[发明专利]一种基于隐私链的隐私保护方法及装置在审
申请号: | 201910373373.6 | 申请日: | 2019-05-07 |
公开(公告)号: | CN110084067A | 公开(公告)日: | 2019-08-02 |
发明(设计)人: | 吴海峰;刘欣伟 | 申请(专利权)人: | 欢动无限(北京)科技有限公司 |
主分类号: | G06F21/62 | 分类号: | G06F21/62;G06K9/62 |
代理公司: | 北京中济纬天专利代理有限公司 11429 | 代理人: | 张莹 |
地址: | 100029 北京市*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 隐私 隐私保护 用户隐私信息 关键词集合 个人隐私 特征节点 隐私信息 原始数据 构建 预处理 数据预处理 数据收集 特征识别 信息处理 预设算法 可读性 泄露 保证 | ||
1.一种基于隐私链的隐私保护方法,其特征在于,包括以下步骤:
数据收集,获取待处理的原始数据;
数据预处理,采用预设算法对所述原始数据进行预处理,得到关键词集合;
特征识别,用于从所述关键词集合中识别用户隐私信息,根据所述用户隐私信息构造若干个特征节点;
隐私链构建,根据所述若干个特征节点之间的关系,构建隐私链;
隐私链虚化,根据指定策略对隐私链进行虚化,得到虚化后的隐私链。
2.如权利要求1所述的一种基于隐私链的隐私保护方法,其特征在于:
所述数据预处理的所述预设算法为SVM文本分类算法,具体包括以下步骤:
样本训练过程,在所述原始数据中随机选出作为样本训练的数据集进行样本训练,对向量空间进行网格化处理,针对获取的网格向量计算落入网格的样本数量,获得所述向量空间的密度矩阵,进行向量空间的边缘检测,得到经过训练之后的分类器;
根据所述分类器处理所述原始数据,得到文本分类结果,形成所述关键词集合。
3.如权利要求1所述的一种基于隐私链的隐私保护方法,其特征在于:
所述用户隐私信息包括特征节点包括人物、时间、地点、事件;
所述特征节点包括人物特征节点、时间特征节点、地点特征节点和事件特征节点。
4.如权利要求1所述的一种基于隐私链的隐私保护方法,其特征在于:
所述隐私链构建具体包括,判断所述若干个特征节点之间是否存在关系;
如果是,则根据所述关系构建隐私链;
如果某个特征节点与其他特征节点之间不存在关系,则将该特征节点从隐私链中移除;
所述关系包括人物特征节点之间的关系、人物特征节点与时间特征节点和/或地点特征节点和/或事件特征节点之间的关系。
5.如权利要求1所述的一种基于隐私链的隐私保护方法,其特征在于:
所述指定策略包括替换、重排、加密、截断、掩码中的一种或多中组合。
6.一种基于隐私链的隐私保护装置,其特征在于,包括:
数据收集模块,用于获取待处理的原始数据;
数据预处理模块,用于采用预设算法对所述原始数据进行预处理,得到关键词集合;
特征识别模块,用于从所述关键词集合中识别用户隐私信息,根据所述用户隐私信息构造若干个特征节点;
隐私链构建模块,用于根据所述若干个特征节点之间的关系,构建隐私链;
隐私链虚化模块,用于根据指定策略对隐私链进行虚化,得到虚化后的隐私链。
7.如权利要求6所述的一种基于隐私链的隐私保护装置,其特征在于:
所述数据预处理模块的所述预设算法为SVM文本分类算法,具体包括以下步骤:
样本训练过程,在所述原始数据中随机选出作为样本训练的数据集进行样本训练,对向量空间进行网格化处理,针对获取的网格向量计算落入网格的样本数量,获得所述向量空间的密度矩阵,进行向量空间的边缘检测,得到经过训练之后的分类器;
根据所述分类器处理所述原始数据,得到文本分类结果,形成所述关键词集合。
8.如权利要求6所述的一种基于隐私链的隐私保护装置,其特征在于:
所述用户隐私信息包括特征节点包括人物、时间、地点、事件;
所述特征节点包括人物特征节点、时间特征节点、地点特征节点和事件特征节点。
9.如权利要求6所述的一种基于隐私链的隐私保护装置,其特征在于:
所述隐私链构建具体包括,判断所述若干个特征节点之间是否存在关系;
如果是,则根据所述关系构建隐私链;
如果某个特征节点与其他特征节点之间不存在关系,则将该特征节点从隐私链中移除;
所述关系包括人物特征节点之间的关系、人物特征节点与时间特征节点和/或地点特征节点和/或事件特征节点之间的关系。
10.如权利要求6所述的一种基于隐私链的隐私保护装置,其特征在于:所述指定策略包括替换、重排、加密、截断、掩码中的一种或多中组合。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于欢动无限(北京)科技有限公司,未经欢动无限(北京)科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910373373.6/1.html,转载请声明来源钻瓜专利网。