WO2023066258A1 - 隐私数据的数据处理方法、装置、计算机设备及介质 - Google Patents
隐私数据的数据处理方法、装置、计算机设备及介质 Download PDFInfo
- Publication number
- WO2023066258A1 WO2023066258A1 PCT/CN2022/125980 CN2022125980W WO2023066258A1 WO 2023066258 A1 WO2023066258 A1 WO 2023066258A1 CN 2022125980 W CN2022125980 W CN 2022125980W WO 2023066258 A1 WO2023066258 A1 WO 2023066258A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- algorithm
- instance
- algorithm instance
- instances
- data processing
- Prior art date
Links
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
- G06F16/2455—Query execution
Definitions
- the present application relates to the field of data processing, and in particular to a data processing method, device, computer equipment and media for private data.
- Multi-Party Secure Computing (MPC: Secure Muti-Party Computation) is to calculate the ciphertext by means of cryptography, and then return the calculation result to the participant.
- the inventors found that there are at least the following problems in the prior art: the existing solution uses a solidified algorithm, which can protect private data and perform data calculations, but for the Data processing, but if a fixed algorithm is used, in some scenarios, there will be other algorithms of the same type with higher efficiency, and it is impossible to select a specific algorithm for the scenario, making the processing efficiency for private data low.
- Embodiments of the present application provide a data processing method, device, computer equipment, and storage medium for private data, so as to improve the data processing efficiency of private data.
- the embodiment of the present application provides a data processing method for private data, including:
- the local environmental parameters and the environmental parameters of each of the participants select a target algorithm instance from all the common algorithm instances, wherein the The preset weight is the weight information corresponding to each environmental parameter configured in advance;
- the data processing task of private data is performed by using the target algorithm instance.
- the environment parameters include at least one of bandwidth size, data set size, data content length, and hardware performance index.
- calculating the intersection of the local registration algorithm instance list and all the received registration algorithm instance lists includes:
- the target algorithm is selected from all the shared algorithm instances. Examples include:
- the efficiency score calculation is performed on each of the shared algorithm instances, and each of the shared algorithm instances is obtained.
- the shared algorithm instance corresponding to the efficiency score with the highest score is determined as the target algorithm instance.
- an efficiency score is performed on each of the shared algorithm instances. Calculating to obtain the efficiency score corresponding to each said shared algorithm instance includes:
- the efficiency calculation is performed using the preset efficiency evaluation model, and the efficiency score corresponding to the shared algorithm instance is obtained.
- the embodiment of the present application also provides a data processing device for private data, including:
- An environmental parameter acquisition module configured to acquire local environmental parameters and environmental parameters of each participant
- a registration algorithm instance obtaining module configured to obtain a list of local registration algorithm instances, and send a request for obtaining a list of registration algorithm instances to each of the participants;
- a common algorithm instance determination module configured to calculate the intersection of the local registration algorithm instance list and all received registration algorithm instance lists when receiving the registration algorithm instance list fed back by each participant, and calculate the intersection of the obtained intersection Register an algorithm instance as a public algorithm instance;
- a target algorithm instance screening module configured to select from all the shared algorithm instances based on the preset weight corresponding to each shared algorithm instance, the local environmental parameters, and the environmental parameters of each participant.
- An example of a target algorithm wherein the preset weight is weight information corresponding to each environmental parameter configured in advance;
- the data processing task execution module is used to perform the data processing task of private data by using the target algorithm instance.
- the common algorithm instance determination module includes:
- a task parameter acquisition unit configured to acquire input parameters and output parameters of the data processing task
- An effective algorithm instance determination unit configured to obtain input parameters that are the same as those of the data processing task from the local registered algorithm instance list and all the received registered algorithm instance lists, and output parameters that are the same as the Algorithm instances with the same output parameters of data processing tasks are regarded as effective algorithm instances;
- the intersection determination unit is configured to filter out valid algorithm instances contained in the list of local registration algorithm instances and the list of registration algorithm instances fed back by each participant, as the list of local registration algorithm instances and all received registration algorithms Intersection of lists of instances.
- the target algorithm instance screening module includes:
- An efficiency score calculation unit configured to calculate the efficiency of each shared algorithm instance based on the preset weight corresponding to each shared algorithm instance, the local environmental parameters, and the environmental parameters of each participant. Score calculation to obtain the efficiency score corresponding to each said common algorithm instance;
- the target algorithm instance determination unit is configured to determine the shared algorithm instance corresponding to the efficiency score with the highest score as the target algorithm instance.
- the efficiency score calculation unit includes:
- the acquisition subunit is configured to acquire, for each of the shared algorithm instances, a preset efficiency evaluation model corresponding to the shared algorithm instance;
- the input subunit is used for inputting, for each shared algorithm instance, the preset weight corresponding to each shared algorithm instance, the local environmental parameters and the environmental parameters of each participant to the preset efficiency assessment model;
- the calculation subunit is configured to use the preset efficiency evaluation model to perform efficiency calculation for each shared algorithm instance, and obtain the efficiency score corresponding to the shared algorithm instance.
- the embodiment of the present application also provides a computer device, including a memory, a processor, and a computer program stored in the memory and operable on the processor, when the processor executes the computer program The steps of the data processing method for realizing the above-mentioned private data.
- the embodiment of the present application further provides a computer-readable storage medium, where the computer-readable storage medium stores a computer program, and when the computer program is executed by a processor, the steps of the above data processing method for private data are implemented.
- the beneficial effect of the data processing method for private data is: by obtaining the local environmental parameters and the environmental parameters of each participant, obtain the local registration algorithm instance list, and send the registration algorithm instance list to each participant
- calculate the intersection of the local registration algorithm instance list and all the received registration algorithm instance lists and use the registration algorithm instance in the obtained intersection as the shared algorithm instance, based on the preset weight corresponding to each shared algorithm instance, the local environmental parameters and the environmental parameters of each participant, the target algorithm instance is screened out from all shared algorithm instances, where the preset weight is pre-configured
- the weight information corresponding to each environmental parameter uses the target algorithm instance to perform data processing tasks of private data, realizes automatic selection of the most efficient algorithm instance in the current environment for data processing, and improves the efficiency of data processing tasks of private data.
- FIG. 1 is an exemplary system architecture diagram to which the present application can be applied;
- Fig. 2 is the flowchart of an embodiment of the data processing method of privacy data of the present application
- Fig. 3 is a schematic structural diagram of an embodiment of a data processing device for private data according to the present application
- Fig. 4 is a schematic structural diagram of an embodiment of a computer device according to the present application.
- FIG. 1 is a schematic diagram of an application scenario of this scenario.
- the network 104 is used to provide a communication link medium between the terminal device 101 , the terminal device 102 , the terminal device 103 and the server 105 .
- Network 104 may include various connection types, such as wires, wireless communication links, or fiber optic cables, among others.
- a user can use the terminal device 101 , the terminal device 102 , and the terminal device 103 to interact with the server 105 through the network 104 to receive or send messages and the like.
- the terminal equipment 101, the terminal equipment 102, and the terminal equipment 103 can be various electronic equipments having a display screen and supporting web browsing, including but not limited to smart phones, tablet computers, e-book readers, MP3 (Moving Picture Experts Group Audio Layer III, moving picture experts compressed standard audio layer 3) player, MP4 (Moving Picture Experts Group Audio Layer IV, moving picture experts compressed standard audio layer 4) player, laptop portable computer and desktop computer, etc.
- MP3 Motion Picture Experts Group Audio Layer III, moving picture experts compressed standard audio layer 3
- MP4 Moving Picture Experts Group Audio Layer IV, moving picture experts compressed standard audio layer 4
- the server 105 may be a server providing various services, for example, a background server providing support for pages displayed on the terminal device 101 , the terminal device 102 , and the terminal device 103 .
- Figure 2 shows a data processing method for private data provided by the embodiment of the present application. The method is applied to the server in Figure 1 as an example for illustration, and the details are as follows:
- the environment parameter includes at least one of bandwidth size, data set size, data content length, and hardware performance index.
- bandwidth size affecting transmission speed
- data set size affecting transmission speed and computing speed
- length of data content affecting computing speed
- hardware performance indicators affecting calculation speed
- adopt different calculation methods that is, different algorithm instances, and the required data set size and data content length are different.
- the data of the initiator and the data of a participant Multi-party secure computing the bandwidth of the initiator is 20M, using algorithm instance A, the size of the data to be transmitted is 300M, and the local calculation time is 20 seconds, using algorithm instance B, the size of the data to be transmitted is 100M, and the local calculation time for 30 seconds.
- S202 Obtain a list of locally registered algorithm instances, and send a request for obtaining the list of registered algorithm instances to each participant.
- both the participant and the initiator are equipped with an algorithm controller.
- the algorithm controller specifically refers to a collection of a series of algorithm instances holding the same type of algorithm.
- the algorithm controller provides an interface for information interaction.
- Each party's algorithm control Algorithm instances included in the compiler vary.
- S203 When receiving the registration algorithm instance list fed back by each participant, calculate the intersection of the local registration algorithm instance list and all the received registration algorithm instance lists, and use the registration algorithm instances in the obtained intersection as common algorithm instances.
- the initiator when receiving the registration algorithm instance list fed back by each participant, the initiator obtains the available algorithm instances contained in each participant by verifying and screening each algorithm instance in the registration algorithm instance list received , as a common algorithm instance.
- S204 Based on the preset weight corresponding to each shared algorithm instance, the local environment parameters and the environment parameters of each participant, select the target algorithm instance from all shared algorithm instances, wherein the preset weight is pre-configured The weight information corresponding to each environment parameter.
- S205 Perform the data processing task of the private data by using the target algorithm instance.
- the local registration algorithm instance list is obtained, and a request for obtaining the registration algorithm instance list is sent to each participant, and after receiving the feedback from each participant
- calculate the intersection of the local registered algorithm instance list and all received registered algorithm instance lists and use the registered algorithm instances in the obtained intersection as shared algorithm instances, based on the preset corresponding to each shared algorithm instance Weight, local environmental parameters and environmental parameters of each participant, from all common algorithm instances, screen out the target algorithm instance, where the preset weight is the weight information corresponding to each environmental parameter that is pre-configured, and the target algorithm is used
- Instances perform data processing tasks of private data, realize automatic selection of the most efficient algorithm instance in the current environment for data processing, and improve the efficiency of data processing tasks of private data.
- step S203 when receiving the registration algorithm instance list fed back by each participant, calculating the intersection of the local registration algorithm instance list and all the received registration algorithm instance lists includes:
- step S204 based on the preset weight corresponding to each shared algorithm instance, the local environment parameters and the environment parameters of each participant, the target algorithm instance is screened out from all shared algorithm instances include:
- the preset weight corresponding to each shared algorithm instance the local environmental parameters and the environmental parameters of each participant, the efficiency score is calculated for each shared algorithm instance, and the efficiency score corresponding to each shared algorithm instance is obtained;
- the shared algorithm instance corresponding to the efficiency score with the highest score is determined as the target algorithm instance.
- the preset weight may be assigned according to test results through multiple tests for each environmental parameter.
- the efficiency score is calculated for each shared algorithm instance, and each The efficiency scores corresponding to the shared algorithm instances include:
- the preset efficiency evaluation model is used for efficiency calculation, and the efficiency score corresponding to the shared algorithm instance is obtained.
- the preset efficiency evaluation model can be preset according to actual needs, specifically, it can be a formula or a machine learning model. For example, for each environmental parameter, through the test results of multiple tests, the environmental parameter is given a preset weight, and then the corresponding environmental parameters of the participants are weighted based on the preset weight, and each weighted environmental parameter is calculated. Sum up to get the efficiency score.
- each registration algorithm instance corresponds to a preset efficiency evaluation model
- the preset efficiency evaluation models corresponding to different registration algorithm instances can be the same or different, and are set according to actual application requirements, without limitation here .
- the efficiency of the shared algorithm instance in the current environment is calculated and evaluated through the preset efficiency evaluation model corresponding to each shared algorithm instance, and the efficiency score of the shared algorithm instance in the current environment is obtained, which is beneficial to subsequent Quickly and accurately select target algorithm instances.
- Fig. 3 shows a functional block diagram of a data processing device for private data corresponding to the data processing method for private data in the above-mentioned embodiment.
- the data processing device for private data includes an environment parameter acquisition module 31 , a registration algorithm instance acquisition module 32 , a common algorithm instance determination module 33 , a target algorithm instance screening module 34 and a data processing task execution module 35 .
- the detailed description of each functional module is as follows:
- An environmental parameter acquisition module configured to acquire local environmental parameters and the environmental parameters of each participant;
- the registration algorithm instance obtaining module 32 is used to obtain a local registration algorithm instance list, and send a registration algorithm instance list acquisition request to each participant;
- Shared algorithm instance determination module 33 configured to calculate the intersection of the local registration algorithm instance list and all received registration algorithm instance lists when receiving the registration algorithm instance list fed back by each participant, and obtain the registration algorithm instance list in the intersection. Algorithm instances as public algorithm instances;
- the target algorithm instance screening module 34 is used to screen out the target algorithm instance from all shared algorithm instances based on the preset weight corresponding to each shared algorithm instance, the local environmental parameters and the environmental parameters of each participant, wherein the preset Set the weight to the weight information corresponding to each environmental parameter configured in advance;
- the data processing task execution module 35 is used to perform the data processing task of private data by using the target algorithm instance.
- the common algorithm instance determination module 33 includes:
- a task parameter acquisition unit configured to acquire input parameters and output parameters of a data processing task
- the effective algorithm instance determination unit is used to obtain the same input parameter as the input parameter of the data processing task from the locally registered algorithm instance list and all received registered algorithm instance lists, and the output parameter is the same as the output parameter of the data processing task Algorithm instance, as a valid algorithm instance;
- intersection determining unit is used to filter out valid algorithm instances contained in both the local registration algorithm instance list and the registration algorithm instance list fed back by each participant, as the intersection of the local registration algorithm instance list and all received registration algorithm instance lists.
- the target algorithm instance screening module 34 includes:
- the efficiency score calculation unit is used to calculate the efficiency score of each shared algorithm instance based on the preset weight corresponding to each shared algorithm instance, the local environmental parameters and the environmental parameters of each participant, and obtain each shared algorithm instance The efficiency score corresponding to the algorithm instance;
- the target algorithm instance determination unit is configured to determine the shared algorithm instance corresponding to the highest efficiency score as the target algorithm instance.
- the efficiency score calculation unit includes:
- the obtaining subunit is used to obtain the preset efficiency evaluation model corresponding to the shared algorithm instance for each shared algorithm instance;
- the input subunit is used to input the preset efficiency evaluation model based on the preset weight corresponding to each shared algorithm instance, the local environmental parameters and the environmental parameters of each participant for each shared algorithm instance;
- the calculation subunit is used for calculating the efficiency using a preset efficiency evaluation model for each shared algorithm instance, and obtaining the efficiency score corresponding to the shared algorithm instance.
- Each module in the above-mentioned data processing device for private data may be realized in whole or in part by software, hardware or a combination thereof.
- the above-mentioned modules can be embedded in or independent of the processor in the computer device in the form of hardware, and can also be stored in the memory of the computer device in the form of software, so that the processor can invoke and execute the corresponding operations of the above-mentioned modules.
- FIG. 4 is a block diagram of the basic structure of the computer device in this embodiment.
- the computer device 4 includes a memory 41 , a processor 42 and a network interface 43 connected to each other through a system bus. It should be pointed out that the figure only shows the computer device 4 with components connected to the memory 41, the processor 42, and the network interface 43, but it should be understood that it is not required to implement all the components shown, and more more or fewer components. Among them, those skilled in the art can understand that the computer device here is a device that can automatically perform numerical calculation and/or information processing according to preset or stored instructions, and its hardware includes but is not limited to microprocessors, dedicated Integrated Circuit (Application Specific Integrated Circuit, ASIC), programmable gate array (Field-Programmable Gate Array, FPGA), digital processor (Digital Signal Processor, DSP), embedded devices, etc.
- ASIC Application Specific Integrated Circuit
- FPGA Field-Programmable Gate Array
- DSP Digital Signal Processor
- the computer equipment may be computing equipment such as a desktop computer, a notebook, a palmtop computer, and a cloud server.
- the computer device can perform human-computer interaction with the user through keyboard, mouse, remote controller, touch panel or voice control device.
- the memory 41 includes at least one type of readable storage medium, and the readable storage medium includes flash memory, hard disk, multimedia card, card-type memory (for example, SD or D interface display memory, etc.), random access memory (RAM) , Static Random Access Memory (SRAM), Read Only Memory (ROM), Electrically Erasable Programmable Read Only Memory (EEPROM), Programmable Read Only Memory (PROM), Magnetic Memory, Magnetic Disk, Optical Disk, etc.
- the memory 41 may be an internal storage unit of the computer device 4 , such as a hard disk or memory of the computer device 4 .
- the memory 41 can also be an external storage device of the computer device 4, such as a plug-in hard disk equipped on the computer device 4, a smart memory card (Smart Media Card, SMC), a secure digital (Secure Digital, SD) card, flash memory card (Flash Card), etc.
- the memory 41 may also include both an internal storage unit of the computer device 4 and an external storage device thereof.
- the memory 41 is generally used to store the operating system installed in the computer device 4 and various application software, such as program codes for controlling electronic files.
- the memory 41 can also be used to temporarily store various types of data that have been output or will be output.
- the processor 42 may be a central processing unit (Central Processing Unit, CPU), a controller, a microcontroller, a microprocessor, or other data processing chips in some embodiments. This processor 42 is generally used to control the general operation of said computer device 4 . In this embodiment, the processor 42 is configured to run program codes stored in the memory 41 or process data, for example, run program codes for electronic file control.
- CPU Central Processing Unit
- controller a controller
- microcontroller a microcontroller
- microprocessor microprocessor
- This processor 42 is generally used to control the general operation of said computer device 4 .
- the processor 42 is configured to run program codes stored in the memory 41 or process data, for example, run program codes for electronic file control.
- the network interface 43 may include a wireless network interface or a wired network interface, and the network interface 43 is generally used to establish a communication connection between the computer device 4 and other electronic devices.
- the present application also provides another implementation manner, which is to provide a computer-readable storage medium, the computer-readable storage medium stores an interface display program, and the interface display program can be executed by at least one processor, so that all The at least one processor executes the steps of the above-mentioned data processing method for private data.
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Bioethics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Medical Informatics (AREA)
- Computer Hardware Design (AREA)
- Computer Security & Cryptography (AREA)
- Software Systems (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本申请公开了一种隐私数据的数据处理方法、装置、计算机设备及介质，包括：通过获取本地的环境参数和每个参与方的环境参数，获取本地注册算法实例列表，并向每个参与方发送注册算法实例列表的获取请求，在接收到每个参与方反馈的注册算法实例列表时，计算本地注册算法实例列表与所有接收到的注册算法实例列表的交集，并将得到的交集中的注册算法实例作为共有算法实例，基于每个共有算法实例对应的预设权重、本地的环境参数和每个参与方的环境参数，从所有共有算法实例中，筛选出目标算法实例，采用目标算法实例进行隐私数据的数据处理任务，采用本申请可以提高隐私数据的数据处理任务的效率。
Description
本申请要求于2021年10月22日在中国专利局提交的、申请号为202111236272.8、发明名称为“隐私数据的数据处理方法、装置、计算机设备及介质”的中国专利申请的优先权，其全部内容通过引用结合在本申请中。
本申请涉及数据处理领域，尤其涉及一种隐私数据的数据处理方法、装置、计算机设备及介质。
在数据重要性日益凸显的今天，在保护用户数据隐私的情况下发挥其作用是国家统筹数据资源的一个重要前提。机构和个人对于数据隐私的敏感度越来越高，数据如何在保证隐私的前提下进行价值共享成为了人们最关注的问题，例如安全拍卖、安全选举、隐私数据比较等，如果无法解决，那么数据便会成为个人的收藏品，沉淀在每个机构或个人的本地数据库内，无法发挥出其应有的价值，而多方安全计算技术正是解决这个难题的一个重要技术。
多方安全计算（MPC：Secure Muti-Party
Computation）是通过密码学的手段进行密文的计算，再将计算结果返回给参与方。
在实现本申请过程中，发明人发现现有技术中至少存在如下问题：现有的这种解决方案采用的是固化算法，固然可以保护隐私数据并执行数据的计算，但针对隐私数据之间的数据处理，但是使用固化算法的话，某些场景，会存在其他效率更高的同类型算法，无法针对场景进行具体使用算法的选择，使得针对隐私数据的处理效率较低。
本申请实施例提供一种隐私数据的数据处理方法、装置、计算机设备和存储介质，以提高隐私数据的数据处理效率。
本申请实施例采用的技术方案是：
第一方面，本申请实施例提供一种隐私数据的数据处理方法，包括：
获取本地的环境参数和每个参与方的环境参数；
获取本地注册算法实例列表，并向每个所述参与方发送注册算法实例列表的获取请求；
在接收到每个所述参与方反馈的注册算法实例列表时，计算本地注册算法实例列表与所有接收到的注册算法实例列表的交集，并将得到的交集中的注册算法实例作为共有算法实例；
基于每个所述共有算法实例对应的预设权重、所述本地的环境参数和每个所述参与方的环境参数，从所有所述共有算法实例中，筛选出目标算法实例，其中，所述预设权重为预先配置好的每个环境参数对应的权重信息；
采用所述目标算法实例进行隐私数据的数据处理任务。
可选地，所述环境参数包括带宽大小、数据集大小、数据内容的长度和硬件性能指标中的至少一项。
可选地，所述在接收到每个所述参与方反馈的注册算法实例列表时，计算本地注册算法实例列表与所有接收到的注册算法实例列表的交集包括：
获取所述数据处理任务的输入参数和输出参数；
从所述本地注册算法实例列表和所有所述接收到的注册算法实例列表中，获取输入参数与所述数据处理任务的输入参数相同，并且，输出参数与所述数据处理任务的输出参数相同的算法实例，作为有效算法实例；
筛选出所述本地注册算法实例列表和每个所述参与方反馈的注册算法实例列表均包含的有效算法实例，作为所述本地注册算法实例列表与所有接收到的注册算法实例列表的交集。
可选地，所述基于每个所述共有算法实例对应的预设权重、所述本地的环境参数和每个所述参与方的环境参数，从所有所述共有算法实例中，筛选出目标算法实例包括：
根据基于每个所述共有算法实例对应的预设权重、所述本地的环境参数和每个所述参与方的环境参数，对每个所述共有算法实例进行效率分值计算，得到每个所述共有算法实例对应的效率分值；
将分值最高的所述效率分值对应的共有算法实例，确定为所述目标算法实例。
可选地，所述根据基于每个所述共有算法实例对应的预设权重、所述本地的环境参数和每个所述参与方的环境参数，对每个所述共有算法实例进行效率分值计算，得到每个所述共有算法实例对应的效率分值包括：
针对每个所述共有算法实例，获取所述共有算法实例对应的预设效率评估模型；
针对每个所述共有算法实例，将所述根据基于每个所述共有算法实例对应的预设权重、所述本地的环境参数和每个所述参与方的环境参数输入到所述预设效率评估模型；
针对每个所述共有算法实例，采用所述预设效率评估模型进行效率计算，得到所述共有算法实例对应的效率分值。
第二方面，本申请实施例还提供一种隐私数据的数据处理装置，包括：
环境参数获取模块，用于获取本地的环境参数和每个参与方的环境参数；
注册算法实例获取模块，用于获取本地注册算法实例列表，并向每个所述参与方发送注册算法实例列表的获取请求；
共有算法实例确定模块，用于在接收到每个所述参与方反馈的注册算法实例列表时，计算本地注册算法实例列表与所有接收到的注册算法实例列表的交集，并将得到的交集中的注册算法实例作为共有算法实例；
目标算法实例筛选模块，用于基于每个所述共有算法实例对应的预设权重、所述本地的环境参数和每个所述参与方的环境参数，从所有所述共有算法实例中，筛选出目标算法实例，其中，所述预设权重为预先配置好的每个环境参数对应的权重信息；
数据处理任务执行模块，用于采用所述目标算法实例进行隐私数据的数据处理任务。
可选地，所述共有算法实例确定模块包括：
任务参数获取单元，用于获取所述数据处理任务的输入参数和输出参数；
有效算法实例确定单元，用于从所述本地注册算法实例列表和所有所述接收到的注册算法实例列表中，获取输入参数与所述数据处理任务的输入参数相同，并且，输出参数与所述数据处理任务的输出参数相同的算法实例，作为有效算法实例；
交集确定单元，用于筛选出所述本地注册算法实例列表和每个所述参与方反馈的注册算法实例列表均包含的有效算法实例，作为所述本地注册算法实例列表与所有接收到的注册算法实例列表的交集。
可选地，所述目标算法实例筛选模块包括：
效率分值计算单元，用于根据基于每个所述共有算法实例对应的预设权重、所述本地的环境参数和每个所述参与方的环境参数，对每个所述共有算法实例进行效率分值计算，得到每个所述共有算法实例对应的效率分值；
目标算法实例确定单元，用于将分值最高的所述效率分值对应的共有算法实例，确定为所述目标算法实例。
可选地，所述效率分值计算单元包括：
获取子单元，用于针对每个所述共有算法实例，获取所述共有算法实例对应的预设效率评估模型；
输入子单元，用于针对每个所述共有算法实例，将所述根据基于每个所述共有算法实例对应的预设权重、所述本地的环境参数和每个所述参与方的环境参数输入到所述预设效率评估模型；
计算子单元，用于针对每个所述共有算法实例，采用所述预设效率评估模型进行效率计算，得到所述共有算法实例对应的效率分值。
第三方面，本申请实施例还提供一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述隐私数据的数据处理方法的步骤。
第四方面，本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述隐私数据的数据处理方法的步骤。
本申请实施例提供的隐私数据的数据处理方法的有益效果在于：通过获取本地的环境参数和每个参与方的环境参数，获取本地注册算法实例列表，并向每个参与方发送注册算法实例列表的获取请求，在接收到每个参与方反馈的注册算法实例列表时，计算本地注册算法实例列表与所有接收到的注册算法实例列表的交集，并将得到的交集中的注册算法实例作为共有算法实例，基于每个共有算法实例对应的预设权重、本地的环境参数和每个参与方的环境参数，从所有共有算法实例中，筛选出目标算法实例，其中，预设权重为预先配置好的每个环境参数对应的权重信息，采用目标算法实例进行隐私数据的数据处理任务，实现自动选择当前环境下效率最高的算法实例进行数据处理，提高隐私数据的数据处理任务的效率。
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例的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性的前提下，还可以根据这些附图获得其他的附图。
图1是本申请可以应用于其中的示例性***架构图；
图2是本申请的隐私数据的数据处理方法的一个实施例的流程图；
图3是根据本申请的隐私数据的数据处理装置的一个实施例的结构示意图；
图4是根据本申请的计算机设备的一个实施例的结构示意图。
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；本文中在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；本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。
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申请的至少一个实施例中。在说明书中的各个位置出现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。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
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，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作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。
请参阅图1，如图1所示，图1为本场景的应用场景示意图，该示意图中的***架构100可以包括终端设备101、终端设备102、终端设备103，网络104和服务器105。网络104用以在终端设备101、终端设备102、终端设备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。
用户可以使用终端设备101、终端设备102、终端设备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、终端设备102、终端设备103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3( Moving Picture Experts
Group Audio Layer III，动态影像专家压缩标准音频层面3 )播放器、MP4( Moving Picture Experts Group Audio Layer IV，动态影像专家压缩标准音频层面4 )播放器、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器，例如对终端设备101、终端设备102、终端设备103上显示的页面提供支持的后台服务器。
请参阅图2，图2示出本申请实施例提供的一种隐私数据的数据处理方法，以该方法应用在图1中的服务端为例进行说明，详述如下：
S201：获取本地的环境参数和每个参与方的环境参数。
可选地，环境参数包括带宽大小、数据集大小、数据内容的长度和硬件性能指标中的至少一项。
本实施例中，考虑到多方计算涉及到数据的传输和计算，因而，需要考虑带宽大小（影响传输速度）、数据集大小（影响传输速度和计算速度）、数据内容的长度（影响计算速度）和硬件性能指标（影响计算速度）等，采用不同的计算方式，也即不同的算法实例，其需求的数据集大小、数据内容的长度不同，例如，对发起方数据和一个参与方的数据进行多方安全计算，发起方的带宽20M，采用算法实例A，其需要传输的数据大小为300M，本地计算的时间为20秒，采用算法实例B，其需要传输的数据大小为100M，本地计算的时间为30秒。
S202：获取本地注册算法实例列表，并向每个参与方发送注册算法实例列表的获取请求。
具体地，参与方与发起方均配置有算法控制器，算法控制器具体是指持有同一类算法的一系列算法实例的集合，通过算法控制器对外提供接口，进行信息交互，每一方算法控制器中包含的算法实例不尽相同。
S203：在接收到每个参与方反馈的注册算法实例列表时，计算本地注册算法实例列表与所有接收到的注册算法实例列表的交集，并将得到的交集中的注册算法实例作为共有算法实例。
具体地，在接收到每个参与方反馈的注册算法实例列表时，发起方通过对接收到的注册算法实例列表的每个算法实例进行验证和筛选，获取每个参与方均包含的可用算法实例，作为共有算法实例。
S204：基于每个共有算法实例对应的预设权重、本地的环境参数和每个参与方的环境参数，从所有共有算法实例中，筛选出目标算法实例，其中，预设权重为预先配置好的每个环境参数对应的权重信息。
具体筛选目标算法实例的方式，可参考后续实施例的描述，为避免重复，此处不再赘述。
S205：采用目标算法实例进行隐私数据的数据处理任务。
本实施例中，通过获取本地的环境参数和每个参与方的环境参数，获取本地注册算法实例列表，并向每个参与方发送注册算法实例列表的获取请求，在接收到每个参与方反馈的注册算法实例列表时，计算本地注册算法实例列表与所有接收到的注册算法实例列表的交集，并将得到的交集中的注册算法实例作为共有算法实例，基于每个共有算法实例对应的预设权重、本地的环境参数和每个参与方的环境参数，从所有共有算法实例中，筛选出目标算法实例，其中，预设权重为预先配置好的每个环境参数对应的权重信息，采用目标算法实例进行隐私数据的数据处理任务，实现自动选择当前环境下效率最高的算法实例进行数据处理，提高隐私数据的数据处理任务的效率。
在一具体可选实施方式中，步骤S203中，在接收到每个参与方反馈的注册算法实例列表时，计算本地注册算法实例列表与所有接收到的注册算法实例列表的交集包括：
获取数据处理任务的输入参数和输出参数；
从本地注册算法实例列表和所有接收到的注册算法实例列表中，获取输入参数与数据处理任务的输入参数相同，并且，输出参数与数据处理任务的输出参数相同的算法实例，作为有效算法实例；
筛选出本地注册算法实例列表和每个参与方反馈的注册算法实例列表均包含的有效算法实例，作为本地注册算法实例列表与所有接收到的注册算法实例列表的交集。
在一具体可选实施方式中，步骤S204中，基于每个共有算法实例对应的预设权重、本地的环境参数和每个参与方的环境参数，从所有共有算法实例中，筛选出目标算法实例包括：
根据基于每个共有算法实例对应的预设权重、本地的环境参数和每个参与方的环境参数，对每个共有算法实例进行效率分值计算，得到每个共有算法实例对应的效率分值；
将分值最高的效率分值对应的共有算法实例，确定为目标算法实例。
其中，预设权重可以是针对每个环境参数，通过多次测试，根据测试结果进行赋值。
在一具体可选实施方式中，根据基于每个共有算法实例对应的预设权重、本地的环境参数和每个参与方的环境参数，对每个共有算法实例进行效率分值计算，得到每个共有算法实例对应的效率分值包括：
针对每个共有算法实例，获取共有算法实例对应的预设效率评估模型；
针对每个共有算法实例，将根据基于每个共有算法实例对应的预设权重、本地的环境参数和每个参与方的环境参数输入到预设效率评估模型；
针对每个共有算法实例，采用预设效率评估模型进行效率计算，得到共有算法实例对应的效率分值。
其中，预设效率评估模型可以根据实际需要进行预先设定，具体可以是公式或者机器学习模型。例如，针对每个环境参数，通过多次测试的测试结果，赋予该环境参数预设权重，再基于预设权重对参与方相对应的环境参数进行加权，并对每个加权后的环境参数进行求和，得到效率分值。
需要说明的是，每个注册算法实例均对应一个预设效率评估模型，不同注册算法实例对应的预设效率评估模型可以相同，也可以不同，以实际应用需求进行设定，此处不做限制。
本实施例中，通过每个共有算法实例对应的预设效率评估模型对该共有算法实例在当前环境下的效率进行计算评估，得到该共有算法实例在当前环境下的效率分值，有利于后续快速精准地进行目标算法实例的选取。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程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任何限定。
图3示出与上述实施例隐私数据的数据处理方法一一对应的隐私数据的数据处理装置的原理框图。如图3所示，该隐私数据的数据处理装置包括环境参数获取模块31、注册算法实例获取模块32、共有算法实例确定模块33、目标算法实例筛选模块34和数据处理任务执行模块35。各功能模块详细说明如下：
环境参数获取模块31，用于获取本地的环境参数和每个参与方的环境参数；
注册算法实例获取模块32，用于获取本地注册算法实例列表，并向每个参与方发送注册算法实例列表的获取请求；
共有算法实例确定模块33，用于在接收到每个参与方反馈的注册算法实例列表时，计算本地注册算法实例列表与所有接收到的注册算法实例列表的交集，并将得到的交集中的注册算法实例作为共有算法实例；
目标算法实例筛选模块34，用于基于每个共有算法实例对应的预设权重、本地的环境参数和每个参与方的环境参数，从所有共有算法实例中，筛选出目标算法实例，其中，预设权重为预先配置好的每个环境参数对应的权重信息；
数据处理任务执行模块35，用于采用目标算法实例进行隐私数据的数据处理任务。
可选地，共有算法实例确定模块33包括：
任务参数获取单元，用于获取数据处理任务的输入参数和输出参数；
有效算法实例确定单元，用于从本地注册算法实例列表和所有接收到的注册算法实例列表中，获取输入参数与数据处理任务的输入参数相同，并且，输出参数与数据处理任务的输出参数相同的算法实例，作为有效算法实例；
交集确定单元，用于筛选出本地注册算法实例列表和每个参与方反馈的注册算法实例列表均包含的有效算法实例，作为本地注册算法实例列表与所有接收到的注册算法实例列表的交集。
可选地，目标算法实例筛选模块34包括：
效率分值计算单元，用于根据基于每个共有算法实例对应的预设权重、本地的环境参数和每个参与方的环境参数，对每个共有算法实例进行效率分值计算，得到每个共有算法实例对应的效率分值；
目标算法实例确定单元，用于将分值最高的效率分值对应的共有算法实例，确定为目标算法实例。
可选地，效率分值计算单元包括：
获取子单元，用于针对每个共有算法实例，获取共有算法实例对应的预设效率评估模型；
输入子单元，用于针对每个共有算法实例，将根据基于每个共有算法实例对应的预设权重、本地的环境参数和每个参与方的环境参数输入到预设效率评估模型；
计算子单元，用于针对每个共有算法实例，采用预设效率评估模型进行效率计算，得到共有算法实例对应的效率分值。
关于隐私数据的数据处理装置的具体限定可以参见上文中对于隐私数据的数据处理方法的限定，在此不再赘述。上述隐私数据的数据处理装置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计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
为解决上述技术问题，本申请实施例还提供计算机设备。具体请参阅图4，图4为本实施例计算机设备基本结构框图。
所述计算机设备4包括通过***总线相互通信连接存储器41、处理器42、网络接口43。需要指出的是，图中仅示出了具有组件连接存储器41、处理器42、网络接口43的计算机设备4，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。其中，本技术领域技术人员可以理解，这里的计算机设备是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(Application Specific
Integrated Circuit，ASIC)、可编程门阵列(Field－Programmable Gate Array，FPGA)、数字处理器 (Digital Signal Processor，DSP)、嵌入式设备等。
所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
所述存储器41至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器（例如，SD或D界面显示存储器等）、随机访问存储器（RAM）、静态随机访问存储器（SRAM）、只读存储器（ROM）、电可擦除可编程只读存储器（EEPROM）、可编程只读存储器（PROM）、磁性存储器、磁盘、光盘等。在一些实施例中，所述存储器41可以是所述计算机设备4的内部存储单元，例如该计算机设备4的硬盘或内存。在另一些实施例中，所述存储器41也可以是所述计算机设备4的外部存储设备，例如该计算机设备4上配备的插接式硬盘，智能存储卡（Smart Media Card, SMC），安全数字（Secure Digital, SD）卡，闪存卡（Flash Card）等。当然，所述存储器41还可以既包括所述计算机设备4的内部存储单元也包括其外部存储设备。本实施例中，所述存储器41通常用于存储安装于所述计算机设备4的操作***和各类应用软件，例如电子文件的控制的程序代码等。此外，所述存储器41还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器42在一些实施例中可以是中央处理器（Central Processing Unit，CPU）、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器42通常用于控制所述计算机设备4的总体操作。本实施例中，所述处理器42用于运行所述存储器41中存储的程序代码或者处理数据，例如运行电子文件的控制的程序代码。
所述网络接口43可包括无线网络接口或有线网络接口，该网络接口43通常用于在所述计算机设备4与其他电子设备之间建立通信连接。
本申请还提供了另一种实施方式，即提供一种计算机可读存储介质，所述计算机可读存储介质存储有界面显示程序，所述界面显示程序可被至少一个处理器执行，以使所述至少一个处理器执行如上述的隐私数据的数据处理方法的步骤。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。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存储介质（如ROM/RAM、磁碟、光盘）中，包括若干指令用以使得一台终端设备（可以是手机，计算机，服务器，空调器，或者网络设备等）执行本申请各个实施例所述的方法。
显然，以上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，附图中给出了本申请的较佳实施例，但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现，相反地，提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。凡是利用本申请说明书及附图内容所做的等效结构，直接或间接运用在其他相关的技术领域，均同理在本申请专利保护范围之内。
Claims (11)
- 一种隐私数据的数据处理方法，其特征在于，包括发起方服务器执行的如下步骤：获取本地的环境参数和每个参与方的环境参数；获取本地注册算法实例列表，并向每个所述参与方发送注册算法实例列表的获取请求；在接收到每个所述参与方反馈的注册算法实例列表时，计算本地注册算法实例列表与所有接收到的注册算法实例列表的交集，并将得到的交集中的注册算法实例作为共有算法实例；基于每个所述共有算法实例对应的预设权重、所述本地的环境参数和每个所述参与方的环境参数，从所有所述共有算法实例中，筛选出目标算法实例，其中，所述预设权重为预先配置好的每个环境参数对应的权重信息；采用所述目标算法实例进行隐私数据的数据处理任务。
- 如权利要求1所述的隐私数据的数据处理方法，其特征在于，所述环境参数包括带宽大小、数据集大小、数据内容的长度和硬件性能指标中的至少一项。
- 如权利要求1所述的隐私数据的数据处理方法，其特征在于，所述在接收到每个所述参与方反馈的注册算法实例列表时，计算本地注册算法实例列表与所有接收到的注册算法实例列表的交集包括：获取所述数据处理任务的输入参数和输出参数；从所述本地注册算法实例列表和所有所述接收到的注册算法实例列表中，获取输入参数与所述数据处理任务的输入参数相同，并且，输出参数与所述数据处理任务的输出参数相同的算法实例，作为有效算法实例；筛选出所述本地注册算法实例列表和每个所述参与方反馈的注册算法实例列表均包含的有效算法实例，作为所述本地注册算法实例列表与所有接收到的注册算法实例列表的交集。
- 如权利要求1至3任一项所述的隐私数据的数据处理方法，其特征在于，所述基于每个所述共有算法实例对应的预设权重、所述本地的环境参数和每个所述参与方的环境参数，从所有所述共有算法实例中，筛选出目标算法实例包括：根据基于每个所述共有算法实例对应的预设权重、所述本地的环境参数和每个所述参与方的环境参数，对每个所述共有算法实例进行效率分值计算，得到每个所述共有算法实例对应的效率分值；将分值最高的所述效率分值对应的共有算法实例，确定为所述目标算法实例。
- 如权利要求4所述的隐私数据的数据处理方法，其特征在于，所述根据基于每个所述共有算法实例对应的预设权重、所述本地的环境参数和每个所述参与方的环境参数，对每个所述共有算法实例进行效率分值计算，得到每个所述共有算法实例对应的效率分值包括：针对每个所述共有算法实例，获取所述共有算法实例对应的预设效率评估模型；针对每个所述共有算法实例，将所述根据基于每个所述共有算法实例对应的预设权重、所述本地的环境参数和每个所述参与方的环境参数输入到所述预设效率评估模型；针对每个所述共有算法实例，采用所述预设效率评估模型进行效率计算，得到所述共有算法实例对应的效率分值。
- 如权利要求1所述的隐私数据的数据处理方法，其特征在于，所述方法还包括：参与方与发起方分别配置有算法控制器，所述算法控制器为持有同一类算法的一系列算法示例的集合；参与方与发起方分别通过算法控制器对外提供借口，进行信息交互。
- 一种隐私数据的数据处理装置，其特征在于，所述隐私数据的数据处理装置包括：环境参数获取模块，用于获取本地的环境参数和每个参与方的环境参数；注册算法实例获取模块，用于获取本地注册算法实例列表，并向每个所述参与方发送注册算法实例列表的获取请求；共有算法实例确定模块，用于在接收到每个所述参与方反馈的注册算法实例列表时，计算本地注册算法实例列表与所有接收到的注册算法实例列表的交集，并将得到的交集中的注册算法实例作为共有算法实例；目标算法实例筛选模块，用于基于每个所述共有算法实例对应的预设权重、所述本地的环境参数和每个所述参与方的环境参数，从所有所述共有算法实例中，筛选出目标算法实例，其中，所述预设权重为预先配置好的每个环境参数对应的权重信息；数据处理任务执行模块，用于采用所述目标算法实例进行隐私数据的数据处理任务。
- 如权利要求7所述的隐私数据的数据处理装置，其特征在于，所述共有算法实例确定模块包括：任务参数获取单元，用于获取所述数据处理任务的输入参数和输出参数；有效算法实例确定单元，用于从所述本地注册算法实例列表和所有所述接收到的注册算法实例列表中，获取输入参数与所述数据处理任务的输入参数相同，并且，输出参数与所述数据处理任务的输出参数相同的算法实例，作为有效算法实例；交集确定单元，用于筛选出所述本地注册算法实例列表和每个所述参与方反馈的注册算法实例列表均包含的有效算法实例，作为所述本地注册算法实例列表与所有接收到的注册算法实例列表的交集。
- 如权利要求7所述的隐私数据的数据处理装置，其特征在于，所述目标算法实例筛选模块包括：效率分值计算单元，用于根据基于每个所述共有算法实例对应的预设权重、所述本地的环境参数和每个所述参与方的环境参数，对每个所述共有算法实例进行效率分值计算，得到每个所述共有算法实例对应的效率分值；目标算法实例确定单元，用于将分值最高的所述效率分值对应的共有算法实例，确定为所述目标算法实例。
- 一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述的隐私数据的数据处理方法。
- 一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的隐私数据的数据处理方法。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111236272.8 | 2021-10-22 | ||
| CN202111236272.8A CN114036551A (zh) | 2021-10-22 | 2021-10-22 | 隐私数据的数据处理方法、装置、计算机设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| WO2023066258A1 true WO2023066258A1 (zh) | 2023-04-27 |
Family
ID=80141737
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| PCT/CN2022/125980 WO2023066258A1 (zh) | 2021-10-22 | 2022-10-18 | 隐私数据的数据处理方法、装置、计算机设备及介质 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN114036551A (zh) |
| WO (1) | WO2023066258A1 (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114036551A (zh) * | 2021-10-22 | 2022-02-11 | 杭州趣链科技有限公司 | 隐私数据的数据处理方法、装置、计算机设备及介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111597586A (zh) * | 2020-05-26 | 2020-08-28 | 牛津(海南)区块链研究院有限公司 | 一种区块链隐私保护方法、***及装置 |
| WO2021118413A2 (en) * | 2019-12-13 | 2021-06-17 | Ubic Technologies Llc | Data processing method, comprising secure multilateral computing and data analysis methods |
| CN113094744A (zh) * | 2021-03-29 | 2021-07-09 | 华控清交信息科技(北京)有限公司 | 信息处理方法、服务平台、用于信息处理的装置和多方安全计算*** |
| CN113111369A (zh) * | 2021-04-28 | 2021-07-13 | 杭州锘崴信息科技有限公司 | 一种数据标注中的数据保护方法及*** |
| CN114036551A (zh) * | 2021-10-22 | 2022-02-11 | 杭州趣链科技有限公司 | 隐私数据的数据处理方法、装置、计算机设备及介质 |
-
2021
- 2021-10-22 CN CN202111236272.8A patent/CN114036551A/zh active Pending
-
2022
- 2022-10-18 WO PCT/CN2022/125980 patent/WO2023066258A1/zh unknown
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021118413A2 (en) * | 2019-12-13 | 2021-06-17 | Ubic Technologies Llc | Data processing method, comprising secure multilateral computing and data analysis methods |
| CN111597586A (zh) * | 2020-05-26 | 2020-08-28 | 牛津(海南)区块链研究院有限公司 | 一种区块链隐私保护方法、***及装置 |
| CN113094744A (zh) * | 2021-03-29 | 2021-07-09 | 华控清交信息科技(北京)有限公司 | 信息处理方法、服务平台、用于信息处理的装置和多方安全计算*** |
| CN113111369A (zh) * | 2021-04-28 | 2021-07-13 | 杭州锘崴信息科技有限公司 | 一种数据标注中的数据保护方法及*** |
| CN114036551A (zh) * | 2021-10-22 | 2022-02-11 | 杭州趣链科技有限公司 | 隐私数据的数据处理方法、装置、计算机设备及介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114036551A (zh) | 2022-02-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110225104B (zh) | 数据获取方法、装置及终端设备 | |
| CN108038112B (zh) | 文件处理方法、移动终端及计算机可读存储介质 | |
| CN112631910A (zh) | 前端测试方法、装置、计算机设备及存储介质 | |
| CN111800462A (zh) | 微服务实例处理方法、装置、计算机设备及存储介质 | |
| CN114095567A (zh) | 数据访问请求的处理方法、装置、计算机设备及介质 | |
| CN113986564A (zh) | 应用数据的流量监控方法、装置、计算机设备及介质 | |
| CN112631911A (zh) | 自动化测试方法、装置、计算机设备及存储介质 | |
| CN112463422A (zh) | 物联网故障运维方法、装置、计算机设备及存储介质 | |
| CN112395390A (zh) | 意图识别模型的训练语料生成方法及其相关设备 | |
| CN107506494B (zh) | 文件处理方法、移动终端及计算机可读存储介质 | |
| CN112328486A (zh) | 接口自动化测试方法、装置、计算机设备及存储介质 | |
| WO2023066258A1 (zh) | 隐私数据的数据处理方法、装置、计算机设备及介质 | |
| WO2022156087A1 (zh) | 数据血缘关系建立方法、装置、计算机设备及存储介质 | |
| WO2021051932A1 (zh) | 数据更新方法、装置、计算机设备及存储介质 | |
| CN113242301A (zh) | 真实服务器的选定方法、装置、计算机设备及存储介质 | |
| CN116956326A (zh) | 权限数据的处理方法、装置、计算机设备及存储介质 | |
| CN107609119B (zh) | 文件处理方法、移动终端及计算机可读存储介质 | |
| CN113283759B (zh) | 账户风险画像更新方法、装置、设备及存储介质 | |
| CN109492249A (zh) | 设计图的快速生成方法、装置及终端设备 | |
| CN111352357B (zh) | 机器人的控制方法、装置及终端设备 | |
| CN111327513B (zh) | 消息数据的推送方法、装置、计算机设备及存储介质 | |
| CN110855822A (zh) | 陌生号码备注方法、陌生号码备注装置及移动终端 | |
| CN110992067B (zh) | 消息推送方法、装置、计算机设备及存储介质 | |
| CN113553519A (zh) | 接口地址的展示方法、装置、计算机设备及存储介质 | |
| CN110875876B (zh) | 电子红包识别方法、电子红包识别装置及移动终端 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| 121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 22882863 Country of ref document: EP Kind code of ref document: A1 |