[发明专利]一种基于消费数据和同态加密算法的消费人群分类方法

说明书

本发明公开了一种基于消费数据和同态加密算法的消费人群分类方法，包括，通过数据所有者采集任意时间段的用户消费数据，基于VHE的整数向量同态加密策略将用户消费数据转换成向量矩阵进行加密，而后将加密完成获得的密文上传至数据库；广告运营商根据需求设置所需的用户分类个数k，并将用户分类个数k发送给第三方计算中心；通过第三方计算中心读取密文，并根据用户分类个数k密文进行聚类，完成消费人群的分类；本发明基于价值矩阵对k‑means聚类算法进行优化改进，提升聚类效果，对庞大而多维的消费人群进行更精确的细分；同时解决了往常同态加密下小数位的数据精度缺失的缺点，极大地降低了用户消费数据信息泄漏的风险。

技术领域

本发明涉及的技术领域，尤其涉及一种基于消费数据和同态加密算法的消费人群分类方法。

背景技术

在智慧商业浪潮下，实体消费经济已进入数字化驱动和智能化运营的时代，线下流量成为企业的战略关注点，线下大数据的价值也日趋凸显其重要性。根据相关调查显示，虽然线上消费越来越丰富，但总体消费占比比例仍不足20％，线下实体消费仍是消费主流。这意味着相比于线上消费市场，线下市场更加广阔。

但是目前线下消费仍存在一些问题，商户投放营销内容缺乏创新，导致在同一品类竞争激烈时本商城某一商户的营销效果较差。并且目前的营销方式在面对新消费者时无法充分发挥，需要精准迎合目标消费者的最新喜好，去制定有针对性的营销策略。

大数据技术在电子商务领域的应用使市场营销策略的制定更加科学化，利用大数据技术能够对用户的消费行为进行统计、分析，并根据用户的消费行为进行分类，从而实现定向性的营销内容推送。通过机器学习技术，可根据受众关注习惯及使用偏好自动聚合相关信息，从而深入定制个性化页面的门户网站、提交面向特定受众的需求信息、迅速提供聚合的有效解决方案和个性化顾问服务等。对于广告运营商来说，可以由网站免费收集用户信息，深入了解用户的行为和喜好，确认浏览产品信息的对象、用户对产品信息的关注程度、用户浏览产品信息的时间段，以及用户浏览产品信息的途径。

这些技术的问题在于都基于机器学习的广泛应用上，并且机器学习模型的训练需要大量数据，一些个人及组织在经济利益的驱使下，非法收集、存储、使用甚至贩卖消费者个人信息，不仅侵犯个人隐私，给消费者带来人身、财产安全的风险，还侵害了社会公共利益。

出于对这些消费者信息安全性的考虑，如何在数据收集方面，低成本且高效地保护和利用这些数据是一个重要的问题。此外，这些训练数据还面临着被攻击者窃取的可能，因此，对数据的隐私保护是机器学习防御的一个关键技术。

发明内容

本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

鉴于上述现有存在的问题，提出了本发明。

因此，本发明提供了一种基于消费数据和同态加密算法的消费人群分类方法，能够解决数据分类标签模糊以及数据隐私保护的问题。

为解决上述技术问题，本发明提供如下技术方案：包括，通过数据所有者采集任意时间段的用户消费数据，基于VHE的整数向量同态加密策略将所述用户消费数据转换成向量矩阵进行加密，而后将加密完成获得的密文上传至数据库；广告运营商根据需求设置所需的用户分类个数k，并将所述用户分类个数k发送给第三方计算中心；通过所述第三方计算中心读取所述密文，并根据所述用户分类个数k对所述密文进行聚类，完成消费人群的分类。