[发明专利]隐私数据的保护方法、装置及电子设备

权利要求书

1.一种隐私数据的保护方法，应用于用户设备，所述方法包括：

获取预设的各个目标文本单元各自对应的各个语义向量；其中，任一目标文本单元对应的语义向量表征该目标文本单元的语义；

确定所述各个目标文本单元在待保护的隐私文本数据中出现的各个频度；

基于所述各个语义向量及所述各个频度，确定所述各个目标文本单元各自对应的各个目标向量；其中，任一目标文本单元对应的目标向量为该目标文本单元对应的语义向量与该目标文本单元对应的频度的乘积；

对所述各个目标向量进行满足差分隐私的扰动处理，得到所述各个目标向量各自对应的各个隐私保护向量；

上传所述各个隐私保护向量；

其中，所述对所述各个目标向量进行满足差分隐私的扰动处理，包括：

随机生成所述各个目标向量的扰动向量；其中，生成任一扰动向量的概率与该扰动向量的范数负相关；

针对各个目标向量，将该目标向量的扰动向量与该目标向量相加，得到该目标向量对应的隐私保护向量。

2.根据权利要求1所述的方法，其中，生成任一扰动向量的概率与预设项成正比，该预设项以自然常数的倒数为底数，以该扰动向量的范数与预设常数的乘积为指数。

3.根据权利要求1所述的方法，其中，所述目标文本单元包括以下至少一种：字，词语，短语，句子以及表情。

4.一种对隐私保护向量进行处理的方法，应用于服务器，所述方法包括：

接收上传的各个隐私保护向量，其中，所述各个隐私保护向量通过权利要求1-3中任一项所述的方法生成；

获取由所述各个语义向量构成的语义矩阵；

基于所述语义矩阵确定所述各个隐私保护向量各自对应的各个混淆向量；所述混淆向量表征经过隐私保护后，所述目标文本单元在所述隐私文本数据中出现的频度的混淆信息；

将所述各个混淆向量输入目标分析模型，以进行分析决策。

5.根据权利要求4所述的方法，其中，针对任一隐私保护向量，通过如下方式确定该隐私保护向量对应的混淆向量：

利用该隐私保护向量减所述语义矩阵与参考向量之乘积得到目标差值；所述参考向量包括一位非零位；

确定使所述目标差值的二范数平方最小的参考向量作为目标参考向量；

将所述目标参考向量中非零位按照四舍五入的方式取整，得到该隐私保护向量对应的混淆向量。

6.根据权利要求4所述的方法，其中，所述目标分析模型包括以下任意一种类型的模型：文本分类模型，文本聚类模型以及主体模型。

7.一种隐私数据的保护装置，应用于用户设备，所述装置包括：

获取模块，用于获取预设的各个目标文本单元各自对应的各个语义向量；其中，任一目标文本单元对应的语义向量表征该目标文本单元的语义；

查找模块，用于确定所述各个目标文本单元在待保护的隐私文本数据中出现的各个频度；

确定模块，用于基于所述各个语义向量及所述各个频度，确定所述各个目标文本单元各自对应的各个目标向量；其中，任一目标文本单元对应的目标向量为该目标文本单元对应的语义向量与该目标文本单元对应的频度的乘积；

扰动模块，用于对所述各个目标向量进行满足差分隐私的扰动处理，得到所述各个目标向量各自对应的各个隐私保护向量；

上传模块，用于上传所述各个隐私保护向量；

其中，所述扰动模块包括：

生成子模块，用于随机生成所述各个目标向量的扰动向量；其中，生成任一扰动向量的概率与该扰动向量的范数负相关；

获取子模块，用于针对各个目标向量，将该目标向量的扰动向量与该目标向量相加，得到该目标向量对应的隐私保护向量。

8.根据权利要求7所述的装置，其中，生成任一扰动向量的概率与预设项成正比，该预设项以自然常数的倒数为底数，以该扰动向量的范数与预设常数的乘积为指数。

9.根据权利要求7所述的装置，其中，所述目标文本单元包括以下至少一种：字，词语，短语，句子以及表情。