CN117955748B - 基于隐私计算的数据资产化处理方法、系统、设备及介质 - Google Patents

Abstract

本申请涉及基于隐私计算的数据资产化处理方法、系统、设备及介质，该方法通过选举的方式，根据选举算法在数据提供方中选举出计算方，而平台方仅作为中介方进行计算方选举以及提供计算客户端，计算方被选举出来以后，各数据提供方通过平台方获取计算方的VPN连接方式，并通过VPN连接将加密后的数据发送到计算方进行计算，从而使得在数据计算处理的过程中，其计算的网络环境是封闭式的，从而保证了数据不会被泄露到平台或者其他计算方上。平台方在计算过程中只作为选举方，不参与数据的任何计算处理，数据也不经过平台方，从而避免了上述平台方不可信的风险，达到有效提高数据资产安全性的目的。

Description

基于隐私计算的数据资产化处理方法、系统、设备及介质

技术领域

本发明属于数据处理技术领域，涉及一种基于隐私计算的数据资产化处理方法、系统、设备及介质。

背景技术

隐私计算侧重于实现“数据不搬家”条件下的数据价值安全共享，在数据“不出门”的条件下，利用算法模型在各数据所有方之间进行协同计算，通过牺牲一部分的性能和效率，提高数据使用的安全性、合规性和隐私性，确保计算过程中各方数据的完全受控。利用隐私计算技术实现产业数据的密态查询统计、匿名认证访问和多方安全计算等，可以在确保数据隐私安全的条件下最大程度挖掘数据的应用价值，从而使数据既能得到应用，又不会被泄露，从而形成一种个人资产，充分发挥数据的价值。

传统的隐私计算平台一般以平台为中介，将各方数据进行加密以后汇集到平台上进行计算，保证相互之间数据不可见。然而，在实现本发明的过程中，发明人发现前述传统的隐私计算技术中，数据安全一定程度上依赖于隐私计算平台的安全性及其可信度，数据在计算过程中并不能充分保证是否被泄露到平台上，仍然存在着数据资产安全性不足的技术问题。

发明内容

针对上述传统方法中存在的问题，本发明提出了一种基于隐私计算的数据资产化处理方法、一种基于隐私计算的数据资产化处理系统、一种计算机设备和一种计算机可读存储介质，能够有效提高数据资产安全性。

为了实现上述目的，本发明实施例采用以下技术方案：

一方面，提供一种基于隐私计算的数据资产化处理方法，包括步骤：

获取当前数据提供方的计算任务指令后，开始计算任务的执行；

获取各数据提供方在隐私计算平台上注册的提供方资源信息；提供方资源信息包括提供方名称、VPN连接信息和计算资源信息；

根据各数据提供方的计算资源信息，分别计算出各数据提供方的计算服务器权重；

根据各计算服务器权重在各数据提供方的计算服务器中选举出一个目标计算服务器；

将目标计算服务器的VPN连接信息提供给当前数据提供方；VPN连接信息用于建立当前数据提供方与目标计算服务器之间的连接，以及将目标计算服务器对当前数据提供方发送的加密数据进行计算处理后输出的计算结果返回到当前数据提供方。

在其中一个实施例中，将目标计算服务器的VPN连接信息提供给当前数据提供方的步骤之后，还包括步骤：

监测计算任务的计算完成情况；

若计算任务未完成，则跳转至获取各数据提供方在隐私计算平台上注册的提供方资源信息的步骤，重新计算最新的各计算服务器权重；

若最新的各计算服务器权重与最近一次计算的各计算服务器权重不一致，则触发目标计算服务器的重新选择。

在其中一个实施例中，将目标计算服务器的VPN连接信息提供给当前数据提供方的步骤之后，还包括步骤：

若计算任务已完成，则在目标计算服务器完成计算结果返回到当前数据提供方的操作后，结束计算任务并指示当前数据提供方断开与目标计算服务器的连接。

在其中一个实施例中，将目标计算服务器的VPN连接信息提供给当前数据提供方的步骤之后，还包括步骤：

若最新的各计算服务器权重与最近一次计算的各计算服务器权重一致，则维持目标计算服务器用于执行计算任务。

另一方面，还提供一种基于隐私计算的数据资产化处理系统，包括：

任务开始模块，用于获取当前数据提供方的计算任务指令后，开始计算任务的执行；

资源获取模块，用于获取各数据提供方在隐私计算平台上注册的提供方资源信息；提供方资源信息包括提供方名称、VPN连接信息和计算资源信息；

权重计算模块，用于根据各数据提供方的计算资源信息，分别计算出各数据提供方的计算服务器权重；

计算选举模块，用于根据各计算服务器权重在各数据提供方的计算服务器中选举出一个目标计算服务器；

连接提供模块，用于将目标计算服务器的VPN连接信息提供给当前数据提供方；VPN连接信息用于建立当前数据提供方与目标计算服务器之间的连接，以及将目标计算服务器对当前数据提供方发送的加密数据进行计算处理后输出的计算结果返回到当前数据提供方。

在其中一个实施例中，基于隐私计算的数据资产化处理系统还包括：

任务监测模块，用于监测计算任务的计算完成情况；

重计算触发模块，用于在计算任务未完成时，通知资源获取模块触发重新计算最新的各计算服务器权重；

重选择触发模块，用于在最新的各计算服务器权重与最近一次计算的各计算服务器权重不一致时，触发计算选举模块重新选择目标计算服务器。

在其中一个实施例中，基于隐私计算的数据资产化处理系统还包括：

任务结束模块，用于在计算任务已完成时，在目标计算服务器完成计算结果返回到当前数据提供方的操作后，结束计算任务并指示当前数据提供方断开与目标计算服务器的连接。

在其中一个实施例中，重选择触发模块，还用于在最新的各计算服务器权重与最近一次计算的各计算服务器权重一致时，维持目标计算服务器用于执行计算任务。

又一方面，还提供一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现上述的基于隐私计算的数据资产化处理方法的步骤。

再一方面，还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述的基于隐私计算的数据资产化处理方法的步骤。

上述技术方案中的一个技术方案具有如下优点和有益效果：

上述基于隐私计算的数据资产化处理方法、系统、设备及介质，通过选举的方式，根据选举算法在数据提供方中选举出计算方，而平台方仅作为中介方进行计算方选举以及提供计算客户端，计算方被选举出来以后，各数据提供方通过平台方获取计算方的VPN连接方式，并通过VPN连接将加密后的数据发送到计算方进行计算，从而使得在数据计算处理的过程中，其计算的网络环境是封闭式的，从而保证了数据不会被泄露到平台或者其他计算方上。由于计算方是由选举算法随机选出且各数据提供方的互信程度大于平台方，进而更加有效的保证了数据的安全性。平台方在计算过程中只作为选举方，不参与数据的任何计算处理，数据也不经过平台方，从而避免了上述平台方不可信的风险，达到有效提高数据资产安全性的目的。

附图说明

为了更清楚地说明本申请实施例或传统技术中的技术方案，下面将对实施例或传统技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，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为一个实施例中基于隐私计算的数据资产化处理方法的流程示意图；

图2为一个实施例中平台选举目标计算服务器用于执行计算任务的服务器网络结构示意图；

图3为一个实施例中平台成功选举出目标计算服务器用于执行计算任务之后的服务器网络结构示意图；

图4为另一个实施例中基于隐私计算的数据资产化处理方法的流程示意图；

图5为再一个实施例中基于隐私计算的数据资产化处理方法的流程示意图；

图6为一个实施例中目标计算服务器用于执行多计算任务时的服务器网络结构示意图；

图7为一个实施例中基于隐私计算的数据资产化处理系统的模块组成框架示意图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅用以解释本申请，并不用于限定本申请。

除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请。

需要说明的是，在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置展示该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。

本领域技术人员可以理解，本文所描述的实施例可以与其它实施例相结合。在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

隐私计算侧重于实现“数据不搬家”条件下的数据价值安全共享，在数据“不出门”的条件下，利用既有的算法模型在各数据所有方之间进行协同计算，传统的隐私计算平台一般以平台为中介，将各方的数据加密以后汇集到平台方进行计算，保证互相数据不可见。

下面将结合本发明实施例图中的附图，对本发明实施方式进行详细说明。

请参阅图1，在一个实施例中，提供了一种基于隐私计算的数据资产化处理方法，包括如下处理步骤S10至S18：

S10，获取当前数据提供方的计算任务指令后，开始计算任务的执行。

可以理解，在隐私计算平台上，各数据提供方均已在平台上注册了相应的提供方资源信息，这些提供方资源信息可以包括数据提供方名称、VPN连接信息和计算资源信息等。其中，VPN连接信息可以包括VPN地址、端口、连接用户名和密码等信息，这些计算资源信息可以包括计算资源（如数据提供方所在的计算服务器）的计算速度、网络速度、服务器的计算稳定性和服务器的安全性等基本信息，可以用于构建封闭式的计算网络环境并用于保证各数据提供方之间的互信。对于当前需要进行隐私计算的当前数据提供方，平台可以在收到当前数据提供方发送的计算任务指令后，开始组织执行针对该当前数据提供方的计算任务的服务。

S12，获取各数据提供方在隐私计算平台上注册的提供方资源信息；提供方资源信息包括提供方名称、VPN连接信息和计算资源信息。

S14，根据各数据提供方的计算资源信息，分别计算出各数据提供方的计算服务器权重。

可以理解，平台通过注册的提供方资源信息，根据计算资源的计算速度，网络速度，服务器计算稳定性和服务器安全性等计算资源信息算出计算服务器权重，计算公式分别如下所示，后续即可根据计算服务器权重选举出目标计算服务器。

具体的，设有个计算服务器，其中任一个计算服务器/>的网络速度为/>，则其网络权重为:/>，其中，/>表示计算服务器/>的当前网速，/>表示最大值，/>表示最小值。

设当前数据提供方对应待处理的加密数据在计算服务器的计算速度为/>，加密数据/>在这台计算服务器/>上的计算权重为：/>，其中，/>表示计算服务器/>的当前计算速度。

设计算服务器的计算稳定性为/>，则这台计算服务器/>上的稳定性权重为：，其中，/>表示计算服务器/>当前的计算稳定性。

设计算服务器的安全性为/>，则这台计算服务器/>上的安全性权重为：，其中，/>表示计算服务器/>当前的安全性。

设网络速度权值为，计算速度权值为/>，稳定性权值为/>，安全性权值为/>。由于网络速度、计算速度、计算稳定性和安全性四个维度的重要程度不一，因此根据实际处理需要，越重要的参数其权值越大，在计算结果中的占比就更大。

计算服务器的计算服务器权重为：

；

S16，根据各计算服务器权重在各数据提供方的计算服务器中选举出一个目标计算服务器。

可以理解，同理，分别计算出每个计算服务器的计算服务器权重之后，即可根据上述各计算服务器权重的结果选举出目标计算服务器，例如选取计算服务器权重最大的一个计算服务器作为执行计算任务的目标计算服务器。

在另一些实施方式中，出于计算效率的进一步提升需求，还可以按照计算服务器权重从高到低的顺序选择前若干个计算服务器共同作为执行计算任务的目标计算服务器，从而更有效的提高隐私计算效率。

S18，将目标计算服务器的VPN连接信息提供给当前数据提供方；VPN连接信息用于建立当前数据提供方与目标计算服务器之间的连接，以及将目标计算服务器对当前数据提供方发送的加密数据进行计算处理后输出的计算结果返回到当前数据提供方。

可以理解，如图2所示为平台选举目标计算服务器用于执行计算任务的服务器网络结构示意图，其中，A0表示隐私计算平台，B1至BM分别表示各数据提供方，虚箭头线表示选举目标计算服务器。如图3所示为平台成功选举出目标计算服务器用于执行计算任务之后的服务器网络结构示意图，其中，BM0表示选举出的目标计算服务器，双向箭头虚线表示VPN连接。选举出目标计算服务器BM0后，当前数据提供方可以通过平台获取目标计算服务器BM0的VPN连接信息，然后当前数据提供方通过该VPN连接信息连接到目标计算服务器BM0，连接建立之后，目标计算服务器BM0即可以从当前数据提供方获取到待处理的加密数据，并开始数据资产分析计算，直至输出所有计算结果返回到当前数据提供方，完成当前的计算任务的执行并断开与当前数据提供方的连接，平台此时可结束该计算任务。

上述基于隐私计算的数据资产化处理方法，通过选举的方式，根据选举算法在数据提供方中选举出计算方，而平台方仅作为中介方进行计算方选举以及提供计算客户端，计算方被选举出来以后，各数据提供方通过平台方获取计算方的VPN连接方式，并通过VPN连接将加密后的数据发送到计算方进行计算，从而使得在数据计算处理的过程中，其计算的网络环境是封闭式的，从而保证了数据不会被泄露到平台或者其他计算方上。由于计算方是由选举算法随机选出且各数据提供方的互信程度大于平台方，进而更加有效的保证了数据的安全性。平台方在计算过程中只作为选举方，不参与数据的任何计算处理，数据也不经过平台方，从而避免了上述平台方不可信的风险，达到有效提高数据资产安全性的目的。

在一个实施例中，进一步的，如图4所示，在步骤S18之后，上述基于隐私计算的数据资产化处理方法还可以包括如下步骤：

S20，监测计算任务的计算完成情况；

S22，若计算任务未完成，则跳转至步骤S12，重新计算最新的各计算服务器权重；

S24，若最新的各计算服务器权重与最近一次计算的各计算服务器权重不一致，则触发目标计算服务器的重新选择。

可以理解，如图5所示，在整个计算处理过程中，平台可以监测计算任务的计算完成情况，如果计算任务还未完成，那么循环执行上述的步骤S12至步骤S14，当计算服务器权重发生了变化时，通过步骤S16触发目标计算服务器的重新选择，实时更换目标计算服务器继续进行计算处理，直到输出所有的计算结果。如此，可以通过对计算处理的全过程进行实时监控并实时切换至最合适执行计算任务的目标计算服务器，使得计算任务能够始终在最合适的目标计算服务器上执行加密数据的计算处理，从而更有效的提高隐私计算的处理效率和质量。

在一个实施例中，进一步的，如图5所示，在步骤S18之后，上述基于隐私计算的数据资产化处理方法还可以包括如下步骤：

若计算任务已完成，则在目标计算服务器完成计算结果返回到当前数据提供方的操作后，结束计算任务并指示当前数据提供方断开与目标计算服务器的连接。

可以理解，平台在监测计算任务的计算完成情况时，如果计算任务已经完成，那么就可以在目标计算服务器完成计算结果返回到当前数据提供方的操作后，结束计算任务并通过下发任务结束指令或者任务结束应答消息的方式指示当前数据提供方断开与目标计算服务器的连接，从而及时结束任务处理进程，避免计算资源的额外开销。

在一个实施例中，进一步的，在步骤S18之后，上述基于隐私计算的数据资产化处理方法还可以包括如下步骤：

若最新的各计算服务器权重与最近一次计算的各计算服务器权重一致，则维持目标计算服务器用于执行计算任务。

可以理解，平台可以监测计算任务的计算完成情况，如果计算任务还未完成，那么循环执行上述的步骤S12至步骤S14，当计算服务器权重没有发生变化，例如当前仍是目标计算服务器的计算服务器权重最大，那么无需切换目标计算服务器，因此，可以直接维持目标计算服务器用于继续执行计算任务即可，使得计算任务能够始终在最合适的目标计算服务器上执行加密数据的计算处理，从而更有效的提高隐私计算的处理效率和质量。

在一些实施方式中，当前数据提供方也可以是多个，如图6所示，多个当前数据提供方可以通过平台分别获取目标计算服务器BM0的VPN连接信息，然后各当前数据提供方通过该VPN连接信息分别连接到目标计算服务器BM0，连接建立之后，目标计算服务器BM0即可以分别从各当前数据提供方获取到待处理的加密数据，并开始针对各当前数据提供方的数据资产分析计算，直至输出各计算结果分别返回到各当前数据提供方，完成当前的计算任务的执行并断开与各当前数据提供方的连接，平台此时可结束该计算任务，可实现多计算任务的处理。

应该理解的是，虽然上述流程图1、图4和图5中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且上述流程图1、图4和图5的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

在一个实施例中，如图7所示，提供一种基于隐私计算的数据资产化处理系统100，包括任务开始模块11、资源获取模块13、权重计算模块15、计算选举模块17和连接提供模块19。其中：任务开始模块11用于获取当前数据提供方的计算任务指令后，开始计算任务的执行。资源获取模块13用于获取各数据提供方在隐私计算平台上注册的提供方资源信息；提供方资源信息包括提供方名称、VPN连接信息和计算资源信息。权重计算模块15用于根据各数据提供方的计算资源信息，分别计算出各数据提供方的计算服务器权重。计算选举模块17用于根据各计算服务器权重在各数据提供方的计算服务器中选举出一个目标计算服务器。连接提供模块19用于将目标计算服务器的VPN连接信息提供给当前数据提供方；VPN连接信息用于建立当前数据提供方与目标计算服务器之间的连接，以及将目标计算服务器对当前数据提供方发送的加密数据进行计算处理后输出的计算结果返回到当前数据提供方。

上述基于隐私计算的数据资产化处理系统100，通过选举的方式，根据选举算法在数据提供方中选举出计算方，而平台方仅作为中介方进行计算方选举以及提供计算客户端，计算方被选举出来以后，各数据提供方通过平台方获取计算方的VPN连接方式，并通过VPN连接将加密后的数据发送到计算方进行计算，从而使得在数据计算处理的过程中，其计算的网络环境是封闭式的，从而保证了数据不会被泄露到平台或者其他计算方上。由于计算方是由选举算法随机选出且各数据提供方的互信程度大于平台方，进而更加有效的保证了数据的安全性。平台方在计算过程中只作为选举方，不参与数据的任何计算处理，数据也不经过平台方，从而避免了上述平台方不可信的风险，达到有效提高数据资产安全性的目的。

在一个实施例中，基于隐私计算的数据资产化处理系统还包括任务监测模块、重计算触发模块和重选择触发模块。其中，任务监测模块用于监测计算任务的计算完成情况。重计算触发模块用于在计算任务未完成时，通知资源获取模块13触发重新计算最新的各计算服务器权重。重选择触发模块用于在最新的各计算服务器权重与最近一次计算的各计算服务器权重不一致时，触发计算选举模块17重新选择目标计算服务器。

在一个实施例中，基于隐私计算的数据资产化处理系统100还包括任务结束模块，用于在计算任务已完成时，在目标计算服务器完成计算结果返回到当前数据提供方的操作后，结束计算任务并指示当前数据提供方断开与目标计算服务器的连接。

在一个实施例中，重选择触发模块还用于在最新的各计算服务器权重与最近一次计算的各计算服务器权重一致时，维持目标计算服务器用于执行计算任务。

关于基于隐私计算的数据资产化处理系统100的具体限定，可以参见上文中基于隐私计算的数据资产化处理方法的相应限定，在此不再赘述。上述基于隐私计算的数据资产化处理系统100中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于具备数据处理功能的设备中，也可以软件形式存储于前述设备的存储器中，以便于处理器调用执行以上各个模块对应的操作，前述设备可以是但不限于本领域已有的各型数据计算与处理设备。

在一个实施例中，还提供一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现如下处理步骤：获取当前数据提供方的计算任务指令后，开始计算任务的执行；获取各数据提供方在隐私计算平台上注册的提供方资源信息；提供方资源信息包括提供方名称、VPN连接信息和计算资源信息；根据各数据提供方的计算资源信息，分别计算出各数据提供方的计算服务器权重；根据各计算服务器权重在各数据提供方的计算服务器中选举出一个目标计算服务器；将目标计算服务器的VPN连接信息提供给当前数据提供方；VPN连接信息用于建立当前数据提供方与目标计算服务器之间的连接，以及将目标计算服务器对当前数据提供方发送的加密数据进行计算处理后输出的计算结果返回到当前数据提供方。

可以理解，上述计算机设备除上述述及的存储器和处理器外，还包括其他本说明书未列出的软硬件组成部分，具体可以根据不同应用场景下的具体计算机设备的型号确定，本说明书不再一一列出详述。

在一个实施例中，处理器执行计算机程序时还可以实现上述基于隐私计算的数据资产化处理方法各实施例中增加的步骤或者子步骤。

在一个实施例中，还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现如下处理步骤：获取当前数据提供方的计算任务指令后，开始计算任务的执行；获取各数据提供方在隐私计算平台上注册的提供方资源信息；提供方资源信息包括提供方名称、VPN连接信息和计算资源信息；根据各数据提供方的计算资源信息，分别计算出各数据提供方的计算服务器权重；根据各计算服务器权重在各数据提供方的计算服务器中选举出一个目标计算服务器；将目标计算服务器的VPN连接信息提供给当前数据提供方；VPN连接信息用于建立当前数据提供方与目标计算服务器之间的连接，以及将目标计算服务器对当前数据提供方发送的加密数据进行计算处理后输出的计算结果返回到当前数据提供方。

在一个实施例中，计算机程序被处理器执行时，还可以实现上述基于隐私计算的数据资产化处理方法各实施例中增加的步骤或者子步骤。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双数据率SDRAM（DDRSDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink） DRAM（SLDRAM）、存储器总线式动态随机存储器（RambusDRAM，简称RDRAM）以及接口动态随机存储器（DRDRAM）等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可做出若干变形和改进，都属于本申请保护范围。因此本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种基于隐私计算的数据资产化处理方法，其特征在于，包括步骤：

获取当前数据提供方的计算任务指令后，开始计算任务的执行；

获取各数据提供方在隐私计算平台上注册的提供方资源信息；所述提供方资源信息包括提供方名称、VPN连接信息和计算资源信息，所述计算资源信息包括计算速度、网络速度、服务器计算稳定性和服务器安全性；

根据各所述数据提供方的所述计算资源信息，分别计算出各所述数据提供方的计算服务器权重；

根据各所述计算服务器权重在各所述数据提供方的计算服务器中选举出一个目标计算服务器；

将所述目标计算服务器的VPN连接信息提供给所述当前数据提供方；所述VPN连接信息用于建立所述当前数据提供方与所述目标计算服务器之间的连接，以及将所述目标计算服务器对所述当前数据提供方发送的加密数据进行计算处理后输出的计算结果返回到所述当前数据提供方。

2.根据权利要求1所述的基于隐私计算的数据资产化处理方法，其特征在于，将所述目标计算服务器的VPN连接信息提供给所述当前数据提供方的步骤之后，还包括步骤：

监测所述计算任务的计算完成情况；

若所述计算任务未完成，则跳转至所述获取各数据提供方在隐私计算平台上注册的提供方资源信息的步骤，重新计算最新的各所述计算服务器权重；

若最新的各所述计算服务器权重与最近一次计算的各所述计算服务器权重不一致，则触发所述目标计算服务器的重新选择。

3.根据权利要求2所述的基于隐私计算的数据资产化处理方法，其特征在于，将所述目标计算服务器的VPN连接信息提供给所述当前数据提供方的步骤之后，还包括步骤：

若所述计算任务已完成，则在所述目标计算服务器完成所述计算结果返回到所述当前数据提供方的操作后，结束所述计算任务并指示所述当前数据提供方断开与所述目标计算服务器的连接。

4.根据权利要求2或3所述的基于隐私计算的数据资产化处理方法，其特征在于，将所述目标计算服务器的VPN连接信息提供给所述当前数据提供方的步骤之后，还包括步骤：

若最新的各所述计算服务器权重与最近一次计算的各所述计算服务器权重一致，则维持所述目标计算服务器用于执行所述计算任务。

5.一种基于隐私计算的数据资产化处理系统，其特征在于，包括：

任务开始模块，用于获取当前数据提供方的计算任务指令后，开始计算任务的执行；

资源获取模块，用于获取各数据提供方在隐私计算平台上注册的提供方资源信息；所述提供方资源信息包括提供方名称、VPN连接信息和计算资源信息，所述计算资源信息包括计算速度、网络速度、服务器计算稳定性和服务器安全性；

权重计算模块，用于根据各所述数据提供方的所述计算资源信息，分别计算出各所述数据提供方的计算服务器权重；

计算选举模块，用于根据各所述计算服务器权重在各所述数据提供方的计算服务器中选举出一个目标计算服务器；

连接提供模块，用于将所述目标计算服务器的VPN连接信息提供给所述当前数据提供方；所述VPN连接信息用于建立所述当前数据提供方与所述目标计算服务器之间的连接，以及将所述目标计算服务器对所述当前数据提供方发送的加密数据进行计算处理后输出的计算结果返回到所述当前数据提供方。

6.根据权利要求5所述的基于隐私计算的数据资产化处理系统，其特征在于，还包括：

任务监测模块，用于监测所述计算任务的计算完成情况；

重计算触发模块，用于在所述计算任务未完成时，通知所述资源获取模块触发重新计算最新的各所述计算服务器权重；

重选择触发模块，用于在最新的各所述计算服务器权重与最近一次计算的各所述计算服务器权重不一致时，触发所述计算选举模块重新选择目标计算服务器。

7.根据权利要求6所述的基于隐私计算的数据资产化处理系统，其特征在于，还包括：

任务结束模块，用于在所述计算任务已完成时，在所述目标计算服务器完成所述计算结果返回到所述当前数据提供方的操作后，结束所述计算任务并指示所述当前数据提供方断开与所述目标计算服务器的连接。

8.根据权利要求6或7所述的基于隐私计算的数据资产化处理系统，其特征在于，所述重选择触发模块，还用于在最新的各所述计算服务器权重与最近一次计算的各所述计算服务器权重一致时，维持所述目标计算服务器用于执行所述计算任务。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至4任一项所述的基于隐私计算的数据资产化处理方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至4任一项所述的基于隐私计算的数据资产化处理方法的步骤。