[发明专利]基于GAN的数据混淆决策器

说明书

本发明涉及基于GAN的数据混淆决策器，尤其涉及用于保护与数据相关联的信息的隐私的方法及系统。本发明认识到由于隐私问题等特定方可能会犹豫共享其数据。本发明还认识到当前在多方之间共享数据的方法，诸如安全多方计算、匿名化或区块链技术，不能使特定方在没有第三方干预的情况下决定与其数据相关联的混淆级别。根据本发明描述的各种实施例，特定方可确定与其数据相关联的混淆级别，从而在共享和聚合数据时向各方灌输他们的数据受到保护和保密的信心。

技术领域

本发明涉及一种基于GAN的数据混淆决策器。

背景技术

网络可以监控和分析其数据以检测异常等原因。例如，特定网络可能会执行自己的机制来检测其网络内的异常情况。还可以共享来自多方或网络的数据以进行分析，诸如用于警报关联、异常检测、网络性能监控等。在某些情况下，与分析来自单方或网络的数据相比，聚合来自多方或网络的数据可以增强可对数据执行的分析。然而，本文认识到由于隐私问题等，特定方可能会犹豫共享其数据。

发明内容

本发明的实施例通过提供保护与数据相关联的信息和数据本身的隐私的方法、系统和装置来解决并克服本文描述的一个或多个缺点，从而可以将其与其他数据聚合以进行分析。此外，根据各种实施例，将其数据与另一方或网络聚合的一方或网络可以控制与其数据相关联的混淆级别，以便控制其数据和涉及其数据的信息的隐私。

在一个示例方面，从工业系统的一个或多个装置收集原始数据。神经网络可以学习原始数据的数据分布。此外，诸如混淆级别决策器(OLD)系统的系统可以获取涉及与原始数据相关联的混淆相关的参数值。基于参数值、OLD系统，特别是OLD系统的神经网络，可以在不公开原始数据的情况下生成表示原始数据的合成数据。在各种示例中，可以生成合成数据以根据与原始数据相关联的混淆来保护原始数据。OLD系统可以将合成数据发送到分析系统，使得表示工业系统原始数据的合成数据可以与其他工业系统的数据聚合。在一个示例中，神经网络可以对原始数据建模以确定原始数据的第一数据分布。此外，神经网络可以生成合成数据，使得合成数据定义第二数据分布，其中，定义第一数据分布和第二数据分布之间的差异。在该示例中，差异在第一数据分布相比于第二数据分布的精度容差内。此外，与原始数据相关联的混淆可以随着参数值变化而变化，并且第一数据分布和第二数据分布之间的差异可以随着参数值变化而变化。

在另一个示例方面，OLD系统可以耦接到工业系统的一个或多个装置。OLD系统可以包括输入端口，其被配置为从工业系统的一个或多个装置收集原始数据。OLD系统可以还包括生成式对抗网络(GAN)，其被配置为获取涉及与原始数据相关联的混淆的参数值。GAN可以进一步配置为在不公开原始数据的情况下，基于参数值生成表示原始数据的合成数据。GAN可以根据与原始数据相关联的混淆来生成合成数据以保护原始数据。

在又一个示例方面，一种系统包括被配置为生成原始数据的多个工业网络。每个工业网络都可以被配置为包括生成式对抗网络(GAN)，其被配置为获取涉及与原始数据相关联的混淆的参数值。每个GAN可以进一步配置为在不公开原始数据的情况下，基于参数值生成表示原始数据的合成数据。该系统可以还包括耦接到多个工业网络中的每一个的收集器装置。收集器装置可以被配置为从多个工业网络获取并聚合合成数据。在一些示例中，该系统可以还包括耦接到收集器装置的分析系统。分析系统可被配置为对来自多个工业网络的合成数据进行评估，以在不接收原始数据的情况下分析来自多个工业系统的原始数据。

附图说明

当结合附图阅读时，从以下详细描述中可以最好地理解本发明的前述和其他方面。出于说明本发明的目的，在附图中示出了目前优选的实施例，然而应当理解，本发明不限于所公开的具体手段。附图中包括以下图：

图1是根据示例实施例的示例系统的框图，该示例系统包括多个工厂或工业环境或系统，其分别包括混淆级别决策器(OLD)系统。

图2是根据示例实施例的OLD系统的框图。

图3是根据示例实施例的可由OLD系统执行的方法的流程图。