[发明专利]一种脱敏数据集的数据融合方法及装置

权利要求书

1.一种脱敏数据集的数据融合方法，其特征在于，包括：

步骤S1：对第一脱敏数据集和第二脱敏数据集分别进行预融合得到对应的第一预融合结果和第二预融合结果；

步骤S2：根据所述第二预融合结果对所述第一脱敏数据集进行融合预测并计算出第一联合概率相关值，根据所述第一预融合结果对所述第二脱敏数据集进行融合预测并计算出第二联合概率相关值；

步骤S3：结合所述第一预融合结果和所述第二预融合结果，对所述第一联合概率相关值和所述第二联合概率相关值进行交叉融合得到第一交叉融合结果和第二交叉融合结果；

步骤S4：根据所述第二预融合结果和所述第一交叉融合结果进行自融合得到所述第一脱敏数据集的融合数据记录，根据所述第一预融合结果和所述第二交叉融合结果进行自融合得到所述第二脱敏数据集的融合数据记录。

2.根据权利要求1所述的方法，其特征在于，所述第一脱敏数据集的特有变量是a，所述第二脱敏数据集的特有变量是b，所述步骤S1具体包括：

计算所述第一脱敏数据集的特征值：

其中，D_a为第一脱敏数据集，N_a为第一脱敏数据集D_a中数据记录的数量，1≤i≤N_a，a_i为第一脱敏数据集D_a中的第i个特有变量，0≤t_a≤1；

构建所述第一脱敏数据集的数据分布模型P_a(X)，包括：

在所述第一脱敏数据集中，以X为自变量、a为因变量，选用合适的预测模型，通过机器学习训练出0≤P_a(X)≤1，并得到对于给定的共有变量集X的值x，P(a＝1|x)＝P_a(x)；所述预测模型，包括逻辑回归模型、线性回归模型、决策树、随机森林、神经网络；

计算所述第二脱敏数据集的特征值：

其中，D_b为第二脱敏数据集，N_b为第二脱敏数据集D_b中数据记录的数量，1≤j≤N_b，b_j为第二脱敏数据集D_b中的第j个特有变量，0≤t_b≤1；

构建所述第二脱敏数据集的数据分布模型P_b(X)，包括：

在所述第二脱敏数据集中，以X为自变量、b为因变量，选用合适的预测模型，通过机器学习训练出0≤P_b(X)≤1，并得到对于给定的共有变量集X的值x，P(b＝1|x)＝P_b(x)；所述预测模型，包括逻辑回归模型、线性回归模型、决策树、随机森林、神经网络；

将所述第一脱敏数据集的特征值t_a、所述第一脱敏数据集的数据分布模型P_a(X)、所述第一脱敏数据集中数据记录的数量N_a作为第一预融合结果；

将所述第二脱敏数据集的特征值t_b、所述第二脱敏数据集的数据分布模型P_b(X)、所述第二脱敏数据集中数据记录的数量N_b作为第二预融合结果。

3.根据权利要求2所述的方法，其特征在于，所述步骤S2，具体包括：

根据所述第二预融合结果中含有的第二脱敏数据集的数据分布模型P_b(X)，对所述第一脱敏数据集进行融合预测并计算出第一联合概率相关值：

根据所述第一预融合结果中含有的第一脱敏数据集的数据分布模型P_a(X)，对所述第二脱敏数据集进行融合预测并计算出第二联合概率相关值：