[发明专利]保护隐私的特征处理方法、特征预测模型训练方法和装置

说明书

本说明书实施例提供了一种保护隐私的特征处理方法、特征预测模型的训练方法和装置，该方法包括：获取客户端发送的第一维度加密信息，其中包括，对第一维度的若干属性值进行同态加密所得的若干项第一密文；通过对若干项第一密文进行第一同态运算，得到第一维度特征密文；获取客户端发送的第二维度加密信息，其中包括，对第二维度的若干属性值进行同态加密所得的若干项第二密文；通过对若干项第二密文进行第二同态运算，得到第二维度特征密文；将第一维度特征密文和第二维度特征密文输入预先训练的特征预测模型，特征预测模型输出预测的第三维度特征密文；第三维度是主体，环境和事件构成的三个维度之一，第一维度和第二维度是上述三个维度中另外两个维度。

技术领域

本说明书一个或多个实施例涉及数据安全和隐私保护领域，尤其涉及一种保护隐私的特征处理方法、特征预测模型的训练方法和装置。

背景技术

很多业务系统在向用户提供业务时，常常需要从用户的客户端采集各种类型、各个维度的用户数据。近年来，随着用户数据的隐私问题不断受到更高程度的重视，在利用这些用户数据向用户提供业务服务的同时，对于保障用户数据的隐私安全，在技术上也提出了越来越高的要求。

发明内容

本说明书中的实施例旨在提供可以挖据出不同维度的客户数据之间的关联关系，进而更有效的利用客户数据，且在客户数据的隐私敏感程度发生变化时，仍可有效保护客户的隐私数据不被泄露的方法，解决现有技术中的不足。

根据第一方面,提供了一种保护隐私的特征处理方法，包括：

获取客户端发送的第一维度加密信息，其中包括，对第一维度的若干属性值进行同态加密所得的若干项第一密文；通过对所述若干项第一密文进行第一同态运算，得到第一维度特征密文；

获取客户端发送的第二维度加密信息，其中包括，对第二维度的若干属性值进行同态加密所得的若干项第二密文；通过对所述若干项第二密文进行第二同态运算，得到第二维度特征密文；

将所述第一维度特征密文和第二维度特征密文输入预先训练的特征预测模型，所述特征预测模型输出预测的第三维度特征密文；所述第三维度是客户端相关的主体，环境和事件构成的三个维度之一，所述第一维度和第二维度是上述三个维度中另外两个维度。

在一种可能的实施方式中，所述方法还包括：

获取客户端发送的第三维度加密信息，其中包括，对第三维度的若干属性值进行同态加密所得的若干项第三密文；通过对所述若干项第三密文进行第三同态运算，得到实际的第三维度特征密文；

根据预测的第三维度特征密文，确定实际的第三维度特征密文是否存在异常。

在一种可能的实施方式中，所述方法还包括：

若结果为是，将所述预测的第三维度特征密文，发送到客户端，用于确定第三维度的属性值是否存在异常。

在一种可能的实施方式中，所述方法还包括：

将所述预测的第三维度特征密文，发送到客户端，用于在客户端预测第三维度的属性值。

在一种可能的实施方式中，所述主体包括用户、设备中的一种；当所述主体为用户，所述主体的属性包括工作、年龄、身份证、户籍中的一种或多种；当所述主体为设备，所述主体的属性包括设备上固有应用、设备标识中一种或多种。

在一种可能的实施方式中，所述环境的属性包括位置信息、网络地址中的一种或多种。

在一种可能的实施方式中，所述事件的属性包括刷脸支付、刷脸认证、刷脸登陆应用、指纹支付、指纹认证、指纹登陆应用中的一种或多种。

根据第二方面,提供了一种特征预测模型的训练方法，包括：