[发明专利]一种数据处理方法、装置和用于数据处理的装置

说明书

本申请实施例提供一种数据处理方法、装置和用于数据处理的装置。所述方法用于基于数据的密文，确定待分箱数据的切分点，其中的方法包括：根据待分箱数据的密文，构建数据数组；确定所述待分箱数据的分箱数和分箱模式；根据所述分箱数和所述分箱模式确定分位数；基于所述分位数以及所述数据数组，确定所述待分箱数据在所述分箱模式下对应的切分点。本申请实施例可以在密文基础上，确定数据分箱的切分点，进而可以实现对密文数据进行分箱，可以保证数据的隐私安全。

技术领域

本申请涉及计算机技术领域，尤其涉及一种数据处理方法、装置和用于数据处理的装置。

背景技术

随着大数据时代的来临，大数据分析也应运而生。在大数据分析等场景下，经常需要对某类数据进行统计、对比、分析等操作。而数据在采集时可能存在随机误差、异常值、极端值等数值噪音，直接使用的话会影响算法的速度，另外，部分算法不支持连续变量，因此需要对数据进行预处理。

数据分箱是一种常用的数据预处理方法，“箱”实际上就是按照数据对应的某一属性的属性值划分的子区间，如按照年龄划分的子区间、按照身高划分的子区间等，如果一个数据的属性值处于某个子区间范围内，就把该数据划分到该子区间所代表的箱(bin)内。数据分箱的主要目的是去噪，将连续数据离散化，增加粒度。

对数据进行分箱前，需要依据不同的分箱模式计算不同的切分点。例如，对于某一组数据，年龄属性值在0～60岁，假设需要按照等距分箱的模式将该组数据分成三箱，也即分为0～20，21～40，41～60这三箱，那么需要确定如下切分点：[0,20,40]。

目前的数据分箱方法通常用于对明文数据进行分箱，对于密文数据，则无法根据数据的具体数值计算分箱所需的切分点，导致数据分箱处理过程中需要暴露数据明文，难以保证数据的隐私安全。

发明内容

本申请实施例提供一种数据处理方法、装置和用于数据处理的装置，可以在密文基础上，确定数据分箱的切分点，进而可以实现对密文数据进行分箱，可以保证数据的隐私安全。

为了解决上述问题，本申请实施例公开了一种数据处理方法，所述方法用于基于数据的密文，确定待分箱数据的切分点，所述方法包括：

根据待分箱数据的密文，构建数据数组；

确定所述待分箱数据的分箱数和分箱模式；

根据所述分箱数和所述分箱模式确定分位数；

基于所述分位数以及所述数据数组，确定所述待分箱数据在所述分箱模式下对应的切分点。

另一方面，本申请实施例公开了一种数据处理装置，所述装置用于基于数据的密文，确定待分箱数据的切分点，所述装置包括：

数据数组构建模块，用于根据待分箱数据的密文，构建数据数组；

分箱参数确定模块，用于确定所述待分箱数据的分箱数和分箱模式；

分位数确定模块，用于根据所述分箱数和所述分箱模式确定分位数；

切分点确定模块，用于基于所述分位数以及所述数据数组，确定所述待分箱数据在所述分箱模式下对应的切分点。

再一方面，本申请实施例公开了一种用于数据处理的装置，所述装置用于基于数据的密文，确定待分箱数据的切分点，包括有存储器，以及一个或者一个以上程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令：

根据待分箱数据的密文，构建数据数组；

确定所述待分箱数据的分箱数和分箱模式；

根据所述分箱数和所述分箱模式确定分位数；