[发明专利]基于机器学习的隐私数据处理方法、装置及电子设备

说明书

本说明书实施例公开了一种基于机器学习的隐私数据处理方法、装置和电子设备，其中，所述方法可以基于数据需求方的需求，从数据所有方的原始隐私数据中提取目标原始特征，基于特征嵌入模型确定所述目标原始特征的特征嵌入向量，将所述目标原始特征的特征嵌入向量提供给所述数据需求方。

本申请是发明名称为基于机器学习的隐私数据处理方法、装置及电子设备，申请日为2020年1月16日，申请号为202010047788.7的专利申请的分案申请。

技术领域

本申请涉及计算机技术领域，尤其涉及一种基于机器学习的隐私数据处理方法、装置及电子设备。

背景技术

随着科学技术的发展，获取数据并利用数据建模以解决相应的问题，已是非常常见的技术手段。例如，各电商平台会收集用户的商品浏览记录等数据，并根据收集的数据构建商品推荐模型，以向用户推荐商品。

但是很多情况下，数据所有方和数据需求方并非同一方(如数据所有方为第三方支付平台，数据为第三方支付平台积累的用户信用数据，数据需求方为商业银行)，随着人们隐私保护意识的增强以及保护隐私的相关政策法规的推行，数据所有方不愿意或没办法将自身拥有的数据提供给数据需求方。例如，第三方支付平台收集的用户信用数据过于敏感，不便于提供给商业银行。这使得数据需求方的数据使用需求得不到满足。

因此，亟需提出一种既能保护数据隐私，又能满足数据需求方的数据使用需求的数据处理方案。

发明内容

本说明书实施例提供了一种基于机器学习的隐私数据处理方法、装置及电子设备，以在保证隐私不被泄露的前提下，满足数据需求方的数据使用需求。

为解决上述技术问题，本说明书实施例是这样实现的：

第一方面，提出了一种基于机器学习的隐私数据处理方法，包括：

基于数据需求方的需求，从数据所有方的原始隐私数据中提取目标原始特征；

基于特征嵌入模型确定所述目标原始特征的特征嵌入向量，其中，所述特征嵌入模型是基于包含预设原始特征的训练数据训练得到的，所述预设原始特征与所述目标原始特征的类型相同；

将所述目标原始特征的特征嵌入向量提供给所述数据需求方。

第二方面，提出了一种基于机器学习的隐私数据处理方法，包括：

基于金融机构的需求，从第三方支付平台积累的批量用户隐私数据中提取目标原始特征，其中，所述目标原始特征包括用户的社会属性、信用属性和风险偏好中的至少一种；

基于特征嵌入模型确定所述目标原始特征的特征嵌入向量，其中，所述特征嵌入模型是基于包含预设原始特征的训练数据训练得到的，所述预设原始特征与所述目标原始特征的类型相同；

将所述特征嵌入向量提供给所述金融机构，以使所述金融机构基于所述特征向量构建风控模型，所述风控模型用于确定用户的风险评估参数，所述风险评估参数是所述金融机构判断是否向用户提供指定金融服务的依据。

第三方面，提出了一种基于机器学习的隐私数据处理装置，包括：

第一特征提取模块，用于基于数据需求方的需求，从数据所有方的原始隐私数据中提取目标原始特征；

第一向量确定模块，用于基于特征嵌入模型确定所述目标原始特征的特征嵌入向量，其中，所述特征嵌入模型是基于包含预设原始特征的训练数据训练得到的，所述预设原始特征与所述目标原始特征的类型相同；

第一数据提供模块，用于将所述目标原始特征的特征嵌入向量提供给所述数据需求方。

第四方面，提出了一种基于机器学习的隐私数据处理装置，包括：