将蓝名单数据上传至金融机构本地,所述蓝名单数据包含蓝名单加入时间、客户身份主键ID和蓝名单类型编码;
步骤2:请求方机构发起某个客户的蓝名单查询请求,并将该蓝名单查询请求定向隐私发送到DNS协调方的协调节点;
步骤3:DNS协调方的协调节点将收到的蓝名单请求通过广播的方式发送至其他金融机构;
步骤4:其他金融机构对于收到的广播请求,在本地的分布式数据库进行查询,并将查询到的蓝名单数据反馈至DNS协调方的协调节点进行汇总;
步骤5:DNS协调方的算力平台基于COBP算法计算每条查询到的蓝名单数据的准确性,得到准确率数据;
步骤6:请求方机构接收到各家金融机构共享的蓝名单数据,并基于步骤5得到的准确率数据进行风险决策。
优选的,步骤5具体包括以下步骤:
步骤5.4:DNS协调方的协调节点汇总带有准确率值的蓝名单数据,同时将带有准确率值的蓝名单数据返回至请求节点。
优选的,步骤5.3的具体步骤包括:
步骤5.3.2:基于Critic算法,构建准确率统计值指标,对于金融机构,分别计算指标,对于任意金融机构和任意准确率统计值指标,其对应的指标值为,其中;,最终得到评价指标集,;其中为共享数据日均上传量的标准差,为共享数据日均差量的标准差,为各金融机构共享数据相关系数的平均值,为同机构下不同服务间的数据重合度,为各机构共享数据的互信贡献度;
优选的,步骤5.3.3的具体步骤包括:
本发明还提供了一种保障数据价值准确性的数据隐私安全共享系统,包括:
分布式数据库:用于储存各金融机构蓝名单数据;
DNS协调方:包括协调节点和算力平台;
协调节点:用于接收蓝名单查询请求并通过广播的方式发送至其他金融机构,以及接收其他金融机构反馈的蓝名单数据;
算力平台:用于计算每条反馈的蓝名单数据的准确性,得到准确率数据;
决策模块:用于根据准确率数据进行风险决策。
综上所述,由于采用了上述技术方案,本发明的有益效果是:
1、本发明创新性的提出了中国零售金融多方风险管理非对称不可逆广播协议,基于广播方式设计分布式的COBP平台和COBP算法,解决传统中心数据库数据共享模式下共享数据准确率不足、安全性不足的难题,为多方数据共享提供了一种新的解决方案。
2、本发明将“共享准确率”转化为“查得准确率”,即:将共享数据的准确性判断后置到查询响应阶段进行判断,极大的简化准确性率判断的难题。
3、本发明融合统计学和机器学习算法思想,巧妙的设计了COBP算法,实现系统自适应的更新共享数据的准确率。
附图说明
本发明将通过例子并参照附图的方式说明,其中:
图1是本发明的数据共享系统的框架图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中附图,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,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的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。
在本申请实施例的描述中,需要说明的是,术语“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,或者是该发明产品使用时惯常摆放的方位或位置关系,仅是为了便于描述本申请和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请的限制。此外,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
下面结合图1对本发明作详细说明。
步骤1:各家金融机构将蓝名单数据上传至金融机构本地。限定蓝名单数据上传的逻辑,包含三要素信息:applyTime、eid、listTypeCode,其中applyTime指的是蓝名单加入时间,eid指的是客户身份主键ID,listTypeCode指的是蓝名单类型编码,形如:{"applyTime": "2022-02-10 00:00:11", "listTypeCode": "F01", "eid":A244AC0BE6B42208F91ED034231377FF"}。
步骤2:金融机构发起客户的查询。对于任意一家金融机构 发起某个客户的蓝名单查询请求,并将该蓝名单查询请求定向隐私发送到DNS协调方的协调节点,入参仅包含一个即eid,如入参信息为{"eid":A244AC0BE6B42208F91ED034231377FF"}。
步骤3:DNS协调方进行隐私请求的广播。DNS协调方的协调节点,对于收到的蓝名单请求,通过广播的方式将其发送至另外N-1家金融机构。
步骤4:金融机构隐私响应至DNS协调方,协调节点进行返回数据的汇总。其他N-1家金融机构对于收到的广播请求,在本地的分布式数据库进行查询,并将查询结果反馈至DNS协调方的协调节点,返回结果形如{"applyTime": "2022-02-10 00:00:11", "listTypeCode": "F01"}格式。协调节点汇总所有收到的隐私响应,形成最终的数据集,形如{"eid":A244AC0BE6B42208F91ED034231377FF","data": [{"applyTime": "2022-01-0100:12:18","listTypeCode":"F01"},
{"applyTime":"2022-02-02 10:12:09","listTypeCode": "F02"},
{"applyTime":"2022-03-20 10:12:09","listTypeCode": "F03"},] }。
步骤5:DNS协调方的算力平台,基于COBP算法计算每条蓝名单数据的准确性。假设准确率取值为[0,1],数值越大表示数据越准确,数值越小表示表示越不准确。对于的N个分布式节点,准确率分布计算过程如下:
步骤5.3:自适应实时计算该条数据准确率。对于任意一家金融机构发起的任意一次查询请求,对于任意一家金融机构返回的数据(若同一家机构返回多条数据,则准确率相同),假设机构返回一条数据{"applyTime":"2022-01-01 00:12:18","listTypeCode":"F01"},需要计算该条数据准确率。
步骤5.3.2:基于Critic算法,构建准确率统计值指标。指标分为正向指标和逆向指标,其中正向指标的值越大越好,逆向指标的值越小越好。Critic算法是Diakoulaki提出一种评价指标客观赋权方法。该方法在对指标进行权重计算时围绕两个方面进行:对比度和矛盾性。
具体如下:
步骤5.3.3:基于Critic算法及指标集,实时计算更新响应数据(针对查询的回应,即蓝名单数据)准确率。主要包括无量纲化处理、指标变异性计算、指标冲突性、指标客观权重计算及数据准确率更新合计5个子步骤。
步骤5.3.4:利用boosting 算法,自适应更新,得到最终的准确率。对于机构,统计金融机构最近30日的日准确率标准差,记做。计算标准差列表的变异度,记做,。自适应更新数据准确率,得到最终的准确率,。
步骤5.4:DNS协调方汇总进行准确率数据的隐私响应。协调节点汇总带有准确率值的查询结果,其中precision表示数据准确率,形如:
{"eid":A244AC0BE6B42208F91ED034231377FF",
"data": [{"applyTime": "2022-01-01 00:12:18", "listTypeCode":"F01","precision":},{"applyTime":"2022-02-0210:12:09","listTypeCode": "F02","precision":},
以上,基于COBP平台实现了分布式的数据隐私交互,并通过COBP算法计算数据准确率,保障了共享数据的准确性。
以上所述实施例仅表达了本申请的具体实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请保护范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请技术方案构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。
Claims (2)
1.一种保障数据价值准确性的数据隐私安全共享方法,其特征在于,包括以下步骤:
步骤1:各金融机构将蓝名单数据上传至金融机构本地,所述蓝名单数据包含蓝名单加入时间、客户身份主键ID和蓝名单类型编码;
步骤2:请求方机构发起某个客户的蓝名单查询请求,并将该蓝名单查询请求定向隐私发送到DNS协调方的协调节点;
步骤3:DNS协调方的协调节点将收到的蓝名单请求通过广播的方式发送至其他金融机构;
步骤4:其他金融机构对于收到的广播请求,在本地的分布式数据库进行查询,并将查询到的蓝名单数据反馈至DNS协调方的协调节点进行汇总;
步骤5:DNS协调方的算力平台基于COBP算法计算每条查询到的蓝名单数据的准确性,得到准确率数据;
步骤6:请求方机构接收到各家金融机构共享的蓝名单数据,并基于步骤5得到的准确率数据进行风险决策;
步骤5具体包括以下步骤:
步骤5.2:初始化各个协调节点的惩罚因子分布,定义各家机构共享数据的惩罚因子均为γi=-1,i=1,…,N;
步骤5.3:基于各个协调节点的准确率分布和惩罚因子分布,计算金融机构Ai返回的蓝名单数据的准确率值ωi;
步骤5.4:DNS协调方的协调节点汇总带有准确率值的蓝名单数据,同时将带有准确率值的蓝名单数据返回至请求节点;
步骤5.3的具体步骤包括:
步骤5.3.2:基于Critic算法,构建准确率统计值指标Bj,对于金融机构A1,A2,……,AN,分别计算指标B1,B2,B3,B4,B5,对于任意金融机构Ai和任意准确率统计值指标Bj,其对应的指标值为bij,其中N=1,2,,,,N;j=1,2,,,,5,最终得到评价指标集S, 其中B1为共享数据日均上传量的标准差,B2为共享数据日均差量的标准差,B3为各金融机构共享数据相关系数的平均值,B4为同机构下不同服务间的数据重合度,B5为各机构共享数据的互信贡献度;
步骤5.3.3:基于Critic算法及评价指标集S,实时计算更新蓝名单数据准确率;
步骤5.3.3的具体步骤包括:
2.一种实现权利要求1所述保障数据价值准确性的数据隐私安全共享方法的系统,其特征在于,包括:
分布式数据库:用于储存各金融机构蓝名单数据;
DNS协调方:包括协调节点和算力平台;
协调节点:用于接收蓝名单查询请求并通过广播的方式发送至其他金融机构,以及接收其他金融机构反馈的蓝名单数据;
算力平台:用于计算每条反馈的蓝名单数据的准确性,得到准确率数据;
决策模块:用于根据准确率数据进行风险决策。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210985486.3A CN115062347B (zh) | 2022-08-17 | 2022-08-17 | 一种保障数据价值准确性的数据隐私安全共享方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210985486.3A CN115062347B (zh) | 2022-08-17 | 2022-08-17 | 一种保障数据价值准确性的数据隐私安全共享方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115062347A CN115062347A (zh) | 2022-09-16 |
CN115062347B true CN115062347B (zh) | 2022-11-04 |
Family
ID=83207343
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210985486.3A Active CN115062347B (zh) | 2022-08-17 | 2022-08-17 | 一种保障数据价值准确性的数据隐私安全共享方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115062347B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018120129A1 (zh) * | 2016-12-30 | 2018-07-05 | 深圳前海达闼云端智能科技有限公司 | 数据查询方法、装置及节点设备 |
CN109766362A (zh) * | 2018-12-28 | 2019-05-17 | 北京字节跳动网络技术有限公司 | 数据处理方法及装置 |
CN112132589A (zh) * | 2020-11-30 | 2020-12-25 | 四川新网银行股份有限公司 | 一种基于多次融合构建欺诈识别模型的方法 |
CN112215616A (zh) * | 2020-11-30 | 2021-01-12 | 四川新网银行股份有限公司 | 一种基于网络的自动识别资金异常交易的方法和系统 |
CN113515538A (zh) * | 2021-06-08 | 2021-10-19 | 四川新网银行股份有限公司 | 一种基于多方安全计算的机构间隐私数据查询及预警方法 |
CN114255123A (zh) * | 2021-12-29 | 2022-03-29 | 上海金仕达软件科技有限公司 | 风险排查方法、装置、计算机设备、存储介质和产品 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016138183A1 (en) * | 2015-02-24 | 2016-09-01 | Pneuron Corp. | Distributed money laundering detection system |
US11847617B2 (en) * | 2017-02-07 | 2023-12-19 | Johnson Controls Tyco IP Holdings LLP | Model predictive maintenance system with financial analysis functionality |
US11747800B2 (en) * | 2017-05-25 | 2023-09-05 | Johnson Controls Tyco IP Holdings LLP | Model predictive maintenance system with automatic service work order generation |
CN108229891A (zh) * | 2018-02-07 | 2018-06-29 | 徐颂 | 兼容标准物品编码的供应链数据采集、验证方法和系统 |
-
2022
- 2022-08-17 CN CN202210985486.3A patent/CN115062347B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018120129A1 (zh) * | 2016-12-30 | 2018-07-05 | 深圳前海达闼云端智能科技有限公司 | 数据查询方法、装置及节点设备 |
CN109766362A (zh) * | 2018-12-28 | 2019-05-17 | 北京字节跳动网络技术有限公司 | 数据处理方法及装置 |
CN112132589A (zh) * | 2020-11-30 | 2020-12-25 | 四川新网银行股份有限公司 | 一种基于多次融合构建欺诈识别模型的方法 |
CN112215616A (zh) * | 2020-11-30 | 2021-01-12 | 四川新网银行股份有限公司 | 一种基于网络的自动识别资金异常交易的方法和系统 |
CN113515538A (zh) * | 2021-06-08 | 2021-10-19 | 四川新网银行股份有限公司 | 一种基于多方安全计算的机构间隐私数据查询及预警方法 |
CN114255123A (zh) * | 2021-12-29 | 2022-03-29 | 上海金仕达软件科技有限公司 | 风险排查方法、装置、计算机设备、存储介质和产品 |
Non-Patent Citations (3)
Title |
---|
Efficent Distributed Database Clustering Algorithm for Big Data Processing;LianTian Li;《网页在线公开:https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=9470351》;20210712;第1-4页 * |
分布式数据库分片关系变换自适应查询技术研究;李淑兰等;《科学资讯》;20200805(第32期);第142页 * |
分布式数据库查询优化研究;刘娜;《微型电脑应用》;20210916;第37卷(第8期);第108-111页 * |
Also Published As
Publication number | Publication date |
---|---|
CN115062347A (zh) | 2022-09-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11176277B2 (en) | Automatic generating analytics from blockchain data | |
CN102668457B (zh) | 用于确定社区内的连接性的系统和方法 | |
Zhang et al. | Faithful edge federated learning: Scalability and privacy | |
CN109286676B (zh) | 一种基于区块链的电力数据安全信息系统 | |
Lee et al. | Interviewing in two‐sided matching markets | |
CN115510494B (zh) | 一种基于区块链与联邦学习的多方安全数据共享方法 | |
Wang et al. | Explaining the variance in underpricing among venture capital‐backed IPOs: A comparison between private and corporate VC Firms | |
CN113065143A (zh) | 基于区块链的工业数据安全共享 | |
Zeng et al. | Incentive mechanisms in federated learning and a game-theoretical approach | |
Shi et al. | Fedfaim: A model performance-based fair incentive mechanism for federated learning | |
CN109831545A (zh) | 一种基于区块链的域名滥用处理方法及系统 | |
CN114553661A (zh) | 一种面向无线联邦学习的移动用户设备分簇训练方法 | |
Zhang et al. | Trade‐offs between sustainable tourism development goals: An analysis of Tibet (China) | |
CN114912717B (zh) | 基于物联网的智慧城市保障住房申请风险评估方法和系统 | |
CN114398634A (zh) | 一种基于信息熵的联邦学习参与方权重计算方法 | |
Liu et al. | Three‐way decisions with single‐valued neutrosophic decision theory rough sets based on grey relational analysis | |
CN113360514A (zh) | 联合更新模型的方法、装置及系统 | |
CN115062347B (zh) | 一种保障数据价值准确性的数据隐私安全共享方法及系统 | |
CN117391536A (zh) | 一种数据协同响应绩效评估方法、系统、设备及介质 | |
Thomas et al. | Development of network measures for knowledge processes: A relational framework | |
CN116451806A (zh) | 一种基于区块链的联邦学习激励分配方法及装置 | |
CN111522882A (zh) | 一种基于区块链的内模管理系统及方法 | |
Wang et al. | [Retracted] Agricultural Productive Service System Based on the Block Chain and Edge Computing | |
Bandara et al. | Indy528—Federated learning model Tokenization with non-fungible tokens (NFT) and model cards | |
Dong | Prediction of college employment rate based on big data analysis |
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 |