[发明专利]保护隐私数据的多个知识图谱联合处理的方法和装置

权利要求书

1.一种保护隐私数据的多个知识图谱联合处理的方法，所述多个知识图谱分布于多个服务提供方，单个知识图谱由其所在的服务提供方根据自己拥有的各实体的隐私数据而形成，并包括所述各实体的实体标识、所述各实体的隐私数据以及所述各实体之间的关联关系，所述方法由所述多个服务提供方中的任一服务提供方执行，所述方法包括：

针对本方具有的知识图谱，从所述各实体中选择任意一个实体作为目标实体，通过邻域采样的方式，采样所述目标实体的K度邻居，得到所述目标实体对应的目标子图；

将所述目标子图发送到所述目标实体对应的终端设备，以使所述终端设备对从所述多个服务提供方分别接收的多个目标子图进行融合，得到所述多个知识图谱链接后的所述目标实体对应的完整子图。

2.如权利要求1所述的方法，其中，所述终端设备具有可信执行环境；

所述将所述目标子图发送到所述目标实体对应的终端设备，包括：

将所述目标子图发送到所述目标实体对应的终端设备的可信执行环境。

3.如权利要求1所述的方法，其中，所述将所述目标子图发送到所述目标实体对应的终端设备，包括：

利用与其他服务提供方共享的匿名化处理方式，对所述目标子图中的各实体的实体标识进行匿名化处理；

利用与其他服务提供方共享的加密处理方式，对所述目标子图中的各实体的隐私数据进行加密处理；

将经过所述匿名化处理和所述加密处理后的所述目标子图发送到所述目标实体对应的终端设备。

4.如权利要求1所述的方法，其中，所述方法还包括：

将本方具有的图神经网络模型的模型参数发送到所述目标实体对应的终端设备；

从所述目标实体对应的终端设备接收所述目标实体对应的实体表征向量；所述实体表征向量为所述终端设备根据所述完整子图和本方具有的图神经网络模型计算得到；

根据所述实体表征向量，确定本方具有的图神经网络模型的预测损失；

根据所述预测损失，更新本方具有的图神经网络模型的模型参数。

5.一种保护隐私数据的多个知识图谱联合处理的方法，所述多个知识图谱分布于多个服务提供方，单个知识图谱由其所在的服务提供方根据自己拥有的各实体的隐私数据而形成，并包括所述各实体的实体标识、所述各实体的隐私数据以及所述各实体之间的关联关系，所述方法由所述各实体中目标实体对应的终端设备执行，所述方法包括：

从所述多个服务提供方分别接收所述目标实体对应的各目标子图；其中，所述目标子图为所述服务提供方针对本方具有的知识图谱，通过邻域采样的方式得到的；

以所述目标实体作为中心实体，对所述各目标子图中包含的相同的实体进行融合，得到所述多个知识图谱链接后的所述目标实体对应的完整子图。

6.如权利要求5所述的方法，其中，所述终端设备具有可信执行环境；

所述方法由所述各实体中目标实体对应的终端设备的可信执行环境执行。

7.如权利要求5所述的方法，其中，所述从所述多个服务提供方分别接收所述目标实体对应的各目标子图，包括：

从所述多个服务提供方分别接收经过匿名化处理和加密处理后的所述目标实体对应的各目标子图；其中，所述匿名化处理为利用所述多个服务提供方共享的匿名化处理方式，对所述目标子图中的各实体的实体标识进行的；所述加密处理为利用所述多个服务提供方共享的加密处理方式，对所述目标子图中的各实体的隐私数据进行的；

所述以所述目标实体作为中心实体，对所述各目标子图中包含的相同的实体进行融合之前，所述方法还包括：

对匿名化处理后的各实体的实体标识进行比对，以确定所述各目标子图中包含的相同的实体。