[发明专利]一种基于隐私保护的数据处理方法、装置及设备在审
申请号: | 202110102575.4 | 申请日: | 2021-01-26 |
公开(公告)号: | CN112818389A | 公开(公告)日: | 2021-05-18 |
发明(设计)人: | 曹佳炯;丁菁汀 | 申请(专利权)人: | 支付宝(杭州)信息技术有限公司 |
主分类号: | G06F21/62 | 分类号: | G06F21/62 |
代理公司: | 北京国昊天诚知识产权代理有限公司 11315 | 代理人: | 朱文杰 |
地址: | 310000 浙江省杭州市*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 隐私 保护 数据处理 方法 装置 设备 | ||
本说明书实施例公开了一种基于隐私保护的数据处理方法、装置及设备,该方法应用于终端设备,包括:获取待处理的隐私数据,并获取对隐私数据进行切分处理的终端设备的性能信息;将性能信息输入到预先训练的数据切分模型中,并基于数据切分模型的输出结果确定对隐私数据进行切分处理所需采用的数据切分模式,数据切分模型是通过多种不同设备类型的设备的性能信息进行模型训练得到;基于确定的数据切分模式对隐私数据进行切分处理,得到多个不同的隐私数据切块,并根据每个隐私数据切块对应的数据类型,将隐私数据切块提供给相应的服务器;获取对隐私数据进行隐私保护后的目标数据,并基于目标数据进行业务处理。
技术领域
本说明书涉及计算机技术领域,尤其涉及一种基于隐私保护的数据处理方法、装置及设备。
背景技术
近年来,生物识别技术被广泛应用于社会的生产和生活,例如,在出行、支付、门禁和安防等场景中都得到广泛应用。在生物识别技术,尤其是人脸识别技术的推广,也带来了一些隐患,即隐私数据泄露的问题。由于生物识别系统涉及到对用户生物信息的采集、处理、存储和传输等步骤,因此系统存在用户隐私数据泄漏的风险。
为了更好保护用户的隐私安全,目前有部分生物识别系统已经对用户的生物信息采取了隐私保护措施,但是,此类加密算法一般都可以通过暴力破解等方式破解,隐私保护等级较弱。基于此,需要提供一种更优的隐私保护方案。
发明内容
本说明书实施例的目的是提供一种更优的隐私保护方案。
为了实现上述技术方案,本说明书实施例是这样实现的:
本说明书实施例提供的一种基于隐私保护的数据处理方法,应用于终端设备,所述方法包括:获取待处理的隐私数据,并获取对所述隐私数据进行切分处理的所述终端设备的性能信息。将所述性能信息输入到预先训练的数据切分模型中,并基于所述数据切分模型的输出结果确定对所述隐私数据进行切分处理所需采用的数据切分模式,所述数据切分模型是通过多种不同设备类型的设备的性能信息进行模型训练得到。基于确定的数据切分模式对隐私数据进行切分处理,得到多个不同的隐私数据切块,并根据每个所述隐私数据切块对应的数据类型,将所述隐私数据切块提供给相应的服务器,以使所述服务器通过预先训练的特征提取模型对获取的所述隐私数据切块进行特征提取,并触发对提取的多个所述隐私数据切块的特征的融合处理,得到对所述隐私数据进行隐私保护后的目标数据,所述特征提取模型是通过与多个不同隐私数据样本中的预设数据类型相匹配的隐私样本切块进行模型训练得到。获取对所述隐私数据进行隐私保护后的所述目标数据,并基于所述目标数据进行业务处理。
本说明书实施例提供的一种基于隐私保护的数据处理方法,应用于服务器,所述方法包括:接收终端设备发送的通过数据切分模式对待处理的隐私数据进行切分处理后得到的预设数据类型的隐私数据切块,所述数据切分模式是将所述终端设备的性能信息输入到预先训练的数据切分模型中,并基于所述数据切分模型的输出结果确定的,所述数据切分模型是通过多种不同设备类型的设备的性能信息进行模型训练得到。基于所述预设数据类型对应的预先训练的特征提取模型对所述隐私数据切块进行特征提取,得到所述隐私数据切块对应的隐私数据特征,所述特征提取模型是通过与所述预设数据类型相匹配的隐私样本切块进行模型训练得到。基于所述隐私数据切块对应的隐私数据特征和所述隐私数据中包含的其它数据类型的隐私数据切块对应的隐私数据特征进行融合处理,得到对所述隐私数据进行隐私保护后的所述目标数据,并将所述目标数据提供给所述终端设备,以使所述终端设备基于所述目标数据进行业务处理。
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支付宝(杭州)信息技术有限公司,未经支付宝(杭州)信息技术有限公司许可,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/202110102575.4/2.html,转载请声明来源钻瓜专利网。