CN116226928B - 多方业务隐私数据的联合计算方法、装置、设备和介质 - Google Patents
多方业务隐私数据的联合计算方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN116226928B CN116226928B CN202310518379.4A CN202310518379A CN116226928B CN 116226928 B CN116226928 B CN 116226928B CN 202310518379 A CN202310518379 A CN 202310518379A CN 116226928 B CN116226928 B CN 116226928B
- Authority
- CN
- China
- Prior art keywords
- data
- service
- joint calculation
- privacy
- privacy 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.)
- Active
Links
- 238000004364 calculation method Methods 0.000 title claims abstract description 135
- 230000006870 function Effects 0.000 claims description 112
- 238000000034 method Methods 0.000 claims description 60
- 230000006399 behavior Effects 0.000 claims description 37
- 238000012545 processing Methods 0.000 claims description 23
- 238000011161 development Methods 0.000 claims description 9
- 230000004044 response Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 description 25
- 238000005516 engineering process Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 15
- 238000013507 mapping Methods 0.000 description 13
- 238000004458 analytical method Methods 0.000 description 7
- 230000003068 static effect Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000000586 desensitisation Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
- G06F2221/00—Indexing scheme relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F2221/21—Indexing scheme relating to G06F21/00 and subgroups addressing additional information or applications relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F2221/2107—File encryption
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Telephonic Communication Services (AREA)
Abstract
本公开提供一种多方业务隐私数据的联合计算方法、装置、设备和介质,其中,多方业务隐私数据的联合计算方法包括:获取具有同一联合计算业务需求的多个参与方的业务数据;根据预设的隐私数据识别规则确定业务数据中的隐私数据;对隐私数据进行标识,以生成隐私数据标识;基于业务需求进行联合计算配置功能的配置,并根据隐私数据标识确定对应的联合计算功能中的安全服务子功能;将集成后的联合计算配置功能部署于指定终端侧,完成部署的联合计算配置功能对业务数据进行联合计算。通过本公开实施例,提高了多发业务数据的联合计算的安全性、可靠性和效率。
Description
技术领域
本公开涉及数据分析技术领域,具体而言,涉及一种多方业务隐私数据的联合计算方法、装置、设备和介质。
背景技术
目前,在大数据的联合计算过程中,联合建模技术是数据作为要素发挥作用、挖掘背后价值常用的技术,通过结合不同数据源的汇总数据进行分析挖掘,能洞察到单一数据集不能提供的更全面的维度来刻画分析对象的特性。
在相关技术中,随着用户对隐私数据保护的需求越来越高,各种相应的法律法规也越来越健全和完善,多项法律法规对于隐私数据的保护提出了明确要求,需要对隐私数据的采集、存储、处理、发布(含交换)、销毁等全生命周期过程的所有计算操作提供支持数据最小化、匿名化和假名化以及其他核心隐私和数据保护原则的广泛技术来减轻数据处理所产生的个人隐私泄漏风险。
但是,现有的数据保护技术主要对数据的存储和传输进行保护(如数据脱敏和数据加密等),而在数据使用和计算时往往需要进行解密成明文进行处理,这让隐私数据在使用过程中暴露了极大的泄漏风险,不仅是传统静态数据加密技术所面临的巨大困难,也成为了隐私数据管理生命周期中最为薄弱的环节。这使得以往基于原始数据直接共享的联合营销和金融风控等业务场景,不能按原有技术模式继续开展,影响了数据联合计算的可靠性和效率。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的目的在于提供一种多方业务隐私数据的联合计算方法、装置、设备和介质,用于至少在一定程度上克服由于相关技术的限制和缺陷而导致的数据联合计算的可靠性差的问题。
根据本公开实施例的第一方面,提供一种多方业务隐私数据的联合计算方法,包括:获取具有同一联合计算业务需求的多个参与方的业务数据;根据预设的隐私数据识别规则确定所述业务数据中的隐私数据;对所述隐私数据进行标识,以生成隐私数据标识;基于所述业务需求进行联合计算配置功能的配置,并根据所述隐私数据标识确定对应的联合计算功能中的安全服务子功能;将集成后的联合计算配置功能部署于指定终端侧,完成部署的所述联合计算配置功能对所述业务数据进行联合计算。
在本公开的一种示例性实施例中,所述隐私数据包括来自第一参与方的购买行为数据和来自第二参与方的注册信息数据,对所述隐私数据进行标识,以生成隐私数据标识包括:针对所述购买行为数据生成所述第一参与方对应的第一标识;针对所述注册信息数据生成所述第二参与方对应的第二标识;根据所述购买行为数据与所述注册信息数据之间的关联性,对具有所述第一标识的购买行为数据和具有所述第二标识的注册信息数据进行标识,以生成所述隐私数据标识。
在本公开的一种示例性实施例中,根据所述购买行为数据与所述注册信息数据之间的关联性,对具有所述第一标识的购买行为数据和具有所述第二标识的注册信息数据进行标识,以生成所述隐私数据标识包括:解析确定所述购买行为数据中的用户身份信息和购买信息;解析确定所述注册信息数据中的用户身份信息和个体属性信息;基于所述购买行为数据中的用户身份信息与所述注册信息数据中的用户身份信息的对应关系,确定所述购买行为数据与所述注册信息数据之间的关联性;根据所述关联性对具有所述隐私数据标识的购买信息和具有所述隐私数据标识的个体属性信息进行数据关联;针对关联后的数据进行标识,以生成所述隐私数据标识。
在本公开的一种示例性实施例中,还包括:在具有所述隐私数据标识的数据中剔除所述用户身份信息,并将剔除后的数据和所述隐私数据标识写入隐私数据表;存储所述隐私数据表,所述隐私数据表中的隐私数据标识被配置为能够确定所述安全服务子功能。
在本公开的一种示例性实施例中,将集成后的联合计算配置功能部署于指定终端侧,完成部署的所述联合计算配置功能对所述业务数据进行联合计算包括:检测是否存在指定的第三方终端,所述第三方终端与所述参与方不存在交集;若确定存在指定的所述第三方终端,则将所述第三方终端确定为所述指定终端,并将集成后的联合计算配置功能部署于第三方终端,完成部署的联合计算配置功能在所述第三方终端对所述业务数据进行联合计算。
在本公开的一种示例性实施例中,将集成后的联合计算配置功能部署于指定终端侧,完成部署的所述联合计算配置功能对所述业务数据进行联合计算包括:检测是否存在指定的第三方终端,所述第三方终端与所述参与方不存在交集若确定不存在指定的所述第三方终端,则将集成后的联合计算配置功能部署于至少一个参与方,完成部署的联合计算配置功能在所述参与方对所述业务数据进行联合计算。
在本公开的一种示例性实施例中,还包括:响应于所述联合计算配置功能的升级需求,检测所述联合计算配置功能的部署位置;基于所述升级需求在所述部署位置对所述联合计算配置功能进行升级。
根据本公开实施例的第二方面,提供一种多方业务隐私数据的联合计算装置,包括:获取模块,设置为获取具有同一联合计算业务需求的多个参与方的业务数据;确定模块,设置为根据预设的隐私数据识别规则确定所述业务数据中的隐私数据;标识模块,设置为对所述隐私数据进行标识,以生成隐私数据标识;开发模块,设置为基于所述业务需求进行联合计算配置功能的配置,并根据所述隐私数据标识确定对应的联合计算功能中的安全服务子功能;部署模块,设置为将集成后的联合计算配置功能部署于指定终端侧,完成部署的所述联合计算配置功能对所述业务数据进行联合计算。
根据本公开的第三方面,提供一种电子设备,包括:存储器;以及耦合到所述存储器的处理器,所述处理器被配置为基于存储在所述存储器中的指令,执行如上述任意一项所述的方法。
根据本公开的第四方面,提供一种计算机可读存储介质,其上存储有程序,该程序被处理器执行时实现如上述任意一项所述的多方业务隐私数据的联合计算方法。
本公开实施例,通过获取具有同一联合计算业务需求的多个参与方的业务数据,并根据预设的隐私数据识别规则确定所述业务数据中的隐私数据,进而对所述隐私数据进行标识,以生成隐私数据标识,基于所述业务需求进行联合计算配置功能的配置,并根据所述隐私数据标识确定对应的联合计算功能中的安全服务子功能,最好将集成后的联合计算配置功能部署于指定终端侧,完成部署的所述联合计算配置功能对所述业务数据进行联合计算,不仅满足了法律法规对隐私数据的安全性的要求,也提高了多方业务隐私数据的联合计算效率和可靠性。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示出了可以应用本发明实施例的多方业务隐私数据的联合计算方案的示例性系统架构的示意图;
图2是本公开示例性实施例中一种多方业务隐私数据的联合计算方法的流程图;
图3是本公开示例性实施例中另一种多方业务隐私数据的联合计算方法的流程图;
图4是本公开示例性实施例中另一种多方业务隐私数据的联合计算方法的流程图;
图5是本公开示例性实施例中另一种多方业务隐私数据的联合计算方法的流程图;
图6是本公开示例性实施例中另一种多方业务隐私数据的联合计算方法的流程图;
图7是本公开示例性实施例中另一种多方业务隐私数据的联合计算方法的流程图;
图8是本公开示例性实施例中另一种多方业务隐私数据的联合计算方法的流程图;
图9是相关技术中多方业务隐私数据的联合计算方法的交互示意图;
图10是本公开示例性实施例中多方业务隐私数据的联合计算方法的交互示意图;
图11是本公开示例性实施例中多方业务隐私数据的联合计算方法中的生成隐私数据标识的示意图;
图12是本公开示例性实施例中一种多方业务隐私数据的联合计算方案的流程图;
图13是本公开示例性实施例中另一种多方业务隐私数据的联合计算方案的流程图;
图14是本公开示例性实施例中另一种多方业务隐私数据的联合计算方法的隐私数据功能与安全微服务映射结果的示意图;
图15是本公开示例性实施例中一种多方业务隐私数据的联合计算装置的方框图;
图16是本公开示例性实施例中一种电子设备的方框图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本公开将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中,提供许多具体细节从而给出对本公开的实施方式的充分理解。然而,本领域技术人员将意识到,可以实践本公开的技术方案而省略所述特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。
此外,附图仅为本公开的示意性图解,图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
图1示出了可以应用本发明实施例的多方业务隐私数据的联合计算方案的示例性系统架构的示意图。
如图1所示,系统架构100可以包括终端设备101、102、103中的一种或多种,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。比如服务器105可以是多个服务器组成的服务器集群等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103可以是具有显示屏的各种电子设备,包括但不限于智能手机、平板电脑、便携式计算机和台式计算机等等。
在一些实施例中,本发明实施例所提供的多方业务隐私数据的联合计算方法一般由服务器105执行,相应地,多方业务隐私数据的联合计算装置一般设置于终端设备103(也可以是终端设备101或102)中。在另一些实施例中,某些终端可以具有与服务器设备相似的功能从而执行本方法。
本公开的实施例涉及的术语和对应的说明如下:
(1)数据流图:Data Flow Diagram,缩写为DFD,是结构化分析方法中使用的工具,描述数据在系统中流动和处理的过程,它标志了一个系统的逻辑输入和逻辑输出,以及把逻辑输入转换逻辑输出所需的加工处理。
(2)隐私计算:是“隐私保护计算”简称 ,是指在保证数据提供方不泄露原始数据的前提下,对数据进行分析计算,实现数据的“可用不可见”,其交叉融合了人工智能、密码学、数据科学、计算机硬件等多个交叉领域的技术。
(3)微服务:微服务的理念是构建自给自足的服务,集中于一个独立的业务功能服务之中,便于敏捷的开发维护和复用。
下面结合附图对本公开示例实施方式进行详细说明。
图2是本公开示例性实施例中多方业务隐私数据的联合计算方法的流程图。
参考图2,多方业务隐私数据的联合计算方法可以包括:
步骤S202,获取具有同一联合计算业务需求的多个参与方的业务数据。
步骤S204,根据预设的隐私数据识别规则确定所述业务数据中的隐私数据。
步骤S206,对所述隐私数据进行标识,以生成隐私数据标识。
步骤S208,基于所述业务需求进行联合计算配置功能的配置,并根据所述隐私数据标识确定对应的联合计算功能中的安全服务子功能。
步骤S210,将集成后的联合计算配置功能部署于指定终端侧,完成部署的所述联合计算配置功能对所述业务数据进行联合计算。
本公开实施例,通过获取具有同一联合计算业务需求的多个参与方的业务数据,并根据预设的隐私数据识别规则确定所述业务数据中的隐私数据,进而对所述隐私数据进行标识,以生成隐私数据标识,基于所述业务需求进行联合计算配置功能的配置,并根据所述隐私数据标识确定对应的联合计算功能中的安全服务子功能,最好将集成后的联合计算配置功能部署于指定终端侧,完成部署的所述联合计算配置功能对所述业务数据进行联合计算,不仅满足了法律法规对隐私数据的安全性的要求,也提高了多方业务隐私数据的联合计算效率和可靠性。
具体地,本方案提出了针对数据共享业务进行数据流图构建,并根据每个功能点的数据输入输出特征识别数据归属和功能标签,再根据标注后的数据流图和隐私数据功能映射规则,自动匹配隐私计算微服务的方法,进行数据共享业务安全改造。
其中,映射规则至少包含名称、身份标识(id)、参与方个数、候选服务类型等,但不限于此。映射规则还可包含以下辅助信息:安全算法或协议和描述信息等,但不限于此。
另外,隐私计算的微服务信息至少包含身份标识(id)、访问地址、数据源、角色、参与方个数、服务类型等,但不限于此。隐私计算的微服务信息还可包含以下辅助信息名称、任务id、描述信息,安全算法或协议等,但不限于此。
下面,对多方业务隐私数据的联合计算方法的各步骤进行详细说明。
在本公开的一种示例性实施例中,如图3所示,所述隐私数据包括来自第一参与方的购买行为数据和来自第二参与方的注册信息数据,对所述隐私数据进行标识,以生成隐私数据标识包括:
步骤S302,针对所述购买行为数据生成所述第一参与方对应的第一标识。
步骤S304,针对所述注册信息数据生成所述第二参与方对应的第二标识。
步骤S306,根据所述购买行为数据与所述注册信息数据之间的关联性,对具有所述第一标识的购买行为数据和具有所述第二标识的注册信息数据进行标识,以生成所述隐私数据标识。
在本公开的一种示例性实施例中,如图4所示,根据所述购买行为数据与所述注册信息数据之间的关联性,对具有所述第一标识的购买行为数据和具有所述第二标识的注册信息数据进行标识,以生成所述隐私数据标识包括:
步骤S402,解析确定所述购买行为数据中的用户身份信息和购买信息。
步骤S404,解析确定所述注册信息数据中的用户身份信息和个体属性信息。
步骤S406,基于所述购买行为数据中的用户身份信息与所述注册信息数据中的用户身份信息的对应关系,确定所述购买行为数据与所述注册信息数据之间的关联性。
步骤S408,根据所述关联性对具有所述隐私数据标识的购买信息和具有所述隐私数据标识的个体属性信息进行数据关联。
步骤S410,针对关联后的数据进行标识,以生成所述隐私数据标识。
在本公开的一种示例性实施例中,如图5所示,还包括:
步骤S502,在具有所述隐私数据标识的数据中剔除所述用户身份信息,并将剔除后的数据和所述隐私数据标识写入隐私数据表。
步骤S504,存储所述隐私数据表,所述隐私数据表中的隐私数据标识被配置为能够确定所述安全服务子功能。
在本公开的一种示例性实施例中,如图6所示,将集成后的联合计算配置功能部署于指定终端侧,完成部署的所述联合计算配置功能对所述业务数据进行联合计算包括:
步骤S602,检测是否存在指定的第三方终端,所述第三方终端与所述参与方不存在交集。
步骤S604,若确定存在指定的所述第三方终端,则将所述第三方终端确定为所述指定终端,并将集成后的联合计算配置功能部署于第三方终端,完成部署的联合计算配置功能在所述第三方终端对所述业务数据进行联合计算。
在本公开的一种示例性实施例中,如图7所示,将集成后的联合计算配置功能部署于指定终端侧,完成部署的所述联合计算配置功能对所述业务数据进行联合计算包括:
步骤S702,检测是否存在指定的第三方终端,所述第三方终端与所述参与方不存在交集。
步骤S704,若确定不存在指定的所述第三方终端,则将集成后的联合计算配置功能部署于至少一个参与方,完成部署的联合计算配置功能在所述参与方对所述业务数据进行联合计算。
在本公开的一种示例性实施例中,如图8所示,还包括:
步骤S802,响应于所述联合计算配置功能的升级需求,检测所述联合计算配置功能的部署位置。
步骤S804,基于所述升级需求在所述部署位置对所述联合计算配置功能进行升级。
在上述实施例中,通过业务数据流中每个功能点相关数据流入流出的特点,精准定位需要改造的节点,其次采用隐私计算微服务实现统一的数据安全改造,提高了数据共享业务的改造效率,减少了不必要的重复开发,另外,通过复用微服务化的隐私计算算法算子,减少了改造新系统时对应安全算法算子的开发集成工作,且后期在接口统一标准的情况下,便于进行安全算法的独立升级迭代,简化了系统后期运维的更新成本。
下面结合图9至图10对本公开的联合计算配置功能的改进进行具体说明。
如图9所示,相关技术中的联合计算配置功能的框架900中包括技术提供方902、参与方A904和参与方B906,参与方A904和参与方B906进行联合计算业务流程,技术提供方902进行业务功能分解、功能开发和系统集成,参与方A904和参与方B906分别进行业务系统部署上线(功能1、功能2、……、功能n)和多方数据联合计算,另外,在检测到隐私保护技术发生更新时,将更新的业务需求反馈至功能开发,并对功能1、功能2、……、功能n进行开发,n为大于或等于2的正整数。在图9所示的框架中,不仅对于隐私数据联合计算的可靠性差,缺乏针对性,而且在数据交互过程中存在严重的安全隐患。
如图10所示,本公开的联合计算配置功能的框架1000中包括技术提供方1002、参与方A1004和参与方B1006,参与方A1004和参与方B1006进行联合计算业务流程,技术提供方1002进行业务功能分解DFD、隐私数据功能识别、功能开发和系统集成,确定功能1、功能2……功能n-1对应于隐私数据的处理,且能由安全微服务实现,因此,参与方A1004和参与方B1006仅仅需要进行业务系统部署上线(功能n)和多方数据联合计算(安全微服务包括微服务1AE和安全微服务2AE等,但不限于此),基于识别规则和识别器进行隐私数据功能识别。另外,在检测到隐私保护技术发生更新时,将更新的业务需求反馈至安全微服务池进行隔离开发,安全微服务池中维护有数据安全处理微服务1、数据安全处理微服务2、和数据安全处理微服务m, m为大于或等于2的正整数。
在上述实施例中,如图11所示,在相关技术中业务数据联合计算过程缺乏对隐私数据的专有分析,参与方A与参与方B根据业务需求的业务数据联合计算框架中包括以下数据处理逻辑包括:
参与方A提供用户购买行为数据,并解析确定ID(即用户身份对应的标识)和购买次数,参与方B提供用户注册信息数据,并解析确定ID和年龄。对ID、购买次数和年龄进行关联,并且按照年龄进行分组统计,基于统计生成报表,并将报表生成的结果文件进行结果存储。
在相关技术中的业务数据联合计算框架的前提下,本公开的实施例中引入了标签技术,并基于识别规则和识别器进行隐私数据功能识别,从而得到本公开的实施例的业务数据联合计算框架,现有技术中的DFD 1102转变为本公开的Tagged DFD 1104的过程具体包括以下标识过程:
(1)参与方A提供用户购买行为数据,并解析确定ID(即用户身份对应的标识)和购买次数。
(2)参与方B提供用户注册信息数据,并解析确定ID和年龄,并分别生成隐私数据标识Tag:“Party count:1”和Tag:“Party count#:1”。
(3)对ID、购买次数和年龄进行关联,并生成相应的隐私数据标识Tag:“Partycount:2”“Data_Conbination” 。
(4)按照年龄进行分组统计,并生成相应的隐私数据标识Tag:“Party count:2”“Stastic”。
(5)基于统计生成报表,并生成相应的隐私数据标识Tag:“Party count:2”“Construction Result”。
(6)进一步地,将报表生成的结果文件进行结果存储,并生成相应的隐私数据标识Tag:“Party count:2”“Store Result”。
基于上述Tagged DFD 1104,本公开的实施例的业务数据联合计算的整体方案包括以下步骤:
(1)参与方A与参与方B根据业务需求,准备各自的数据,并将数据需求信息在业务需求中进行描述。
(2)技术提供方根据业务需求按数据处理阶段进行分解,得到数据处理的数据流图G以及对应功能点集合。
(3)技术提供方对集合F中每个功能点的输入输出数据流进行归属分析和特征变化分析,并打上标签,标识数据归属方个数和处理功能,得到G’。
(4)技术提供方根据标注后的数据流图G’,通过微服务池里的安全微服务信息I以及识别规则R识别出数据流图G’中隐私数据功能点集合。
(5)技术提供方分离出待配置功能集,进行对应功能模块开发。
(6)将S与M集成到目标业务系统P。
(7)参与方A与参与方B部署系统P。
(8)在联合计算时,调用所需微服务完成安全数据联合处理(如果没有可信第三方提供微服务运行,则分别在参与方A与参与方B动态部署所需微服务)。
(9)当隐私计算技术出现更新需求时,通过流程中的红线闭环进行相应模块和/或系统的升级(如果没有可信第三方提供微服务运行,则分别更新参与方A与参与方B已部署的微服务)。
在图11所示的基础上,如图12所示,在生成隐私数据标识后,多方业务隐私数据的联合计算过程包括以下步骤:
步骤S1202,读取需要进行联合计算的数据流中的Tagged DFD标签信息,TaggedDFD标签信息即已标识的隐私数据标识。
步骤S1204,读取用户配置信息,用户配置信息包括用户对联合计算进程的安全算法的选择和/或交互协议的偏好。
步骤S1206,根据隐私数据的标签信息和用户身份标识(如名称)以及参与方的信息识别对应的敏感功能点s。
步骤S1208,提取上述对应标识规则里的候选安全微服务信息。
步骤S1210,根据提取的信息匹配服务列表中的安全微服务,标识规则用于限定隐私数据标识和安全微服务之间的对应关系。
步骤S1212,将敏感功能点s及其匹配的安全微服务加入敏感功能点集合S。
基于图11和图12所示的实施例,根据提取的信息匹配服务列表中的安全微服务的具体步骤如图13所示:
基于本公开的实施例的业务数据联合计算框架实现隐私数据标识和联合计算,具体包括以下逻辑:
参与方A提供用户购买行为数据,并解析确定ID(即用户身份对应的标识)和购买次数,参与方B提供用户注册信息数据,并解析确定ID和年龄,并分别生成隐私数据标识Tag:“Party count:1”和Tag:“Party count#:1”。对ID、购买次数和年龄进行关联,并生成相应的隐私数据标识Tag:“Party count:2”“Data_Conbination” 。按照年龄进行分组统计,并生成相应的隐私数据标识Tag:“Party count:2”“Stastic”。基于统计生成报表,并生成相应的隐私数据标识Tag:“Party count:2”“Construction Result”。进一步地,将报表生成的结果文件进行结果存储,并生成相应的隐私数据标识Tag:“Party count:2”“StoreResult”。
其中,以隐私数据标识Tag:“Party count:2”“Data_Conbination”为例说明识别规则与微服务列表中的安全微服务之间的映射过程,具体包括以下步骤:
第一映射过程1302包括:确定隐私数据标识Tag:“Party count:2”“Data_Conbination”与识别规则中的“Data_Conbination”之间的映射关系。
进一步地,第二映射过程1304包括:确定识别规则1304中的“candidate servicetype”与微服务列表中的“parties”:“2”,“type”:“PSI”,“algorithm”:“RSA”对应的安全微服务之间的对应关系,并调用这一安全微服务对关联后的数据进行处理。
进一步地,第三映射过程1306为读取用户配置信息,用户配置信息包括用户对联合计算进程的安全算法的选择和/或交互协议的偏好的示例,如图13所示,用户配置信息中的安全算法为“User security preference:RSA(default:MD5)”,在识别规则中的映射为““algorithm”:“RSA””。
另外,在后续流程中生成的隐私数据标识Tag:“Party count:2”“Stastic”、 隐私数据标识Tag:“Party count:2”“Construction Result”和隐私数据标识Tag:“Partycount:2”“Store Result”与安全微服务之间的对应关系与上述第一映射过程1302、第二映射过程1304和第三映射过程1306类似,不再赘述。
基于图13所示的映射处理过程,得到如图14所示的隐私数据功能-安全微服务映射结果1400的示意图,基于映射结果来调用任一安全微服务对联合计算数据中对应的隐私数据进行处理。
对应于上述方法实施例,本公开还提供一种多方业务隐私数据的联合计算装置,可以用于执行上述方法实施例。
图15是本公开示例性实施例中一种多方业务隐私数据的联合计算装置的方框图。
参考图15,多方业务隐私数据的联合计算装置1500可以包括:
获取模块1502,设置为获取具有同一联合计算业务需求的多个参与方的业务数据。
确定模块1504,设置为根据预设的隐私数据识别规则确定所述业务数据中的隐私数据。
标识模块1506,设置为对所述隐私数据进行标识,以生成隐私数据标识。
开发模块1508,设置为基于所述业务需求进行联合计算配置功能的配置,并根据所述隐私数据标识确定对应的联合计算功能中的安全服务子功能。
部署模块1510,设置为将集成后的联合计算配置功能部署于指定终端侧,完成部署的所述联合计算配置功能对所述业务数据进行联合计算。
在本公开的一种示例性实施例中,所述隐私数据包括来自第一参与方的购买行为数据和来自第二参与方的注册信息数据,标识模块1506还设置为:针对所述购买行为数据生成所述第一参与方对应的第一标识;针对所述注册信息数据生成所述第二参与方对应的第二标识;根据所述购买行为数据与所述注册信息数据之间的关联性,对具有所述第一标识的购买行为数据和具有所述第二标识的注册信息数据进行标识,以生成所述隐私数据标识。
在本公开的一种示例性实施例中,标识模块1506还设置为:解析确定所述购买行为数据中的用户身份信息和购买信息;解析确定所述注册信息数据中的用户身份信息和个体属性信息;基于所述购买行为数据中的用户身份信息与所述注册信息数据中的用户身份信息的对应关系,确定所述购买行为数据与所述注册信息数据之间的关联性;根据所述关联性对具有所述隐私数据标识的购买信息和具有所述隐私数据标识的个体属性信息进行数据关联;针对关联后的数据进行标识,以生成所述隐私数据标识。
在本公开的一种示例性实施例中,确定模块1504还设置为:在具有所述隐私数据标识的数据中剔除所述用户身份信息,并将剔除后的数据和所述隐私数据标识写入隐私数据表;存储所述隐私数据表,所述隐私数据表中的隐私数据标识被配置为能够确定所述安全服务子功能。
在本公开的一种示例性实施例中,部署模块1510还设置为:检测是否存在指定的第三方终端,所述第三方终端与所述参与方不存在交集;若确定存在指定的所述第三方终端,则将所述第三方终端确定为所述指定终端,并将集成后的联合计算配置功能部署于第三方终端,完成部署的联合计算配置功能在所述第三方终端对所述业务数据进行联合计算;若确定不存在指定的所述第三方终端,则将集成后的联合计算配置功能部署于至少一个参与方,完成部署的联合计算配置功能在所述参与方对所述业务数据进行联合计算。
在本公开的一种示例性实施例中,部署模块1510还设置为:检测是否存在指定的第三方终端,所述第三方终端与所述参与方不存在交集;若确定存在指定的所述第三方终端,则将所述第三方终端确定为所述指定终端,并将集成后的联合计算配置功能部署于第三方终端,完成部署的联合计算配置功能在所述第三方终端对所述业务数据进行联合计算;若确定不存在指定的所述第三方终端,则将集成后的联合计算配置功能部署于至少一个参与方,完成部署的联合计算配置功能在所述参与方对所述业务数据进行联合计算。
在本公开的一种示例性实施例中,部署模块1510还设置为:响应于所述联合计算配置功能的升级需求,检测所述联合计算配置功能的部署位置;基于所述升级需求在所述部署位置对所述联合计算配置功能进行升级。
由于多方业务隐私数据的联合计算装置1500的各功能已在其对应的方法实施例中予以详细说明,本公开于此不再赘述。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本公开的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
在本公开的示例性实施例中,还提供了一种能够实现上述方法的电子设备。
所属技术领域的技术人员能够理解,本发明的各个方面可以实现为系统、方法或程序产品。因此,本发明的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“系统”。
下面参照图16来描述根据本发明的这种实施方式的电子设备1600。图16显示的电子设备1600仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图16所示,电子设备1600以通用计算设备的形式表现。电子设备1600的组件可以包括但不限于:上述至少一个处理单元1610、上述至少一个存储单元1620、连接不同系统组件(包括存储单元1620和处理单元1610)的总线1630。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元1610执行,使得所述处理单元1610执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。例如,所述处理单元1610可以执行如本公开实施例所示的方法。
存储单元1620可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)16201和/或高速缓存存储单元16202,还可以进一步包括只读存储单元(ROM)16203。
存储单元1620还可以包括具有一组(至少一个)程序模块16205的程序/实用工具16204,这样的程序模块16205包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线1630可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备1600也可以与一个或多个外部设备1640(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备1600交互的设备通信,和/或与使得该电子设备1600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口1650进行。并且,电子设备1600还可以通过网络适配器1660与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器1660通过总线1630与电子设备1600的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备1600使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。
在本公开的示例性实施例中,还提供了一种计算机可读存储介质,其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中,本发明的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在终端设备上运行时,所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。
根据本发明的实施方式的用于实现上述方法的程序产品可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本发明的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
此外,上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和构思由权利要求指出。
Claims (10)
1.一种多方业务隐私数据的联合计算方法,其特征在于,包括:
获取具有同一联合计算业务需求的多个参与方的业务数据;
根据预设的隐私数据识别规则确定所述业务数据中的隐私数据;
对所述隐私数据进行标识,以生成隐私数据标识;
基于所述业务需求进行联合计算配置功能的配置,并根据所述隐私数据标识确定对应的联合计算配置功能中的安全微服务;
将集成后的联合计算配置功能部署于指定终端侧,完成部署的所述联合计算配置功能用于对所述业务数据进行联合计算,其中所述安全微服务用于对与所述隐私数据标识对应的隐私数据进行处理。
2.如权利要求1所述的多方业务隐私数据的联合计算方法,其特征在于,所述隐私数据包括来自第一参与方的购买行为数据和来自第二参与方的注册信息数据,对所述隐私数据进行标识,以生成隐私数据标识包括:
针对所述购买行为数据生成所述第一参与方对应的第一标识;
针对所述注册信息数据生成所述第二参与方对应的第二标识;
根据所述购买行为数据与所述注册信息数据之间的关联性,对具有所述第一标识的购买行为数据和具有所述第二标识的注册信息数据进行标识,以生成所述隐私数据标识。
3.如权利要求2所述的多方业务隐私数据的联合计算方法,其特征在于,根据所述购买行为数据与所述注册信息数据之间的关联性,对具有所述第一标识的购买行为数据和具有所述第二标识的注册信息数据进行标识,以生成所述隐私数据标识包括:
解析确定所述购买行为数据中的用户身份信息和购买信息;
解析确定所述注册信息数据中的用户身份信息和个体属性信息;
基于所述购买行为数据中的用户身份信息与所述注册信息数据中的用户身份信息的对应关系,确定所述购买行为数据与所述注册信息数据之间的关联性;
根据所述关联性对具有所述隐私数据标识的购买信息和具有所述隐私数据标识的个体属性信息进行数据关联;
针对关联后的数据进行标识,以生成所述隐私数据标识。
4.如权利要求3所述的多方业务隐私数据的联合计算方法,其特征在于,还包括:
在具有所述隐私数据标识的数据中剔除所述用户身份信息,并将剔除后的数据和所述隐私数据标识写入隐私数据表;
存储所述隐私数据表,所述隐私数据表中的隐私数据标识被配置为能够确定所述安全微服务。
5.如权利要求1-4中任一项所述的多方业务隐私数据的联合计算方法,其特征在于,将集成后的联合计算配置功能部署于指定终端侧,完成部署的所述联合计算配置功能对所述业务数据进行联合计算包括:
检测是否存在指定的第三方终端,所述第三方终端与所述参与方不存在交集;
若确定存在指定的所述第三方终端,则将所述第三方终端确定为所述指定终端,并将集成后的联合计算配置功能部署于第三方终端,完成部署的联合计算配置功能在所述第三方终端对所述业务数据进行联合计算。
6.如权利要求1-4中任一项所述的多方业务隐私数据的联合计算方法,其特征在于,将集成后的联合计算配置功能部署于指定终端侧,完成部署的所述联合计算配置功能对所述业务数据进行联合计算包括:
检测是否存在指定的第三方终端,所述第三方终端与所述参与方不存在交集;
若确定不存在指定的所述第三方终端,则将集成后的联合计算配置功能部署于至少一个参与方,完成部署的联合计算配置功能在所述参与方对所述业务数据进行联合计算。
7.如权利要求1-4中任一项所述的多方业务隐私数据的联合计算方法,其特征在于,还包括:
响应于所述联合计算配置功能的升级需求,检测所述联合计算配置功能的部署位置;
基于所述升级需求在所述部署位置对所述联合计算配置功能进行升级。
8.一种多方业务隐私数据的联合计算装置,其特征在于,包括:
获取模块,设置为获取具有同一联合计算业务需求的多个参与方的业务数据;
确定模块,设置为根据预设的隐私数据识别规则确定所述业务数据中的隐私数据;
标识模块,设置为对所述隐私数据进行标识,以生成隐私数据标识;
开发模块,设置为基于所述业务需求进行联合计算配置功能的配置,并根据所述隐私数据标识确定对应的联合计算配置功能中的安全微服务;
部署模块,设置为将集成后的联合计算配置功能部署于指定终端侧,完成部署的所述联合计算配置功能用于对所述业务数据进行联合计算,其中所述安全微服务用于对与所述隐私数据标识对应的隐私数据进行处理。
9.一种电子设备,其特征在于,包括:
存储器;以及
耦合到所述存储器的处理器,所述处理器被配置为基于存储在所述存储器中的指令,执行如权利要求1-7中任一项所述的多方业务隐私数据的联合计算方法。
10.一种计算机可读存储介质,其上存储有程序,该程序被处理器执行时实现如权利要求1-7中任一项所述的多方业务隐私数据的联合计算方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310518379.4A CN116226928B (zh) | 2023-05-09 | 2023-05-09 | 多方业务隐私数据的联合计算方法、装置、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310518379.4A CN116226928B (zh) | 2023-05-09 | 2023-05-09 | 多方业务隐私数据的联合计算方法、装置、设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116226928A CN116226928A (zh) | 2023-06-06 |
CN116226928B true CN116226928B (zh) | 2024-04-16 |
Family
ID=86570033
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310518379.4A Active CN116226928B (zh) | 2023-05-09 | 2023-05-09 | 多方业务隐私数据的联合计算方法、装置、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116226928B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113179158A (zh) * | 2021-04-08 | 2021-07-27 | 支付宝(杭州)信息技术有限公司 | 一种控制带宽的多方联合数据处理方法及装置 |
CN113553609A (zh) * | 2021-09-17 | 2021-10-26 | 支付宝(杭州)信息技术有限公司 | 基于隐私保护的多方联合进行业务预测的方法及系统 |
CN113722754A (zh) * | 2021-08-25 | 2021-11-30 | 上海阵方科技有限公司 | 隐私可执行文件的生成方法、装置和服务器 |
CN114091059A (zh) * | 2021-11-09 | 2022-02-25 | 建信金融科技有限责任公司 | 数据安全处理方法、装置、终端、介质和系统 |
CN114817982A (zh) * | 2022-04-15 | 2022-07-29 | 支付宝(杭州)信息技术有限公司 | 一种提供隐私保护的多方计算控制方法、装置以及设备 |
CN115296859A (zh) * | 2022-07-08 | 2022-11-04 | 蓝象智联(杭州)科技有限公司 | 隐私计算通信内容安全检测方法及装置 |
CN115470512A (zh) * | 2021-06-11 | 2022-12-13 | 支付宝(杭州)信息技术有限公司 | 针对隐私计算进行多方算法协商的方法、装置及系统 |
CN115906127A (zh) * | 2022-12-14 | 2023-04-04 | 河北航天信息技术有限公司 | 一种用于政企隐私保护的联合计算系统与方法 |
CN115987690A (zh) * | 2023-03-20 | 2023-04-18 | 天聚地合(苏州)科技股份有限公司 | 基于api的隐私计算方法、api调用端和api提供端 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10176503B2 (en) * | 2016-04-01 | 2019-01-08 | OneTrust, LLC | Data processing systems and methods for efficiently assessing the risk of privacy campaigns |
US20210141924A1 (en) * | 2019-11-11 | 2021-05-13 | Michael R. Gorman | System to facilitate proprietary data restriction compliance for an enterprise |
US11928234B2 (en) * | 2021-08-06 | 2024-03-12 | International Business Machines Corporation | Platform for dynamic collaborative computation with confidentiality and verifiability |
-
2023
- 2023-05-09 CN CN202310518379.4A patent/CN116226928B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113179158A (zh) * | 2021-04-08 | 2021-07-27 | 支付宝(杭州)信息技术有限公司 | 一种控制带宽的多方联合数据处理方法及装置 |
CN115470512A (zh) * | 2021-06-11 | 2022-12-13 | 支付宝(杭州)信息技术有限公司 | 针对隐私计算进行多方算法协商的方法、装置及系统 |
CN113722754A (zh) * | 2021-08-25 | 2021-11-30 | 上海阵方科技有限公司 | 隐私可执行文件的生成方法、装置和服务器 |
CN113553609A (zh) * | 2021-09-17 | 2021-10-26 | 支付宝(杭州)信息技术有限公司 | 基于隐私保护的多方联合进行业务预测的方法及系统 |
CN114091059A (zh) * | 2021-11-09 | 2022-02-25 | 建信金融科技有限责任公司 | 数据安全处理方法、装置、终端、介质和系统 |
CN114817982A (zh) * | 2022-04-15 | 2022-07-29 | 支付宝(杭州)信息技术有限公司 | 一种提供隐私保护的多方计算控制方法、装置以及设备 |
CN115296859A (zh) * | 2022-07-08 | 2022-11-04 | 蓝象智联(杭州)科技有限公司 | 隐私计算通信内容安全检测方法及装置 |
CN115906127A (zh) * | 2022-12-14 | 2023-04-04 | 河北航天信息技术有限公司 | 一种用于政企隐私保护的联合计算系统与方法 |
CN115987690A (zh) * | 2023-03-20 | 2023-04-18 | 天聚地合(苏州)科技股份有限公司 | 基于api的隐私计算方法、api调用端和api提供端 |
Also Published As
Publication number | Publication date |
---|---|
CN116226928A (zh) | 2023-06-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11196540B2 (en) | End-to-end secure operations from a natural language expression | |
WO2022089256A1 (zh) | 联邦神经网络模型的训练方法、装置、设备、计算机程序产品及计算机可读存储介质 | |
WO2020220823A1 (zh) | 用于构建决策树的方法和装置 | |
CN110457912B (zh) | 数据处理方法、装置和电子设备 | |
CN111125727B (zh) | 混淆电路生成方法、预测结果确定方法、装置和电子设备 | |
US20210234687A1 (en) | Multi-model training based on feature extraction | |
JP2019220940A (ja) | 情報交換用の方法及び装置 | |
CN110659206B (zh) | 基于微服务的模拟架构建立方法、装置、介质及电子设备 | |
CN110460563A (zh) | 数据加密、解密方法及装置、系统、可读介质和电子设备 | |
CN111563267A (zh) | 用于联邦特征工程数据处理的方法和装置 | |
CN112600830B (zh) | 业务数据处理方法、装置、电子设备及存储介质 | |
CN110519153A (zh) | 一种发送群会话消息的方法与设备 | |
CN116680324A (zh) | 数据匿踪查询方法及装置、存储介质、电子设备 | |
CN113408668A (zh) | 基于联邦学习系统的决策树构建方法、装置及电子设备 | |
CN114666135A (zh) | 数据加密方法及装置、电子设备和存储介质 | |
CN114881247A (zh) | 基于隐私计算的纵向联邦特征衍生方法、装置、介质 | |
CN110545542A (zh) | 基于非对称加密算法的主控密钥下载方法、装置和计算机设备 | |
CN116226928B (zh) | 多方业务隐私数据的联合计算方法、装置、设备和介质 | |
CN111949655A (zh) | 表单显示方法、装置、电子设备和介质 | |
CN111435452B (zh) | 模型训练方法、装置、设备和介质 | |
CN115481440A (zh) | 数据处理方法、装置、电子设备和介质 | |
CN114546370A (zh) | 一种数据对接方法及相关装置 | |
CN115221892A (zh) | 工单数据处理方法及装置、存储介质及电子设备 | |
CN113919310A (zh) | 短信内容确定方法、装置、电子设备及存储介质 | |
CN115378624B (zh) | 知识图谱构建方法、装置、电子设备及存储介质 |
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 |