[发明专利]一种基于隐私计算的数据源融合评估方法及系统

权利要求书

1.一种基于隐私计算的数据源融合评估方法，其特征在于，所述方法包括：

查询获取多个数据源的特征数据，并通过对机器学习模型进行训练计算得到每个数据源的评分auc；

对计算得到的各个数据源的评分auc进行排序，根据排序结果并结合各数据源的重要性筛选出排序靠后但必要选取的重要数据源；

对得到的所述重要数据源通过隐私求交的方式获取重要数据源新的变量x和标签y，通过新的变量x和标签y对机器学习模型进行重新训练，计算出所述重要数据源新的更高的评分auc；

根据计算的重要数据源新的评分auc，重新对各个数据源的评分auc进行排序，通过多次迭代直至根据排序结果筛选出包括所述重要数据源的前N个数据源。

2.根据权利要求1所述的一种基于隐私计算的数据源融合评估方法，其特征在于，根据排序结果并结合各数据源的重要性筛选出排序靠后但必要选取的重要数据源，具体包括：

根据数据源的类型判断是否为必要选取的重要数据源，所述数据源的类型包括支付类、SDK类、运营商类、互联网类。

3.根据权利要求1所述的一种基于隐私计算的数据源融合评估方法，其特征在于，对得到的所述重要数据源通过隐私求交的方式获取数据源新的新的变量x和标签y，具体包括：

对单一数据源获取的多项数据进行隐私求交得到新的输入变量x和标签y。

4.根据权利要求1所述的一种基于隐私计算的数据源融合评估方法，其特征在于，查询获取多个数据源的特征数据，具体包括：

首先确认用户侧的授权，特别是对于三方数据的授权是否满足合理、必要、最少化原则；其次确认授权无误后开启数据源侧的查询。

5.一种基于隐私计算的数据源融合评估装置，其特征在于，所述装置包括：

数据查询模块，用于查询获取多个数据源的特征数据；

计算引擎模块，用于通过对机器学习模型进行训练计算得到每个数据源的评分auc；

排序模块，用于对计算得到的各个数据源的评分auc进行排序，根据排序结果并结合各数据源的重要性筛选出排序靠后但必要选取的重要数据源；

隐私计算模块，用于对得到的所述重要数据源通过隐私求交的方式获取重要数据源新的变量x和标签y，通过新的变量x和标签y对机器学习模型进行重新训练，计算出所述重要数据源新的更高的评分auc；

所述排序模块，还用于根据计算的重要数据源新的评分auc，重新对各个数据源的评分auc进行排序，通过多次迭代直至根据排序结果筛选出包括所述重要数据源的前N个数据源。

6.根据权利要求5所述的一种基于隐私计算的数据源融合评估装置，其特征在于，所述排序模块具体用于：

根据数据源的类型判断是否为必要选取的重要数据源，所述数据源的类型包括支付类、SDK类、运营商类、互联网类。

7.根据权利要求5所述的一种基于隐私计算的数据源融合评估装置，其特征在于，所述隐私计算模块，具体用于：

对单一数据源获取的多项数据进行隐私求交得到新的输入变量x和标签y。

8.根据权利要求5所述的一种基于隐私计算的数据源融合评估装置，其特征在于，所述数据查询模块，具体用于：

首先确认用户侧的授权，特别是对于三方数据的授权是否满足合理、必要、最少化原则；其次确认授权无误后开启数据源侧的查询。

9.一种基于隐私计算的数据源融合评估系统，其特征在于，所述系统包括：处理器和存储器；

所述存储器用于存储一个或多个程序指令；

所述处理器，用于运行一个或多个程序指令，用以执行如权利要求1-4任一项所述的方法。

10.一种计算机存储介质，其特征在于，所述计算机存储介质中包含一个或多个程序指令，所述一个或多个程序指令用于被一种基于隐私计算的数据源融合评估系统执行如权利要求1-4任一项所述的方法。