[发明专利]数据混淆处理方法、系统及计算机可读介质

权利要求书

1.一种数据混淆处理方法，其特征在于，包括：

基于本端混淆矩阵与对端设备生成的对端混淆矩阵之间的约束关系生成本端混淆矩阵；获取所述对端设备发送的对端混淆参数，所述对端混淆参数为所述对端设备根据对端隐私数据、所述对端混淆矩阵生成；根据本端设备的本端隐私数据、所述对端混淆参数计算本端混淆数据；

根据所述本端混淆矩阵计算本端混淆参数，将所述本端混淆参数发送至所述对端设备；获取所述对端设备根据所述对端隐私数据和所述本端混淆参数生成的对端混淆数据；

根据所述本端混淆数据和所述对端混淆数据生成混淆结果；

基于所述混淆结果处理所述本端隐私数据，并将所述混淆结果发送至所述对端设备，以使所述对端设备基于所述混淆结果对所述对端隐私数据进行处理。

2.根据权利要求1所述的方法，其特征在于，基于本端混淆矩阵与对端设备生成的对端混淆矩阵之间的约束关系生成本端混淆矩阵，包括：

随机生成对称矩阵，将所述对称矩阵发送至所述对端设备，以使所述对端设备基于所述对称矩阵生成对端混淆矩阵；

基于所述本端混淆矩阵与所述对端混淆矩阵之间的约束关系生成所述本端混淆矩阵。

3.根据权利要求2所述的方法，其特征在于，在所述对称矩阵为标准正交矩阵的情况下，基于所述本端混淆矩阵与所述对端混淆矩阵之间的约束关系生成所述本端混淆矩阵，包括：

随机生成第一自然数集合，将所述第一自然数集合发送给所述对端设备，以使所述对端设备基于所述标准正交矩阵和所述第一自然数集合生成所述对端混淆矩阵；

根据所述第一自然数集合生成随机对角矩阵，其中，所述随机对角矩阵中包含的第一类元素的值为随机生成的值，所述随机对角矩阵中包含的第二类元素的值为0，所述第一类元素的元素下标属于所述第一自然数集合，所述第二类元素的元素下标不属于所述第一自然数集合；

根据所述标准正交矩阵和所述随机对角矩阵，生成本端混淆矩阵。

4.根据权利要求1所述的方法，其特征在于，所述约束关系包括所述本端混淆矩阵的转置与所述对端混淆矩阵的乘积为0，且所述本端混淆矩阵的秩与所述对端混淆矩阵的秩都小于所述本端隐私数据的行列数。

5.根据权利要求1所述的方法，其特征在于，根据所述本端混淆数据和所述对端混淆数据生成混淆结果，包括：

将所述本端混淆数据和所述对端混淆数据进行合并，得到所述混淆结果。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

构建所述本端隐私数据与所述对端隐私数据之间的机器学习模型；

根据所述本端隐私数据与所述对端隐私数据之间的混淆结果，对所述本端隐私数据进行降维得到第一降维数据，并获取所述对端设备对所述对端隐私数据进行降维之后得到的第二降维数据；

将所述第一降维数据和所述第二降维数据作为训练数据对所述机器学习模型进行训练，并基于所述混淆结果确定所述机器学习模型的模型参数，得到用于处理所述本端隐私数据的模型。

7.根据权利要求6所述的方法，其特征在于，根据所述本端隐私数据与所述对端隐私数据之间的混淆结果，对所述本端隐私数据进行降维得到第一降维数据，包括：

根据所述混淆结果计算所述本端隐私数据和所述对端隐私数据之间的协方差矩阵；

根据所述协方差矩阵中特征值对应的特征向量确定降维矩阵；

基于所述降维矩阵对所述本端隐私数据进行降维处理，得到所述第一降维数据。