CN108737330B - 社交行为数据的处理方法、装置以及存储介质 - Google Patents
社交行为数据的处理方法、装置以及存储介质 Download PDFInfo
- Publication number
- CN108737330B CN108737330B CN201710247493.2A CN201710247493A CN108737330B CN 108737330 B CN108737330 B CN 108737330B CN 201710247493 A CN201710247493 A CN 201710247493A CN 108737330 B CN108737330 B CN 108737330B
- Authority
- CN
- China
- Prior art keywords
- data
- social service
- social
- service request
- user
- 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
- 230000011273 social behavior Effects 0.000 title claims abstract description 79
- 238000003672 processing method Methods 0.000 title abstract description 12
- 239000012634 fragment Substances 0.000 claims abstract description 134
- 238000012545 processing Methods 0.000 claims abstract description 67
- 238000000034 method Methods 0.000 claims abstract description 40
- 230000011218 segmentation Effects 0.000 claims abstract description 18
- 230000004044 response Effects 0.000 claims description 87
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 2
- 238000012163 sequencing technique Methods 0.000 claims 4
- 238000010586 diagram Methods 0.000 description 16
- 230000008569 process Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 230000007246 mechanism Effects 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 230000036961 partial effect Effects 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
Images
Classifications
-
- 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
- H04L63/0407—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks wherein the identity of one or more communicating identities is hidden
- H04L63/0421—Anonymous communication, i.e. the party's identifiers are hidden from the other party or parties, e.g. using an anonymizer
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/104—Peer-to-peer [P2P] networks
- H04L67/1074—Peer-to-peer [P2P] networks for supporting data block transmission mechanisms
- H04L67/1078—Resource delivery mechanisms
- H04L67/108—Resource delivery mechanisms characterised by resources being split in blocks or fragments
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Security & Cryptography (AREA)
- Computer Hardware Design (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Telephonic Communication Services (AREA)
Abstract
一种社交行为数据的处理方法、装置及存储介质,一个实施例的方法包括:获取待发送的第一社交服务请求数据;对所述第一社交服务请求数据进行分段处理,获得各分段后数据片段,各分段后数据片段携带当前用户标识;计算与所述当前用户标识对应的数据交换协议;采用计算出的数据交换协议将各分段后数据片段与匿名用户终端进行数据交换,获得各交换后数据片段,各交换后数据片段携带第二用户标识;向服务器发送社交服务请求,所述社交服务请求包括各交换后各数据片段、以及至少一个分段后数据片段。本实施例方案提高了社交行为数据的隐私保护的安全性。
Description
技术领域
本发明涉及信息处理技术领域,特别是涉及一种社交行为数据的处理方法、一种社交行为数据的处理装置以及一种存储介质。
背景技术
随着社交网络的广泛应用,对社交网络中的数据进行隐私保护已经成为一项重要内容。目前针对社交行为数据的隐私保护,大多是采用加密方法(通常是同态加密)来保护社交行为数据。加密的方法虽然能够保护用户的社交行为数据隐私和服务器的数据隐私,但是计算开销非常大,较难应用于计算资源有限的移动终端,因此也有一些研究采用模糊技术来保护用户社交行为数据,即向用户的社交行为数据中注入噪声,使得社交网络平台不能获得真实的社交行为数据。但模糊技术向用户社交行为数据中注入噪声,必然影响用户行为数据的可用性,而且带有噪声的用户行为数据,将会导致社交平台不能提供准确的社交服务,牺牲了用户的社交行为数据的可用性、社交网络平台的服务质量。另有一些研究是用k-匿名技术来保护用户数据隐私。k-匿名的核心思想是把一个用户的位置数据匿名在至少k-1个其他用户的位置数据中,使得服务器及其他攻击者无法准确地识别该用户的位置。这种k-匿名的方式,是直接对用户的社交行为数据进行k-匿名,其使得社交网络平台不能准确识别特定用户的社交行为数据,在一定程度上降低了社交行为数据被社交网络平台识别的风险,但用户的社交行为数据却被一起匿名的其他用户获取,因此泄露了用户的社交行为数据隐私,存在隐私隐患。在通过匿名代理执行k匿名算法的情况下,即便匿名代理是可信的,但由于可信的匿名代理能够获得所有用户的数据,极易被恶意的攻击者攻击,存在极大的隐私隐患。
发明内容
基于此,本发明实施例的目的在于提供一种社交行为数据的处理方法、一种社交行为数据的处理装置以及一种存储介质,其可以提高社交行为数据的隐私保护的安全性。
为达到上述目的,一个实施例中采用以下技术方案:
一种社交行为数据的处理方法,包括步骤:
获取待发送的第一社交服务请求数据;
对所述第一社交服务请求数据进行分段处理,获得各分段后数据片段,各分段后数据片段携带当前用户标识;
计算与所述当前用户标识对应的数据交换协议;
采用计算出的数据交换协议将各分段后数据片段与匿名用户终端进行数据交换,获得各交换后数据片段,各交换后数据片段携带第二用户标识;
向服务器发送社交服务请求,所述社交服务请求包括各交换后各数据片段、以及至少一个分段后数据片段。
一种社交行为数据的处理方法,包括步骤:
接收终端发送的社交服务请求,所述社交服务请求包括至少两个数据片段,所述社交服务请求至少携带两个用户标识,其中,至少一个数据片段携带所述终端的当前用户标识,其他数据片段携带第二用户标识;
根据各终端的社交服务请求的各数据片段携带的用户标识,对各数据片段进行组合,确定与各用户标识对应的社交服务请求数据。
一种社交行为数据的处理装置,包括:
数据获取模块,用于获取待发送的第一社交服务请求数据;
分段模块,用于对所述第一社交服务请求数据进行分段处理,获得各分段后数据片段,各分段后数据片段携带当前用户标识;
交换协议计算模块,用于计算与所述当前用户标识对应的数据交换协议;
数据交换模块,用于采用计算出的数据交换协议将各分段后数据片段与匿名用户终端进行数据交换,获得各交换后数据片段,各交换后数据片段携带第二用户标识;
请求模块,用于向服务器发送社交服务请求,所述社交服务请求包括各交换后各数据片段、以及至少一个分段后数据片段。
一种社交行为数据的处理装置,包括:
请求接收模块,用于接收终端发送的社交服务请求,所述社交服务请求包括至少两个数据片段,所述社交服务请求至少携带两个用户标识,其中,至少一个数据片段携带所述终端的当前用户标识,其他数据片段携带第二用户标识;
请求数据组合模块,用于根据各终端的社交服务请求的各数据片段携带的用户标识,对各数据片段进行组合,确定与各用户标识对应的社交服务请求数据。
一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上所述的社交行为数据的处理方法。
根据如上所述的本发明实施例的方案,对终端而言,终端对需要发送给服务器的社交服务请求数据进行分段处理后,计算出自身的数据交换协议,并用该数据交换协议将各分段后数据片段与匿名用户终端进行数据交换,获得各交换后数据片段,然后将包含各交换后各数据片段、以及自身的至少一个分段后数据片段向服务器发送,从而服务器从任何一个终端接收的社交服务请求,均只包含该终端的数据片段以及其他终端的数据片段,通过这种分布式进行匿名的方式,每个用户都只能获得其他用户的社交服务请求数据的数据片段,无法还原出其他用户的社交服务请求数据,而服务器从任何一个终端接收到的都包含有至少两个用户的数据片段,无法知晓该终端实际对应的用户标识,也无法准确地区分合成后的社交服务请求数据具体是从哪一个终端发出的,因此即便是服务器或者任何一个终端被恶意攻击,都无法准确地还原出任何一个终端的完整的社交服务请求数据,提高了社交行为数据的隐私保护的安全性。
附图说明
图1是一个本实施例方案的工作环境的示意图;
图2是一个实施例的用户终端的组成结构的示意图;
图3是一个实施例的服务器的组成结构的示意图;
图4是一个实施例中的社交行为数据的处理方法的流程示意图;
图5是另一个实施例中的社交行为数据的处理方法的流程示意图;
图6是一个具体示例中的社交行为数据的处理的交互流程示意图;
图7是一个应用示例中的计算数据交换协议的原理示意图;
图8是一个应用示例中的各终端接收的社交服务响应的示意图;
图9是一个实施例中的社交行为数据的处理装置的结构示意图;
图10是另一个实施例中的社交行为数据的处理装置的结构示意图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步的详细说明。应当理解,此处所描述的具体实施方式仅仅用以解释本发明,并不限定本发明的保护范围。
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发明的技术领域的技术人员通常理解的含义相同。本文中在本发明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,不是旨在于限制本发明。本文所使用的术语“或/及”包括一个或多个相关的所列项目的任意的和所有的组合。
图1示出了本发明一个实施例中的工作环境示意图,如图1所示,其工作环境涉及多个用户终端101以及社交平台服务器102,各用户终端101与社交平台服务器102可以通过网络进行通信。社交平台服务器102为各用户终端101提供社交平台服务。各用户终端101在向社交平台服务器102请求社交服务时,对需要发送的社交服务请求数据进行分段处理后,与其他用户终端分段后的数据片段进行交换后发送给社交平台服务器102,即任何一个用户终端发送给社交平台服务器102发送的社交服务请求,只包含自身的部分的数据片段,同时包括其他用户终端的数据片段。
用户终端101在一个实施例中的结构示意图如图2所示。该用户终端101包括通过***总线连接的处理器、非易失性存储介质、通信接口、电源接口和内存。其中,用户终端101的处理器用于提供计算和控制能力,支撑整个用户终端101 的运行。用户终端101的非易失性存储介质存储有操作***和一种社交行为数据的处理装置的计算机应用程序,该社交行为数据的处理装置的计算机程序被处理器执行时,用于实现一种社交行为数据的处理方法。用户终端101的存储器为非易失性存储介质中的社交行为数据的处理装置的运行提供环境。用户终端101 的网络接口用于与社交平台服务器102通过网络连接和通信,用户终端101的电源接口用于与外部电源连接,外部电源通过该电源接口向用户终端101供电。用户终端101可以是任何一种能够实现智能输入输出的设备,例如移动终端,比如手机、平板电脑等;也可以是其它具有上述结构的设备。
图3为一个实施例中服务器102的组成结构示意图。如图3所示,服务器包括通过***总线连接的处理器、供电模块、存储介质、内存和通信接口。其中,处理器用于提供计算和控制能力,支撑整个服务器的运行。服务器的存储介质存储有操作***、数据库和一种社交行为数据的处理装置的计算机应用程序,该社交行为数据的处理装置的计算机应用程序被处理器执行时,实现一种社交行为数据的处理方法。通信接口用于与用户终端进行网络通信。图3中示出的结构,仅仅是与实施例方案相关的部分结构的框图,并不构成对本实施例方案所应用于其上的服务器的限定,具体的服务器可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
图4示出了一个实施例中的社交行为数据的处理方法的流程示意图,该实施例中是以应用在用户终端的客户端的处理过程为例进行说明。
如图4所示,该实施例中的社交行为数据的处理方法包括:
步骤S401:获取待发送的第一社交服务请求数据;
步骤S402:对所述第一社交服务请求数据进行分段处理,获得各分段后数据片段,各分段后数据片段携带当前用户标识;
步骤S403:计算与所述当前用户标识对应的数据交换协议;
步骤S404:采用计算出的数据交换协议将各分段后数据片段与匿名用户终端进行数据交换,获得各交换后数据片段,各交换后数据片段携带第二用户标识;
步骤S405:向服务器发送社交服务请求,所述社交服务请求包括各交换后各数据片段、以及至少一个分段后数据片段。
根据本实施例的方案,终端对需要发送给服务器的社交服务请求数据进行分段处理后,计算出自身的数据交换协议,并用该数据交换协议将各分段后数据片段与匿名用户终端进行数据交换,获得各交换后数据片段,然后将包含各交换后各数据片段、以及自身的至少一个分段后数据片段向服务器发送,从而服务器从终端接收的社交服务请求,均只包含该终端的数据片段以及其他终端的数据片段,通过这种分布式进行匿名的方式,每个用户都只能获得其他用户的社交服务请求数据的数据片段,无法还原出其他用户的社交服务请求数据,而服务器从任何一个终端接收到的都包含有至少两个用户的数据片段,无法知晓该终端实际对应的用户标识,也无法准确地区分合成后的社交服务请求数据具体是从哪一个终端发出的,因此即便是服务器或者任何一个终端被恶意攻击,都无法准确地还原出任何一个终端的完整的社交服务请求数据,提高了社交行为数据的隐私保护的安全性。
在本实施例的一个具体示例中,在上述步骤S404采用计算出的数据交换协议将各分段后数据片段与匿名用户终端进行数据交换之前,还可以包括如下步骤:
对分段后数据片段进行数据扰动处理。
从而通过数据扰动处理的数据扰动机制,解决了丢包时的不能保证数据完整性的问题,保证了社交服务请求数据的准确性,保证了服务质量。
在一个示例中,在上述步骤S403中,可以是根据各分段后数据片段的数目、以及各匿名用户终端的第二用户标识对应的待交换数据片段的数目,计算与所述当前用户标识对应的数据交换协议。
在本实施例的一个具体示例中,在步骤S403之前,还可以包括如下步骤:
广播匿名握手信号,所述匿名握手信号包括所述当前用户标识以及对应的隐私需求;
接收根据所述匿名握手信号返回的各握手确定信息,所述握手确定信息包括各用户标识以及对应的隐私需求。
此时,可以是在根据各握手确定信息判定满足匿名条件时,再进入步骤 S403。在上述步骤S403中计算与所述当前用户标识对应的数据交换协议时,可以根据所述当前用户标识以及对应的隐私需求、和各用户标识以及对应的隐私需求计算与所述当前用户标识对应的数据交换协议。
如上所述的实施例的方法还可以包括如下步骤:
接收服务器返回的社交服务响应,所述社交服务响应包括:所述第一社交服务请求数据及关联的第一社交服务响应数据,对应于各所述第二用户标识的第二社交服务请求数据及关联的第二社交服务响应数据,至少对应于一个第三用户标识的第三社交服务请求数据及关联的第三社交服务响应数据;
根据所述第一社交服务请求数据从所述社交服务响应提取获得所述第一社交服务响应数据。
图5示出了另一个实施例中的社交行为数据的处理方法的流程示意图,该实施例中是以社交平台服务器的处理过程为例进行说明。
如图5所示,该实施例中的社交行为数据的处理方法包括:
步骤S501:接收终端发送的社交服务请求,所述社交服务请求包括至少两个数据片段,所述社交服务请求至少携带两个用户标识,其中,至少一个数据片段携带所述终端的当前用户标识,其他数据片段携带第二用户标识;可以理解,这里的用户标识包括上述当前用户标识和各第二用户标识;
步骤S502:根据各终端的社交服务请求的各数据片段携带的用户标识,对各数据片段进行组合,确定与各用户标识对应的社交服务请求数据。
根据本实施例的方案,服务器从一个终端接收的社交服务请求,均只包含该终端的数据片段以及其他终端的数据片段,通过这种分布式进行匿名的方式,服务器从任何一个终端接收到的都包含有至少两个用户的数据片段,无法知晓该终端实际对应的用户标识,也无法准确地区分合成后的社交服务请求数据具体是从哪一个终端发出的,因此即便是服务器或者任何一个终端被恶意攻击,都无法准确地还原出任何一个终端的完整的社交服务请求数据,提高了社交行为数据的隐私保护的安全性。
本实施例中的社交行为数据的处理方法还可以包括如下步骤:
步骤S503:获取分别对各用户标识对应的社交服务请求数据进行处理、获得的与各用户标识对应的社交服务响应数据;
步骤S504:向所述终端返回社交服务响应,所述社交服务响应包括:对应于所述当前用户标识的第一社交服务请求数据及关联的第一社交服务响应数据,对应于各所述第二用户标识的第二社交服务请求数据及关联的第二社交服务响应数据,至少对应于一个第三用户标识的第三社交服务请求数据及关联的第三社交服务响应数据。
基于如上所述的实施例,图6示出了一个具体示例中的社交行为数据的处理的交互流程示意图。
本实施例方案的目的是实现社交行为数据的隐私保护,考虑到直接匿名用户的社交行为数据,只能使社交网络平台不能准确识别特定用户的社交行为数据,但用户的社交行为数据却被一起匿名的其他用户获取,泄露了用户的社交行为数据隐私。因此,本实施例中通过分布式的思想,对用户的社交行为数据进行分段,对用户的社交行为数据片段分别匿名,使得用户的完整的社交行为数据不被社交网络平台和其他移动用户获得,进而实现用户的个人隐私的保护。
参考图6所示,对于用户终端而言,其在需要社交平台服务器提供社交平台服务时,获取了待发送的社交服务请求数据(为便于与其他终端的数据区分,称之为第一社交服务请求数据)之后,对该第一社交服务请求数据进行分段处理,获得该用户终端的分段后数据片段,进行分段处理时,分段后各分段后数据片段的长度可以相同也可以不同,也可以是随机的进行分段处理。其中,各分段后数据片段携带采用该用户终端登陆社交平台服务器的用户的当前用户标识。从而,通过将用户的个人数据分段得到各分段后数据片段,可便于后续过程中对用户的各分段后数据片段分别进行匿名,以实现用户的完整的个人数据不被社交网络平台和一起匿名的其他用户获取,进而保护用户的个人隐私。
假设有n个用户向社交平台服务器请求社交服务,用户ui的社交服务请求数据为xi,则n个用户的社交服务请求数据经过随机分段处理后,可以得到如下数据:
k'i=max{k1,k2,…,kn}-ki
其中,xij为用户ui的社交服务请求数据的第j个数据片段,ki为用户ui的隐私保护需求。
在用户终端向社交平台服务器发送数据片段的过程中,可能部分用户取消了访问请求,进而可能造成丢包现象。因此,此时简单的数据分段已经不能保证用户个人数据的完整性,进而容易造成网络平台响应服务的不准确性,严重影响用户体验。比如,以微信服务的微信附近的人的功能为例,用户终端向社交平台服务器请求该服务时,需要提供个人的位置信息,但一旦位置信息不完整,将会造成微信反馈的服务不准确,影响用户的体验。因此,在本实施例的方案中,借助差分隐私的思想,提出逆差分隐私的概念,在此基础上设计了数据扰动机制,以解决丢包问题,保证用户社交行为数据的准确性,从而保证服务质量。即对分段后数据片段进行数据扰动处理。具体对分段后数据片段是否有数据丢失的判断,可以采用任何可能的方式进行。
借鉴差分隐私的思想,本实施例中提出(λ,ε)-逆差分隐私的概念,其主要思想是设计一个数据库D,使得D对函数A、输出S满足:其中λ代表增加或减少的数据元组的个数,是通过随机减少输入数据D中的λ个数据得到的,Tλ是减少的λ个数据的集合。在(λ,ε)-逆差分隐私的基础上,提出了一种数据扰动机制(其中,当λ为1时,可称为SDP-扰动;当λ大于1时,可称为λ-MDP扰动),以满足用户不同的社交行为数据隐私需求。
本实施例提出数据扰动机制的基本思想,是希望社交平台服务器能够得到用户正确的请求数据,服务器重现用户准确的请求数据(即上述社交服务请求数据)的过程,就是简单的累加具有相同标签(标签用以标记数据片段,该标签可以是用户标识)的数据片段slices,即上述函数A可以是加法运算。
在有少于λ(λ的具体大小可以自定义)个数据片段slices丢失的情况下,为了保证用户请求数据的准确性,本实施例中基于差分隐私的概念,希望实际输出结果A(D-Tλ)与原本输出结果A(D)之间的误差控制在一定范围内,即控制在 e-ε-1与eε-1之间。根据这个范围进行公式换算,可以获得每个数据片段的范围,并基于获得的每个数据片段的范围,分别给数据片段赋值,即给数据片段注入噪声。
需要说明的是,在实施例的方案中,尽管每个数据片段都是有噪声的,但是用户的请求数据并没有被注入噪声,在没有数据片段丢失的情况下,社交平台服务器可以通过简单的累加运算,完全重现用户的请求数据。即便是有数据片段丢失,由于本实施例方案的扰动机制控制了误差范围,也能保证可以准确地重现用户的请求数据。此外,与常规的差分隐私算法设计的随机算法是为了保护增加或减少的部分数据不同,本实施例的扰动机制关注的是当有部分数据片段丢失的情况下,设计的输入数据要使得输出S的误差控制在一定范围内。
本实施例中的扰动处理可以是在分段后数据片段有数据丢失时,对分段后数据片段进行数据扰动处理,也可以是不对分段后数据片段是否有数据丢失进行区分,直接对所有的分段后数据片段进行数据扰动处理。在经过数据扰动处理之后,可以得到如下所示的数据矩阵:
考虑到用户终端有限的通信计算资源,本实施例中设计了数据交换协议,各用户终端可以计算出自己的数据交换协议。上述欲请求社交服务的用户(用户终端),先向周边广播匿名握手信号,该匿名握手信号包括有当前用户标识以及对应的隐私需求,在一个应用示例中,该隐私需求可以是该用户拟进行交换的数据片段的数目。其他等待匿名的用户(欲请求社交服务)接收到该匿名握手信号后,回复握手确定信息,该握手确定信息包括响应的用户的用户标识以及对应的隐私需求。
在根据各握手确定信息判定达到匿名条件时,各用户可以计算出各自的数据交换协议。在一个示例中,假设有用户u1、u2、…un,则在满足 n≥max{k1,k2,...,kn}时,认为用户u1、u2、…un达到了可以一起匿名的匿名条件。其中,ki表示用户ui的隐私需求,如上所述,该隐私需求可以是该用户拟进行交换的数据片段的数目。在此情况下,在用户u1、u2、…un能一起匿名时,达到满足所有用户的隐私需求。
基于此,对一个应用示例中的计算数据交换协议的原理进行举例说明。假设用户u1、u2、…、un-1在等待匿名,此时用户un发出了匿名握手信号。假设基于上述匿名条件判定这n个用户可以一起匿名,为了实现将各用户的社交服务请求数据分段后得到的各分段后数据片段进行k匿名,最简单的方法是各用户相互之间随机进行交换,然而随机交换的方式也容易出现问题。结合图7所示,图7中的单箭头表示只接收/发送;双箭头表示交换。在图7(a) 中,u1的隐私需求 k1和u2的隐私需求k2均为3,因此它们保留一个数据片段之后,只需要与其他用户交换两个数据片段就可以了,然而,他们发出了两个数据片段,却接收了三个数据片段,u1和u2多付出了。而u3的隐私需求k3为4,其保留一个数据片段之后,需要与其他用户交换三个数据片段,但是却只交换了一个数据片段,另外两个数据片段直接发送给了别人,u3少付出了。可以肯定的是,相对于自己的隐私需求而言,没有人愿意多做功。因此本实施例中结合各用户的隐私需求ki计算出各用户的数据交换协议。
一个示例中基于各用户的隐私需求计算数据交换协议时,可以基于下述原则进行:相对于每个用户的隐私需求ki而言,尽量让各用户少做多余的付出。基于该原则,可以按照下述规则计算数据交换协议:将各用户按照各用户的隐私需求ki的大小从大到小排序之后,将隐私需求ki的值较大的用户优先与隐私需求ki的值较大的用户进行数据片段的交换。
例如,假设对各隐私大小排序后为kn≤...≤k2≤k1。在用户ui与用户uj交换数据片段时,fij=1,且fij=fji。基于该排序,u1先与u2、u3...交换,随后u2与u3...交换,依次类推。基于该规则针对图7(a)计算出的数据交换协议的原理示意图如图7(b)所示,u4先选择u3与u2、u1交换,u3选择与u2、u1交换(由于的选择,u3会与u4交换),依次类推。
基于此,计算数据传输协议的过程可以采用下述公式表示。
其中,1≤m≤n,m≠n,i∈[1,n-1],z∈[2,n-i],n为一起匿名的用户数目,且n≥max(k1,k2...kn)。当x≥0时,f(x)=1;当x<0时,f(x)=0。当x≥1时,f2(x)=1;当x<1时,f2(x)=0。fij=1代表用户ui和uj交换数据。上述数据交换协议的计算复杂度为O(n),通信复杂度为O(n)。
用户终端在计算出数据交换协议后,采用计算出的数据交换协议将各分段后数据片段与匿名用户终端进行数据交换,获得各交换后数据片段,各交换后数据片段携带第二用户标识。然后向服务器发送社交服务请求,所述社交服务请求包括各交换后各数据片段、以及至少一个分段后数据片段。
社交平台服务器接收到各用户终端发送的社交服务请求后,由于社交平台服务器从每一个用户或者说用户终端那里接收的社交服务请求,都是各个用户的数据片段,不是完整数据,但是可以根据各数据片段携带的用户标识,重现完整的请求数据。如图7(b)所示,社交平台服务器从用户u1那里接收的社交服务请求,是包含u1的数据片段、u3的数据片段和u4的数据片段。但是可以根据 u1的数据片段携带的用户标识,从u3、u4发来的数据片段中,重选携带相同用户标识的数据片段,对这些数据片段进行相加,从而可以获得u1的完整的社交服务请求。对其他用户的完成的社交服务请求的获取可以采用相同的方式处理。
社交平台服务器在获得各用户的完整的社交服务请求后,即可分别对这些社交服务请求进行处理,获得与各用户标识对应的社交服务响应数据,然后需要将获得的相关的社交服务响应数据返回给用户。然而,社交平台服务器在将社交服务响应数据返回给各用户时,因为每个用户ui的隐私需求ki不同,用以使得用户的社交服务响应数据容易被其他一起匿名的用户获取,进而容易破坏社交行为数据的数据隐私及用户的个人隐私。因此,在本发明的一个实施例中,采用保护社交行为数据隐私的响应协议进行响应。
结合图7(b)所示,由于u1发送了u1、u3、u4的数据片段到社交平台服务器,且各数据片段都是携带用户标识或者是被标记的,因此,社交平台服务器恢复出u1、u3、u4的完整的社交服务请求数据后,响应服务,获得相应的社交服务响应数据。然而,社交平台服务器并不知道具体谁是u1,因为u1、u3、u4都发了u1的数据片段过来。同样地,社交平台服务器也不知晓具体谁是u3、u4。因此,社交平台服务器会认为发送u1、u3、u4的数据片段的终端(实质上是u1)可能是u1、 u3、u4中的任何一个,因而社交平台服务器会将u1、u3、u4的社交服务请求数据和社交服务响应数据都反馈给u1。
这种将各用户的社交服务请求数据和社交服务响应数据都返回给用户的方式,相对于将用户标识或者标签返回给用户而言,可以进一步提高隐私保护的安全性。结合图7(b)而言,如果社交平台服务器返回的是用户标识或者标签,由于u1能够识别u3、u4的标签或者用户标识,因此u1能够识别u3、u4的社交服务响应数据的概率就是1/2(即便是在返回给u1的社交服务响应中还包含其他用户的社交服务响应数据),而u3、u4的隐私需求是1/4(k3=k4=4),显然是没能保护u3、u4的隐私。但是,如果社交平台服务器向用户返回的是完整的社交服务响应数据,因为u1并不知道u3、u4的完整的社交服务请求数据,知道的只是数据片段,所以u1识别u3、u4的社交服务响应数据的概率就是1/4,达到了隐私保护的需求,提高了隐私保护的性能。
为了进一步提高隐私保护的性能,社交平台向终端返回的社交服务响应中,还可以包括至少对应于一个第三用户标识的第三社交服务请求数据及关联的第三社交服务响应数据,即另外再随机返回其他用户的数据给到当前用户,一个具体示例中可以是另外随机返回其他两个用户的数据给到当前用户。
在确定社交服务响应时,可以结合一起匿名的所有用户的最大的隐私需求 kmax确定,社交平台服务器向用户ui返回的社交服务响应中,除了包含给用户发送的社交服务请求中的各用户标识对应的社交服务请求数据和社交服务响应数据,还可以包含kmax-m个其他用户的社交服务请求数据和社交服务响应数据,其中m是该用户发送的数据片段的个数,kmax为与该用户交换数据片段的用户的 k的最大值。例如,假设用户uj(j∈(l,l+1,...,l+m-1))发送了用户ul、 ul+1…ul+m-1的数据片段给社交平台服务器,则 kmax=max(kl,kl+1,...,kj-1,kj+1,...,kl+m-1)。结合图7(b)所示,由于u1发送了u1、 u3、u4的数据片段到社交平台服务器,因此u1收到的社交服务响应,就是u1、u3、 u4和另外kmax-m用户的社交服务请求数据和社交服务响应数据,但是u1只接收自己的社交服务请求数据和社交服务响应数据。
用户终端在接收到社交平台服务器返回的社交服务响应后,考虑到用户终端的通信资源有限,因此,每个用户终端或每个用户根据自己的社交服务请求数据,识别出社交服务响应中自己的社交服务响应数据。例如微信附近的人,用户根据自己的地理位置,识别出自己请求的社交服务,从而节约通信开销。
结合图8所示,x1表示用户u1的完整的社交服务请求数据,l1表示用户u1的完整的社交服务响应数据,其他的依次类推。图8所示中,社交平台服务器发送给用户u1的是用户u1、u2、u3的完整的社交服务请求数据和社交服务响应数据,社交平台服务器发送给用户u3的是用户u2、u3、u4的完整的社交服务请求数据和社交服务响应数据,其他的依次类推。图8所示中,每个用户只需要接收自己的社交服务响应数据,u1只接收(x1,l1),u2只接收(x2,l2)、u3只接收(x3,l3)、u4只接收(x4,l4)。
基于与上述方法相同的思想,本发明实施例还提供一种社交行为数据的处理装置。
图9示出了一个实施例中的社交行为数据的处理装置的结构示意图,该实施例中是以设置在用户终端为例进行说明。如图8所示,该实施例中的社交行为数据的处理装置包括:
数据获取模块901,用于获取待发送的第一社交服务请求数据;
分段模块902,用于对所述第一社交服务请求数据进行分段处理,获得各分段后数据片段,各分段后数据片段携带当前用户标识;
交换协议计算模块903,用于计算与所述当前用户标识对应的数据交换协议;
数据交换模块904,用于采用计算出的数据交换协议将各分段后数据片段与匿名用户终端进行数据交换,获得各交换后数据片段,各交换后数据片段携带第二用户标识;
请求模块905,用于向服务器发送社交服务请求,所述社交服务请求包括各交换后各数据片段、以及至少一个分段后数据片段。
根据本实施例的方案,终端对需要发送给服务器的社交服务请求数据进行分段处理后,计算出自身的数据交换协议,并用该数据交换协议将各分段后数据片段与匿名用户终端进行数据交换,获得各交换后数据片段,然后将包含各交换后各数据片段、以及自身的至少一个分段后数据片段向服务器发送,从而服务器从终端接收的社交服务请求,均只包含该终端的数据片段以及其他终端的数据片段,通过这种分布式进行匿名的方式,每个用户都只能获得其他用户的社交服务请求数据的数据片段,无法还原出其他用户的社交服务请求数据,而服务器从任何一个终端接收到的都包含有至少两个用户的数据片段,无法知晓该终端实际对应的用户标识,也无法准确地区分合成后的社交服务请求数据具体是从哪一个终端发出的,因此即便是服务器或者任何一个终端被恶意攻击,都无法准确地还原出任何一个终端的完整的社交服务请求数据,提高了社交行为数据的隐私保护的安全性。
如图9所示,在一个具体示例中,本实施例的社交行为数据的处理装置还可以包括扰动模块906,用于对分段后数据片段进行数据扰动处理。
此时,上述数据交换模块904,是采用计算出的数据交换协议将数据扰动处理后的各分段后数据片段与匿名用户终端进行数据交换,获得各交换后数据片段。
从而通过数据扰动处理的数据扰动机制,解决了丢包时的不能保证数据完整性的问题,保证了社交服务请求数据的准确性,保证了服务质量。
在一个示例中,交换协议计算模块903可以根据各分段后数据片段的数目、以及各匿名用户终端的第二用户标识对应的待交换数据片段的数目,计算与所述当前用户标识对应的数据交换协议。
如图9所示,在一个具体示例中,本实施例中的社交行为数据的处理装置还可以包括匿名预处理模块907,用于广播匿名握手信号,所述匿名握手信号包括所述当前用户标识以及对应的隐私需求,并接收根据所述匿名握手信号返回的各握手确定信息,所述握手确定信息包括各用户标识以及对应的隐私需求。
此时,上述交换协议计算模块903在根据各握手确定信息判定满足匿名条件时,再计算与所述当前用户标识对应的数据交换协议。一个示例中,在计算与所述当前用户标识对应的数据交换协议时,可以根据所述当前用户标识以及对应的隐私需求、和各用户标识以及对应的隐私需求计算与所述当前用户标识对应的数据交换协议。
如图9所示,在一个具体示例中,本实施例中的社交行为数据的处理装置还可以包括终端响应处理模块908,用于接收服务器返回的社交服务响应,所述社交服务响应包括:所述第一社交服务请求数据及关联的第一社交服务响应数据,对应于各所述第二用户标识的第二社交服务请求数据及关联的第二社交服务响应数据,至少对应于一个第三用户标识的第三社交服务请求数据及关联的第三社交服务响应数据;并根据所述第一社交服务请求数据从所述社交服务响应提取所述第一社交服务响应数据。
图10示出了另一个实施例中的社交行为数据的处理装置的结构示意图,该实施例中是以设置在社交平台服务器为例进行说明。如图10所示,该实施例中的社交行为数据的处理装置包括:
请求接收模块1001,用于接收终端发送的社交服务请求,所述社交服务请求包括至少两个数据片段,所述社交服务请求至少携带两个用户标识,其中,至少一个数据片段携带所述终端的当前用户标识,其他数据片段携带第二用户标识;可以理解,这里的用户标识包括上述当前用户标识和各第二用户标识;
请求数据组合模块1002,用于根据各终端的社交服务请求的各数据片段携带的用户标识,对各数据片段进行组合,确定与各用户标识对应的社交服务请求数据。
根据本实施例的方案,服务器从一个终端接收的社交服务请求,均只包含该终端的数据片段以及其他终端的数据片段,通过这种分布式进行匿名的方式,服务器从任何一个终端接收到的都包含有至少两个用户的数据片段,无法知晓该终端实际对应的用户标识,也无法准确地区分合成后的社交服务请求数据具体是从哪一个终端发出的,因此即便是服务器或者任何一个终端被恶意攻击,都无法准确地还原出任何一个终端的完整的社交服务请求数据,提高了社交行为数据的隐私保护的安全性。
如图10所示,本实施例中的社交行为数据的处理装置还可以包括:
响应数据获取模块1003,用于获取分别对各用户标识对应的社交服务请求数据进行处理、获得的与各用户标识对应的社交服务响应数据;
服务端响应模块1004,用于向所述终端返回社交服务响应,所述社交服务响应包括:对应于所述当前用户标识的第一社交服务请求数据及关联的第一社交服务响应数据,对应于各所述第二用户标识的第二社交服务请求数据及关联的第二社交服务响应数据,至少对应于一个第三用户标识的第三社交服务请求数据及关联的第三社交服务响应数据。
基于如上所述的示例,在一个实施例中还提供一种计算机设备,该计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,处理器执行所述程序时实现如上述各实施例中的任意一种社交行为数据的处理方法。
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,所述的程序可存储于一非易失性的计算机可读取存储介质中,如本发明实施例中,该程序可存储于计算机***的存储介质中,并被该计算机***中的至少一个处理器执行,以实现包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random Access Memory,RAM)等。
据此,在一个实施例中还提供一种存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如上述各实施例中的任意一种社交行为数据的处理方法。
以上所述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。
以上所述实施例仅表达了本发明的几种实施方式,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,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (12)
1.一种社交行为数据的处理方法,其特征在于,包括步骤:
获取待发送的第一社交服务请求数据;
对所述第一社交服务请求数据进行分段处理,获得各分段后数据片段,各分段后数据片段携带当前用户标识;
计算与所述当前用户标识对应的数据交换协议;所述数据交换协议的计算规则包括:将各用户按照各用户的隐私需求的大小从大到小排序之后,将隐私需求的值大的用户优先与隐私需求的值大的用户进行数据片段的交换;所述隐私需求为该用户拟进行交换的数据片段的数目;
采用计算出的数据交换协议将各分段后数据片段与匿名用户终端进行数据交换,获得各交换后数据片段,各交换后数据片段携带第二用户标识;
向服务器发送社交服务请求,所述社交服务请求包括各交换后数据片段、以及至少一个分段后数据片段;
在计算与所述当前用户标识对应的数据交换协议之前,还包括步骤:
广播匿名握手信号,所述匿名握手信号包括所述当前用户标识以及对应的隐私需求;
接收根据所述匿名握手信号返回的各握手确定信息,所述握手确定信息包括各第二用户标识以及对应的隐私需求;
在根据各握手确定信息判定满足匿名条件时,进入计算与所述当前用户标识对应的数据交换协议的步骤。
2.根据权利要求1所述的社交行为数据的处理方法,其特征在于,在采用计算出的数据交换协议将各分段后数据片段与匿名用户终端进行数据交换之前,还包括步骤:
对分段后数据片段进行数据扰动处理。
3.根据权利要求1所述的社交行为数据的处理方法,其特征在于,还包括步骤:
接收服务器返回的社交服务响应,所述社交服务响应包括:所述第一社交服务请求数据及关联的第一社交服务响应数据,对应于各所述第二用户标识的第二社交服务请求数据及关联的第二社交服务响应数据,至少对应于一个第三用户标识的第三社交服务请求数据及关联的第三社交服务响应数据;
根据所述第一社交服务请求数据从所述社交服务响应提取所述第一社交服务响应数据。
4.一种社交行为数据的处理方法,其特征在于,包括步骤:
接收终端发送的社交服务请求,所述社交服务请求包括至少两个数据片段,所述社交服务请求至少携带两个用户标识,其中,至少一个数据片段携带所述终端的当前用户标识,其他数据片段携带第二用户标识;所述其他数据片段为所述终端采用计算出的数据交换协议将各分段后数据片段与匿名用户终端进行数据交换后获得,所述数据交换协议的计算规则包括:将各用户按照各用户的隐私需求的大小从大到小排序之后,将隐私需求的值大的用户优先与隐私需求的值大的用户进行数据片段的交换;所述隐私需求为该用户拟进行交换的数据片段的数目;所述终端获得各用户的隐私需求的方式包括:广播匿名握手信号,所述匿名握手信号包括所述当前用户标识以及对应的隐私需求;接收根据所述匿名握手信号返回的各握手确定信息,所述握手确定信息包括各第二用户标识以及对应的隐私需求;
根据各终端的社交服务请求的各数据片段携带的用户标识,对各数据片段进行组合,确定与各用户标识对应的社交服务请求数据。
5.根据权利要求4所述的社交行为数据的处理方法,其特征在于,还包括步骤:
获取分别对各用户标识对应的社交服务请求数据进行处理、获得的与各用户标识对应的社交服务响应数据;
向所述终端返回社交服务响应,所述社交服务响应包括:对应于所述当前用户标识的第一社交服务请求数据及关联的第一社交服务响应数据,对应于各所述第二用户标识的第二社交服务请求数据及关联的第二社交服务响应数据,至少对应于一个第三用户标识的第三社交服务请求数据及关联的第三社交服务响应数据。
6.一种社交行为数据的处理装置,其特征在于,包括:
数据获取模块,用于获取待发送的第一社交服务请求数据;
分段模块,用于对所述第一社交服务请求数据进行分段处理,获得各分段后数据片段,各分段后数据片段携带当前用户标识;
交换协议计算模块,用于计算与所述当前用户标识对应的数据交换协议;所述数据交换协议的计算规则包括:将各用户按照各用户的隐私需求的大小从大到小排序之后,将隐私需求的值大的用户优先与隐私需求的值大的用户进行数据片段的交换;所述隐私需求为该用户拟进行交换的数据片段的数目;
数据交换模块,用于采用计算出的数据交换协议将各分段后数据片段与匿名用户终端进行数据交换,获得各交换后数据片段,各交换后数据片段携带第二用户标识;
请求模块,用于向服务器发送社交服务请求,所述社交服务请求包括各交换后数据片段、以及至少一个分段后数据片段;
还包括匿名预处理模块,用于广播匿名握手信号,所述匿名握手信号包括所述当前用户标识以及对应的隐私需求,并接收根据所述匿名握手信号返回的各握手确定信息,所述握手确定信息包括各第二用户标识以及对应的隐私需求;
所述交换协议计算模块在根据各握手确定信息判定满足匿名条件时,计算与所述当前用户标识对应的数据交换协议。
7.根据权利要求6所述的社交行为数据的处理装置,其特征在于:
还包括扰动模块,用于对分段后数据片段进行数据扰动处理;
所述数据交换模块,采用计算出的数据交换协议将数据扰动处理后的各分段后数据片段与匿名用户终端进行数据交换,获得各交换后数据片段。
8.根据权利要求6所述的社交行为数据的处理装置,其特征在于,还包括:
终端响应处理模块,用于接收服务器返回的社交服务响应,所述社交服务响应包括:所述第一社交服务请求数据及关联的第一社交服务响应数据,对应于各所述第二用户标识的第二社交服务请求数据及关联的第二社交服务响应数据,至少对应于一个第三用户标识的第三社交服务请求数据及关联的第三社交服务响应数据;并根据所述第一社交服务请求数据从所述社交服务响应提取所述第一社交服务响应数据。
9.一种社交行为数据的处理装置,其特征在于,包括:
请求接收模块,用于接收终端发送的社交服务请求,所述社交服务请求包括至少两个数据片段,所述社交服务请求至少携带两个用户标识,其中,至少一个数据片段携带所述终端的当前用户标识,其他数据片段携带第二用户标识;所述其他数据片段为所述终端采用计算出的数据交换协议将各分段后数据片段与匿名用户终端进行数据交换后获得,所述数据交换协议的计算规则包括:将各用户按照各用户的隐私需求的大小从大到小排序之后,将隐私需求的值大的用户优先与隐私需求的值大的用户进行数据片段的交换;所述隐私需求为该用户拟进行交换的数据片段的数目;所述终端获得各用户的隐私需求的方式包括:广播匿名握手信号,所述匿名握手信号包括所述当前用户标识以及对应的隐私需求;接收根据所述匿名握手信号返回的各握手确定信息,所述握手确定信息包括各第二用户标识以及对应的隐私需求;
请求数据组合模块,用于根据各终端的社交服务请求的各数据片段携带的用户标识,对各数据片段进行组合,确定与各用户标识对应的社交服务请求数据。
10.根据权利要求9所述的社交行为数据的处理装置,其特征在于,还包括:
响应数据获取模块,用于获取分别对各用户标识对应的社交服务请求数据进行处理、获得的与各用户标识对应的社交服务响应数据;
服务端响应模块,用于向所述终端返回社交服务响应,所述社交服务响应包括:对应于所述当前用户标识的第一社交服务请求数据及关联的第一社交服务响应数据,对应于各所述第二用户标识的第二社交服务请求数据及关联的第二社交服务响应数据,至少对应于一个第三用户标识的第三社交服务请求数据及关联的第三社交服务响应数据。
11.一种存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1至5任意一项所述的社交行为数据的处理方法。
12.一种计算机设备,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5中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710247493.2A CN108737330B (zh) | 2017-04-14 | 2017-04-14 | 社交行为数据的处理方法、装置以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710247493.2A CN108737330B (zh) | 2017-04-14 | 2017-04-14 | 社交行为数据的处理方法、装置以及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108737330A CN108737330A (zh) | 2018-11-02 |
CN108737330B true CN108737330B (zh) | 2020-11-24 |
Family
ID=63925075
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710247493.2A Active CN108737330B (zh) | 2017-04-14 | 2017-04-14 | 社交行为数据的处理方法、装置以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108737330B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103475649A (zh) * | 2013-08-30 | 2013-12-25 | 中国科学院信息工程研究所 | 一种基于对等网络实现的隐蔽匿名通信方法 |
CN105682089A (zh) * | 2015-12-29 | 2016-06-15 | 北京交通大学 | 基于分片的数据保护方法和装置 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1909551B (zh) * | 2005-08-03 | 2010-08-11 | 北京航空航天大学 | 基于Web服务的数据交换方法 |
US8351464B2 (en) * | 2007-10-02 | 2013-01-08 | Infineon Technologies Ag | Retransmission in data communication systems |
CN102025645B (zh) * | 2010-12-24 | 2012-10-10 | Ut斯达康通讯有限公司 | 一种用于在对等网络中进行数据调度的方法 |
WO2013185348A1 (zh) * | 2012-06-15 | 2013-12-19 | 华为技术有限公司 | 处理计费数据的方法及设备 |
US9231978B2 (en) * | 2013-02-04 | 2016-01-05 | Mirko Randic | Cryptographic construction for anonymity during interaction for collective outcome |
CN103326822B (zh) * | 2013-07-18 | 2016-02-17 | 上海交通大学 | 基于数据分片的参与式感知***隐私保护方法及*** |
US9774577B2 (en) * | 2014-06-24 | 2017-09-26 | Tata Consultancy Services Limited | Device, system and method providing data security and attribute based data access in participatory sensing |
CN105471944B (zh) * | 2014-09-03 | 2019-05-28 | 优视科技有限公司 | 一种网络数据共享***、方法及装置 |
-
2017
- 2017-04-14 CN CN201710247493.2A patent/CN108737330B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103475649A (zh) * | 2013-08-30 | 2013-12-25 | 中国科学院信息工程研究所 | 一种基于对等网络实现的隐蔽匿名通信方法 |
CN105682089A (zh) * | 2015-12-29 | 2016-06-15 | 北京交通大学 | 基于分片的数据保护方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN108737330A (zh) | 2018-11-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109325870B (zh) | 共享隐私数据的方法和*** | |
CN104954322A (zh) | 一种账号的绑定处理方法、装置及*** | |
CN108600304A (zh) | 一种基于位置k-匿名的个性化位置隐私保护方法 | |
US9122910B2 (en) | Method, apparatus, and system for friend recommendations | |
CN112150280B (zh) | 提升匹配效率的联邦学习方法及设备、电子设备和介质 | |
CN111612167A (zh) | 机器学习模型的联合训练方法、装置、设备及存储介质 | |
RU2651159C1 (ru) | Способ и устройство для пометки неизвестного номера | |
US20160299971A1 (en) | Identifying Search Engine Crawlers | |
WO2016110175A1 (zh) | 数据处理方法和大数据平台 | |
US9245149B1 (en) | System and method for controling privileges of consumers of personal data | |
CN112468482B (zh) | 数据传输方法、装置、服务器、存储介质及*** | |
CN112926090B (zh) | 基于差分隐私的业务分析方法及装置 | |
Tadakaluru | Context optimized and spatial aware dummy locations generation framework for location privacy | |
CN108737330B (zh) | 社交行为数据的处理方法、装置以及存储介质 | |
Zhao et al. | EPLA: efficient personal location anonymity | |
Zhang et al. | LPPS‐AGC: Location Privacy Protection Strategy Based on Alt‐Geohash Coding in Location‐Based Services | |
US9785711B2 (en) | Online location sharing through an internet service search engine | |
Peras et al. | Influence of GDPR on social networks used by omnichannel contact center | |
CN106533891A (zh) | 一种基于群组的信息处理方法及装置 | |
KR102340976B1 (ko) | 웹서비스 사용자 경험을 활용한 딥러닝 기반의 맞춤형 컨텐츠 제공 시스템 | |
US11741257B2 (en) | Systems and methods for obtaining anonymized information derived from data obtained from external data providers | |
EP3722982B1 (en) | Device and method for processing attribute information | |
CN116846555A (zh) | 数据的访问方法及装置 | |
CN114222028A (zh) | 语音识别方法、装置、计算机设备和存储介质 | |
JP2023511999A (ja) | ソーシャルアカウントの推奨方法及び電子デバイス |
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 |