[发明专利]沙箱服务构建方法、装置、电子设备及存储介质

权利要求书

1.一种沙箱服务构建方法，其特征在于，包括：

获取待共享的原始数据；

按照预设的数据标准化规则对所述原始数据进行数据标准化处理，获得若干种安全密级不同的共享数据，所述数据标准化规则中包含有领域划分阶段、权责归属阶段、数据逻辑抽取阶段、数据抽象化阶段和数据脱敏阶段中的多个数据标准化处理的阶段，一个阶段对应一种安全密级，其中：

在领域划分阶段，对所述原始数据进行领域归类处理，确定所述原始数据的领域分类信息，将含有领域分类信息的原始数据作为所述领域划分阶段获得的共享数据；

在权责归属阶段，对所述原始数据进行权责归属处理，确定所述原始数据的权责归属实体信息，将含有权责归属信息的原始数据作为所述权责归属阶段获得的共享数据；

在数据逻辑抽取阶段，采用数据结构化表示的方式对所述原始数据进行逻辑抽取处理，获得所述原始数据的逻辑关系表示，所述原始数据的逻辑关系表示作为所述数据逻辑抽取阶段获得的共享数据；

在数据抽象化阶段，将获得的所述原始数据的逻辑关系表示抽象化为含有实体和关系的向量数据表示，将所述原始数据的向量数据表示作为所述数据抽象化阶段获得的共享数据；

在数据脱敏阶段，使用预设的核函数，将抽象化处理后获得的向量数据表示中的实体和关系映射到高维空间中，获得高维的向量数据表示，将所述高维的向量数据表示作为所述数据脱敏阶段获得的共享数据；

将获得的所述若干种安全密级不同的共享数据进行分开存储。

2.根据权利要求1所述的沙箱服务构建方法，其特征在于，所述在数据抽象化阶段，将获得的所述原始数据的逻辑关系表示抽象化为含有实体和关系的向量数据表示，将所述原始数据的向量数据表示作为所述数据抽象化阶段获得的共享数据的步骤之前，还包括：

通过神经网络训练获取知识表示学习模型，所述知识表示学习模型用于对所述原始数据的逻辑关系表示进行实体和关系的表示学习，生成含有实体和关系的向量数据表示，所述知识表示学习模型训练时使用的训练目标函数配置为：

Loss=∑<sub>(O ,R ,O`)∈X</sub> ||O+R-O`||₂+αlog[n(|O|+|O`|+|R|)]

其中，(O ,R ,O`)表示为基于原始数据获得的一个逻辑关系表示；X表示为基于原始数据获得的逻辑关系表示的数据集；||O+R-O`||₂表示为二范数结果；α表示为0-1之间的超参数；n表示为向量数据的维度；|O|、|O`|分别表示为实体O和实体O`取向量的模；|R|表示为关系R取向量的模。

3.根据权利要求1或2所述的沙箱服务构建方法，其特征在于，所述将获得的所述若干种安全密级不同的共享数据进行分开存储的步骤，包括：

判断所述共享数据是否满足预设的私有文件存储条件，若满足，则采用私有文件存储的方式对所述共享数据进行存储，其中，所述私有文件存储的方式至少包括设置所述共享数据的审批流程和/或数字签名；

判断所述共享数据是否满足预设的区块链存储条件，若满足，则采用区块链存储的方式对所述共享数据进行存储。

4.根据权利要求1所述的沙箱服务构建方法，其特征在于，所述将获得的所述若干种安全密级不同的共享数据进行分开存储的步骤之后，还包括：

构建计算资源池，以基于所述计算资源池向用户提供动态配置计算资源的服务。

5.根据权利要求1所述的沙箱服务构建方法，其特征在于，所述将获得的所述若干种安全密级不同的共享数据进行分开存储的步骤之后，还包括：

配置应用开发窗口，以基于所述应用开发窗口向用户提供模型开发服务。