[发明专利]一种基于隐私保护的隐私数据处理方法、装置及设备

说明书

本说明书实施例公开了一种基于隐私保护的隐私数据处理方法、装置及设备，该方法包括：获取对包括用户隐私数据的目标数据进行脱敏处理后得到的脱敏后的目标数据；对脱敏后的目标数据进行数据分布分析，得到脱敏后的目标数据对应的数据分布差异信息；如果数据分布差异信息指示脱敏后的目标数据对应的数据分布差异概率大于预定阈值，则基于脱敏后的目标数据对隐私识别模型对应的主动学习模型进行模型训练，得到训练后的主动学习模型；基于训练后的主动学习模型和预先获取的第二样本数据对隐私识别模型进行训练，以更新隐私识别模型，并基于更新后的隐私识别模型和训练后的主动学习模型进行用户隐私数据的识别处理。

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隐私数据处理方法、装置及设备。

背景技术

近年来，诸如指纹识别、人脸识别等生物识别系统得到了广泛的应用，在支付、出行、安防等场景都可以见到生物识别系统的身影。由于生物识别系统往往涉及到对用户生物信息的采集、处理、传输和存储，其中每一步都有可能造成用户隐私数据泄漏。

由于目前大部分生物识别系统是基于深度学习框架构建的，而深度学习框架需要大量的样本数据进行训练，从而提高生物识别系统的性能，而以保护用户隐私为前提，大量采集和使用用户隐私数据来构建模型或优化模型是不可取的。为此，需要提供一种在不利用用户隐私数据训练的前提下，解决用户的隐私保护和生物识别系统模型性能提升的矛盾的技术方案，以此来提升生物识别系统的精度，提升生物识别系统的模型性能。

发明内容

本说明书实施例的目的是提供一种在不利用用户隐私数据训练的前提下，解决用户的隐私保护和生物识别系统模型性能提升的矛盾的技术方案，以此来提升生物识别系统的精度，提升生物识别系统的模型性能。

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隐私数据处理方法，所述方法包括：获取对包括用户隐私数据的目标数据进行脱敏处理后得到的脱敏后的目标数据。对所述脱敏后的目标数据进行数据分布分析，得到所述脱敏后的目标数据对应的数据分布差异信息。如果所述数据分布差异信息指示所述脱敏后的目标数据对应的数据分布差异概率大于预定阈值，则基于所述脱敏后的目标数据对隐私识别模型对应的主动学习模型进行模型训练，得到训练后的主动学习模型，所述主动学习模型用于对所述脱敏后的目标数据进行数据优化处理，以得到被所述隐私识别模型进行隐私数据识别处理的准确性高于预设准确性阈值的优化脱敏数据，所述隐私识别模型是基于包括用户隐私数据的第一样本数据进行模型训练得到，所述第一样本数据对应的数据分布差异概率小于所述预定阈值。基于所述训练后的主动学习模型和预先获取的第二样本数据对所述隐私识别模型进行训练，以更新所述隐私识别模型，并基于更新后的隐私识别模型和所述训练后的主动学习模型进行用户隐私数据的识别处理，所述第二样本数据中包括数据分布差异概率大于所述预定阈值的样本数据。

本说明书实施例提供的一种基于隐私保护的隐私数据处理方法，所述方法包括：获取包括用户隐私数据的业务数据。对所述业务数据中包含的所述用户隐私数据进行脱敏处理，得到脱敏后的业务数据。将所述脱敏后的业务数据输入到预先训练的主动学习模型中，以对所述脱敏后的业务数据进行数据优化处理，得到被隐私识别模型进行隐私数据识别处理的准确性高于预设准确性阈值的优化脱敏业务数据。基于所述优化脱敏业务数据，使用预先训练的隐私识别模型进行隐私数据的识别处理，得到所述脱敏后的业务数据对应的识别结果。其中，所述主动学习模型是服务器基于获取的包括用户隐私数据的目标数据对主动学习模型进行训练的得到，所述隐私识别模型是基于训练后的主动学习模型对所述目标数据进行处理后得到的数据对隐私识别模型进行更新后得到。