[發(fā)明專利]用于保護所收集的車輛數(shù)據(jù)的隱私的系統(tǒng)及方法

在審

• 申請?zhí)枺?/td>: 201910506094.2
• 申請日: 2019-06-12
• 公開（公告）號: CN111241572A
• 公開（公告）日: 2020-06-05
• 發(fā)明（設(shè)計）人: M·D·佩西;E·帕拉斯科瓦斯;F·白;M·奧塞拉;S·薩米
• 申請（專利權(quán)）人: 通用汽車環(huán)球科技運作有限責任公司
• 主分類號: G06F21/62
• 分類號: G06F21/62;G06Q40/08;G06Q30/06
• 代理公司: 中國專利代理(香港)有限公司 72001
• 代理人: 董均華;劉茜

本發(fā)明提供用于保護從車輛收集的數(shù)據(jù)的隱私的方法和設(shè)備。在一個實施例中，方法包含：通過處理器接收由車輛的用戶輸入的隱私偏好；通過處理器接收從車輛收集的數(shù)據(jù)；通過處理器使數(shù)據(jù)失真；通過處理器基于隱私偏好對失真數(shù)據(jù)進行降采樣；以及通過處理器將降采樣的失真車輛數(shù)據(jù)傳送到第三方實體。

技術(shù)領(lǐng)域

本技術(shù)領(lǐng)域大體涉及數(shù)據(jù)收集，且更具體地涉及數(shù)據(jù)收集和保護從車 輛收集的數(shù)據(jù)的隱私。

背景技術(shù)

為了操作，車輛收集并存儲與車輛有關(guān)的數(shù)據(jù)。在一些情況下，第三 方實體對查看和評估此類數(shù)據(jù)感興趣。舉例來說，保險公司的第三方應用 程序或服務(wù)可請求訪問數(shù)據(jù)以基于駕駛行為自動調(diào)整保險費。在另一實例 中，租賃公司的第三方應用程序或服務(wù)可請求訪問數(shù)據(jù)以用于跟蹤車輛使 用和行駛里程。誠實但好奇的第三方實體可違反保護車輛數(shù)據(jù)隱私的某些 法律或服務(wù)條款。

因此，期望提供用于保護從車輛收集的數(shù)據(jù)的隱私同時能夠與第三方 實體共享數(shù)據(jù)的方法及系統(tǒng)。此外，從隨后的實施方式和所附的權(quán)利要求， 結(jié)合附圖和前述技術(shù)領(lǐng)域和背景技術(shù)，本發(fā)明的其它期望特征和特性將變 得顯而易見。

發(fā)明內(nèi)容

提供用于保護從車輛收集的數(shù)據(jù)的隱私的方法和設(shè)備。在一個實施例 中，方法包含：通過處理器接收由車輛的用戶輸入的隱私偏好；通過處理 器接收從車輛收集的數(shù)據(jù)；通過處理器使數(shù)據(jù)失真；通過處理器基于隱私 偏好對失真數(shù)據(jù)進行降采樣；以及通過處理器將降采樣的失真車輛數(shù)據(jù)傳 送到第三方實體。

在各種實施例中，隱私偏好包含與第三方實體相關(guān)聯(lián)的應用程序的評 級。

在各種實施例中，隱私偏好包含與數(shù)據(jù)相關(guān)聯(lián)的存儲時間。

在各種實施例中，方法包含從車輛制造商接收隱私偏好，且其中降采 樣是基于來自車輛制造商的隱私偏好。在各種實施例中，方法包含基于來 自用戶的隱私偏好和由車輛制造商所規(guī)定的評級來計算與第三方實體相 關(guān)聯(lián)的應用程序的可信度得分，且其中降采樣是基于可信度得分。

在各種實施例中，方法包含從車輛接收與若干數(shù)據(jù)源相關(guān)聯(lián)的風險因 子，且其中降采樣是基于風險因子。

在各種實施例中，失真是基于差分隱私方法。

在各種實施例中，差分隱私方法是拉普拉斯(Laplace)機制。

在各種實施例中，方法包含啟用和禁用用戶可用于基于隱私偏好收集 數(shù)據(jù)的應用程序中的至少一個。

在各種實施例中，傳送是傳送到與第三方實體相關(guān)聯(lián)的啟用的應用程 序。

在另一實施例中，提供一種用于保護從車輛收集的數(shù)據(jù)的隱私的服務(wù) 器系統(tǒng)。系統(tǒng)包含：第一非暫時性模塊，經(jīng)配置以通過處理器接收由車輛 的用戶輸入的隱私偏好；和第二非暫時性模塊，經(jīng)配置以通過處理器接收 從車輛收集的數(shù)據(jù)，使數(shù)據(jù)失真，基于隱私偏好對失真數(shù)據(jù)進行降采樣， 且將降采樣的失真數(shù)據(jù)傳送到第三方實體。

在各種實施例中，隱私偏好包含與第三方實體相關(guān)聯(lián)的應用程序的評 級。

在各種實施例中，隱私偏好包含與駐留在第三方服務(wù)器中的數(shù)據(jù)相關(guān) 聯(lián)的存儲時間。

在各種實施例中，第一非暫時性模塊從車輛制造商接收隱私偏好，且 其中第二非暫時性模塊基于來自車輛制造商的隱私偏好進行降采樣。

在各種實施例中，第一非暫時性模塊基于來自用戶的隱私偏好和來自 車輛制造商的隱私偏好來計算與第三方實體相關(guān)聯(lián)的應用程序的可信度 得分，且其中第二非暫時性模塊基于可信度得分進行降采樣。

在各種實施例中，第二非暫時性模塊接收與車輛數(shù)據(jù)源相關(guān)聯(lián)的風險 因子，且基于風險因子進行降采樣。

在各種實施例中，失真是基于差分隱私方法。