[发明专利]一种基于隐私计算的心理健康评估方法

权利要求书

1.一种基于隐私计算的心理健康评估方法，其特征在于，包括以下步骤：

S1、获取用于测试用户的心理健康水平的随机性数据，进行预处理，得到预处理后的用户心理健康测试数据；

S2、将预处理后的用户心理健康测试数据进行Paillier同态加密，得到加密数据；

S3、将加密数据送入心理健康状态评估模型中，判断该用户是否具有心理症状及其严重程度如何，得到评估结果。

2.根据权利要求1所述的一种基于隐私计算的心理健康评估方法，其特征在于，数据的获取包括：在云环境中，基于症状自评量表SCL-90，利用心理学和统计学的原理和方法搜集心理健康水平的随机性数据，具体包括以下过程：

S1、症状自评量表SCL-90包含10个维度的测评因子，10个维度中包含了90个测评因子；将测评因子导入心理健康测评系统，生成相应的测试问题列表链接入口或者二维码入口，用户通过入口填写数据，用户填写的数据会存入云环境中；

S2、基于SCL-90的标准对用户填写的数据进行相应的统计，得到用于测试用户的心理健康水平的随机性数据。

3.根据权利要求1所述的一种基于隐私计算的心理健康评估方法，其特征在于，所述预处理包括：

S1、数据选择：将用户心理健康测试的随机性数据里的无用信息进行删除；

S2、数据清洗：对存在冗余、不完整、异常情况的数据进行删除，得到预处理后的用户心理健康测试数据。

4.根据权利要求1所述的一种基于隐私计算的心理健康评估方法，其特征在于，步骤S2中，将预处理后的用户心理健康测试数据进行Paillier同态加密，得到加密数据，具体包括：

S21、用户使用密钥生成算法生成自身的公/私钥对；

S22、用户使用公钥对预处理后的用户心理健康测试数据进行同态加密。

5.根据权利要求1所述的一种基于隐私计算的心理健康评估方法，其特征在于，心理健康状态评估模型的训练包括：

S31、根据已知用户某段时间的症状水平，利用线性回归方式建立样本特征与权重的线性组合，并使用Sigmoid函数来拟合样本点的分布及其变化轨迹；

S32、基于极大似然估计法求得该拟合的损失函数；

S33、利用梯度下降法或牛顿法对所述Logistic回归方法中的回归系数进行优化求解，迭代得出最优回归系数；

S34、根据计算结果得出心理健康状态评估模型。