[发明专利]一种数据处理方法、装置、计算机设备及存储介质

说明书

本公开提供了一种数据处理方法、装置、计算机设备及存储介质，其中，该方法包括：响应针对目标历史数据的查看请求，确定目标历史数据中各个数据在隐私处理模型下的取值对应的取值分布函数；基于预设的隐私预算值，计算使得取值分布函数与狄拉克分布之间统计距离与隐私预算值的差值在预设范围内时，隐私处理模型中目标参数的值；基于确定了目标参数的值的隐私处理模型，对目标历史数据进行处理得到处理后数据，并发送给数据接收端。本公开实施例在取值分布函数与狄拉克分布的统计距离满足预设条件下的目标参数的值，可以满足对数据进行隐私化的需求；采用包含可配置目标参数的隐私处理模型对目标历史数据进行处理，可以增加处理后数据的随机性。

技术领域

本公开涉及数据处理技术领域，具体而言，涉及一种数据处理方法、装置、计算机设备及存储介质。

背景技术

为了获悉在对待分发内容进行分发之后，用户对待分发内容的反馈数据，例如用户对待分发内容中包含的商品的购买情况，分发人员可以参考其他分发人员的历史分发内容在分发之后，用户对其历史分发内容的历史反馈数据。但是为了保护历史分发内容的反馈数据的安全性，通常需要对历史反馈数据进行处理。

在对历史反馈数据进行处理的过程中，主要是在初始的历史反馈数据中加入实数作为噪声，得到处理后的历史反馈数据。但是这种处理方式比较简单，得到的处理后的历史反馈数据安全性较低。

发明内容

本公开实施例至少提供一种数据处理方法、装置、计算机设备及存储介质。

第一方面，本公开实施例提供了一种数据处理方法，包括：

响应针对目标历史数据的查看请求，确定所述目标历史数据中各个数据在隐私处理模型下的取值对应的取值分布函数；所述隐私处理模型中包含可配置的目标参数；

基于预设的隐私预算值，计算使得所述取值分布函数与狄拉克分布之间统计距离与所述隐私预算值的差值在预设范围内时，所述隐私处理模型中所述目标参数的值；

基于确定了所述目标参数的值的所述隐私处理模型，对所述目标历史数据进行处理，得到处理后数据；所述处理后数据对应的统计特征与处理前的所述目标历史数据的统计特征一致；

将所述处理后数据发送给数据接收端。

一种可选的实施方式中，所述隐私处理模型采用非线性函数；所述非线性函数为正弦函数；所述目标参数包括表征正弦函数的周期值的第一参数、表征正弦函数的偏移值的第二参数、以及表征正弦函数的幅度值的第三参数；

在所述确定所述目标历史数据中各个数据在隐私处理模型下的取值对应的取值分布函数之前，所述方法还包括：

在随机分布中为所述第一参数和所述第二参数分别进行随机赋值，所述隐私处理模型包括随机赋值后的第一参数、随机赋值后的第二参数以及未赋值的第三参数。

一种可选的实施方式中，所述第三参数符合零均值分布，所述取值分布函数为概率密度函数。

一种可选的实施方式中，所述基于预设的隐私预算值，计算使得所述取值分布函数与狄拉克分布之间的统计距离与所述隐私预算值的差值在预设范围内时，所述隐私处理模型中所述目标参数的值，包括：

循环执行：针对所述目标历史数据中的每个数据，为所述第三参数选择符合所述零均值分布的取值，并计算所述取值分布函数与狄拉克分布之间的统计距离，直到所述统计距离与所述隐私预算值的差值在预设范围内时，将最后一次为所述第三参数选择的取值，作为所述第三参数的取值。

一种可选的实施方式中，所述基于确定了所述目标参数的值的所述隐私处理模型，对所述目标历史数据进行处理，得到处理后数据，包括：

将所述目标历史数据中各个数据输入确定了所述目标参数的值的所述隐私处理模型，得到各个数据在所述非线性函数下的取值；