[发明专利]实现隐私保护的数据处理方法及装置

说明书

本说明书实施例提供一种实现隐私保护的数据处理方法，该方法包括：获取待处理的传感器数据，以及对应的身份类别标签和业务标签，该业务标签对应针对用户的业务预测任务；接着，将该传感器数据输入数据匿名模型中，得到匿名数据；进一步地，一方面，将该匿名数据输入预先训练的用户身份识别模型中，得到身份预测结果，用于结合身份类别标签确定身份预测损失；另一方面，将该匿名数据输入预先训练的业务预测模型中，得到业务预测结果，用于结合上述业务标签，确定业务预测损失；然后，利用综合损失，训练该数据匿名模型；该综合损失与该身份预测损失负相关，且与该业务预测损失正相关；其中训练后的数据匿名模型用于对目标传感器数据进行匿名处理。

技术领域

本说明书一个或多个实施例涉及数据安全技术领域，尤其涉及一种实现隐私保护的数据处理方法及装置。

背景技术

目前，个人智能设备中嵌入有许多传感器，包括加速度计、陀螺仪和磁力计等，安装在智能设备上的应用程序APP可以访问这些传感器采集到的原始数据，并对原始传感器数据进行处理，以实现与用户的交互，或计算展示给用户的指标数据，以帮助用户了解自己的活动情况或身体状态等。

然而，丰富的原始传感器数据同样带来了泄露用户身份的风险。因此，需要一种方案，可以使得传感器数在可以正常用于后续业务处理的同时，防止用户身份信息的泄露，从而有效保障用户隐私安全。

发明内容

本说明书一个或多个实施例描述了一种实现隐私保护的数据处理方法及装置，通过对原始传感器数据进行匿名化处理，从而有效保障用户隐私安全，同时，保证匿名处理后的传感器数据，对于后续的业务处理仍具有足够高的可用性。

根据第一方面，提供一种实现隐私保护的数据处理方法，包括：获取待处理的传感器数据，其基于用户终端中多个传感器采集到的数据而确定；获取与所述传感器数据对应的身份类别标签和业务标签，该业务标签对应针对用户的业务预测任务；将所述传感器数据输入数据匿名模型中，得到匿名数据；将所述匿名数据输入预先训练的用户身份识别模型中，得到身份预测结果，并基于所述身份预测结果和身份类别标签，确定身份预测损失；将所述匿名数据输入预先训练的业务预测模型中，得到业务预测结果，并基于所述业务预测结果和所述业务标签，确定业务预测损失；利用综合损失，训练所述数据匿名模型；所述综合损失与所述身份预测损失负相关，且与所述业务预测损失正相关；其中训练后的数据匿名模型用于对目标传感器数据进行匿名处理。

在一个实施例中，在得到匿名数据之后，以及在训练所述数据匿名模型之前，所述方法还包括：基于所述匿名数据和所述传感器数据，确定匿名处理损失；其中，所述综合损失还与所述匿名处理损失正相关。

在一个实施例中，所述传感器数据中包括与所述多个传感器对应的多条原始传感器数据，所述匿名数据中包括与所述多条原始传感器数据对应的多条匿名传感器数据；其中，将所述匿名数据输入预先训练的业务预测模型中，得到业务预测结果，包括：基于预先获取的所述业务预测任务与若干传感器之间的对应关系，从所述多条匿名传感器数据中，确定出与所述若干传感器对应的若干条匿名传感器数据；将所述若干条匿名传感器数据输入所述业务预测模型中，得到所述业务预测结果。

在一个实施例中，所述身份预测结果中包括与多个用户身份类别对应的多个预测概率；基于所述身份预测结果和身份类别标签确定身份预测损失，包括：从所述多个预测概率中，确定与所述身份类别标签对应的身份概率；确定所述身份预测损失，所述身份预测损失与所述身份概率负相关。

在一个具体的实施例中，在确定所述身份预测损失之前，所述方法还包括：确定所述多个预测概率中的最大预测概率；其中，所述身份预测损失还与所述最大预测概率正相关。

在一个实施例中，所述用户终端中多个传感器采集到的数据构成原始数据记录；其中获取待处理的传感器数据，包括：将所述原始数据记录输入预先训练的数据脱敏模型中，得到所述待处理的传感器数据。