[发明专利]一种可追溯的共享数据集信息标记、追溯方法及系统

说明书

本发明涉及一种可追溯的共享数据集信息标记、追溯方法及系统，属于信息标记领域。标记方法包括：获取数据分析机构发出的数据申请请求；数据申请请求为数据分析机构根据数据集摘要信息生成的请求信息，数据集摘要信息为数据持有机构通过智能合约在区块链上发布的数据集摘要信息；根据数据申请请求获取每个用户的待分析数据，得到待分析数据集；对待分析数据集中的待分析数据进行模糊处理，去除用户信息；向去除用户信息后的待分析数据集中添加水印，完成待分析数据集的标记；不同数据分析机构对应的水印不同。本发明可以实现在发生数据泄露后，快速找出数据泄露的源头机构，实现了对数据集信息泄露的追溯。

技术领域

本发明涉及信息标记领域，特别是涉及一种可追溯的共享数据集信息标记、追溯方法及系统。

背景技术

目前大数据技术盛行，数据分析技术几乎每个领域都需要关注的问题，数据分析的目的是将隐藏在一大批看似杂乱无章的数据中的信息集中、萃取和提取出来，通过数据分析可以从原本普通的数据中获取到一些潜在的有用信息。在实际应用场景中，主要分为两种，一种是机构自行收集数据然后使用收集的数据做分析，例如各种电商平台通过收集用户的浏览记录分析后更加精准的为用户推荐商品。另一种是数据分析机构向数据持有机构申请数据做数据分析，例如药品公司向医院申请一些病人服用某种药物的数据，然而这种将数据集授予第三方的行为存在数据泄露的风险，当数据持有机构将一份数据授予多个机构做数据分析，当出现数据泄露时，数据持有机构无法精准确定是哪一个机构泄露了数据，并且在追究责任时，数据持有机构还需要确切的证据。

因此，针对数据分析机构向数据持有机构申请数据做数据分析的这种情景，在数据信息发生泄露时，亟需一种能够对泄露信息进行追溯的方案。

发明内容

本发明的目的是提供一种可追溯的共享数据集信息标记、追溯方法及系统，通过对共享数据集信息标记，以实现信息泄漏时对泄露信息进行追溯。

为实现上述目的，本发明提供了如下方案：

一种可追溯的共享数据集信息标记方法，包括：

获取数据分析机构发出的数据申请请求；所述数据申请请求为所述数据分析机构根据数据集摘要信息生成的请求信息，所述数据集摘要信息为数据持有机构通过智能合约在区块链上发布的数据集摘要信息；

根据所述数据申请请求获取每个用户的待分析数据，得到待分析数据集；

对所述待分析数据集中的待分析数据进行模糊处理，去除用户信息；

向去除用户信息后的待分析数据集中添加水印，完成所述待分析数据集的标记；不同数据分析机构对应的水印不同。

可选的，所述向去除用户信息后的待分析数据集中添加水印，具体包括：

提取待定数据集；所述待定数据集为所述去除用户信息后的待分析数据集中的n列数据构成的数据集，n为大于1的偶数；所述去除用户信息后的待分析数据集中不同行对应不同的用户，不同列对应用户不同的属性；

根据所述待定数据集中每行的主键确定需要进行水印处理的行数据；

从所述待定数据集中提取需要进行水印处理的行数据，得到待添加水印数据集；

采用差值扩展法向所述待添加水印数据集中添加水印，得到添加水印后的数据集；

将所述添加水印后的数据集按照行和列的对应原则替换所述去除用户信息后的待分析数据集中的部分数据，得到添加水印后的待分析数据集。

可选的，所述采用差值扩展法向所述待添加水印数据集中添加水印，得到添加水印后的数据集，具体包括：