[發(fā)明專利]時序數(shù)據(jù)多層次語義裁剪方法、裝置、電子設(shè)備及介質(zhì)

有效

• 申請?zhí)枺?/td>: 202010551677.X
• 申請日: 2020-06-16
• 公開（公告）號: CN111695157B
• 公開（公告）日: 2022-09-09
• 發(fā)明（設(shè)計）人: 蔣典哲;張?zhí)m;李向陽
• 申請（專利權(quán)）人: 中國科學技術(shù)大學
• 主分類號: G06F21/62
• 分類號: G06F21/62;G06N3/04;G06N3/08;G06F40/30
• 代理公司: 中科專利商標代理有限責任公司 11021
• 代理人: 周天宇

一種時序數(shù)據(jù)多層次語義裁剪方法，包括：獲取時序數(shù)據(jù)，將時序數(shù)據(jù)的語義層次分等級，根據(jù)等級，對時序數(shù)據(jù)進行裁剪，從時序數(shù)據(jù)中提取多個語義層次的語義特征，利用語義特征，重構(gòu)出與各語義層次對應的重構(gòu)時序數(shù)據(jù)。本公開提供的方法可裁剪原時序數(shù)據(jù)不同語義層次的語義特征，并利用該語義特征重構(gòu)出不同語義層次的重構(gòu)時序數(shù)據(jù)，用戶可自定義語義層次，使該重構(gòu)時序數(shù)據(jù)相比于原時序數(shù)據(jù)保留了必要信息，但避免了涉及用戶隱私的信息泄露。

技術(shù)領(lǐng)域

本公開涉及人工智能領(lǐng)域，尤其涉及一種時序數(shù)據(jù)多層次語義裁剪方法、裝置、電子設(shè)備及存儲介質(zhì)。

背景技術(shù)

隨著傳感器技術(shù)的飛速發(fā)展，移動設(shè)備逐漸獲得了計算和感知物理環(huán)境的能力，具有嵌入式傳感器(如加速度計，陀螺儀和心率監(jiān)測器)的智能手機、可穿戴設(shè)備、家庭物聯(lián)網(wǎng)設(shè)備可以收集個人時序運動數(shù)據(jù)，被廣泛用于人類活動識別任務，如日常行為活動分析、位置跟蹤、手勢識別、健康監(jiān)控與疾病監(jiān)測等。

然而，任何事物都有兩面性。雖然移動感知設(shè)備為用戶帶來了極大的便利，但它對于用戶個人的隱私安全帶來了很大的威脅。移動終端設(shè)備可以收集用戶的大量敏感和隱私信息。例如，通過從諸如GPS，加速度計，陀螺儀等傳感器采集數(shù)據(jù)，可以獲取用戶的準確位置信息，用戶的日常生活習慣，健康狀況等敏感信息。這些數(shù)據(jù)對用戶來說通常涉及大量的個人隱私信息，一旦泄露或被惡意使用，將對用戶的隱私造成嚴重威脅。目前控制時序數(shù)據(jù)發(fā)布的模式都是0-1模式，即允許或禁止應用商采集用戶的傳感器數(shù)據(jù)兩種模式。若為了保護隱私，禁止止應用訪問傳感器數(shù)據(jù)，可能會使應用提供的服務失效，給用戶帶來不便。

隱私保護數(shù)據(jù)發(fā)布已引起研究人員的關(guān)注，然而，在面向傳感器收集的非結(jié)構(gòu)化時序數(shù)據(jù)時，現(xiàn)有的方案存在以下缺陷。首先，傳統(tǒng)隱私保護模型主要面向關(guān)系數(shù)據(jù)集，這些模型主要是基于概率和統(tǒng)計方法，沒有充分利用有效的數(shù)據(jù)語義信息，也缺乏對保護數(shù)據(jù)的清楚定義，使用戶難以理解。其次，現(xiàn)有的數(shù)據(jù)處理方法大都使用數(shù)據(jù)聚合的統(tǒng)計方式或?qū)τ谔囟I(lǐng)域的加噪方式以達到保護隱私的目的，沒有根據(jù)時序數(shù)據(jù)的語義信息分粒度、分語義的進行數(shù)據(jù)發(fā)布。這些方法對用戶不友好，不具備相關(guān)知識的用戶很難理解他們的何種隱私受到了保護。

發(fā)明內(nèi)容

(一)要解決的技術(shù)問題

本公開提出一種時序數(shù)據(jù)多語義層次剪裁方法、裝置、電子設(shè)備及存儲介質(zhì)，以至少解決一項上述問題。

(二)技術(shù)方案

本公開的一個方面提供了一種時序數(shù)據(jù)多層次語義裁剪方法，包括：獲取時序數(shù)據(jù)；將所述時序數(shù)據(jù)的語義層次分等級；根據(jù)所述等級，對所述時序數(shù)據(jù)進行裁剪，從所述時序數(shù)據(jù)中提取多個語義層次的語義特征；利用所述語義特征，重構(gòu)出與各語義層次對應的重構(gòu)時序數(shù)據(jù)。

可選地，所述利用所述語義特征，重構(gòu)出與各語義層次對應的重構(gòu)時序數(shù)據(jù)，包括：定義各語義層次的白名單和黑名單，所述白名單包含了所述語義層次的語義特征及低于所述語義層次的語義特征，所述黑名單包含了高于所述語義層次的語義特征；根據(jù)所述白名單，重構(gòu)與所述白名單對應的語義層次的重構(gòu)時序數(shù)據(jù)。

可選地，所述各語義層次對應的重構(gòu)時序數(shù)據(jù)相對于所述時序數(shù)據(jù)的信息損失程度不同。

可選地，所述重構(gòu)時序數(shù)據(jù)的長度與所述時序數(shù)據(jù)的長度相同。

可選地，所述方法還包括：構(gòu)建多層堆疊的卷積受限玻爾茲曼機神經(jīng)網(wǎng)絡(luò)，利用所述神經(jīng)網(wǎng)絡(luò)，實現(xiàn)對所述時序數(shù)據(jù)進行裁剪和重構(gòu)出與各語義層次對應的重構(gòu)時序數(shù)據(jù)。

可選地，所述神經(jīng)網(wǎng)絡(luò)的輸入層和隱藏層之間使用卷積操作連接，所述神經(jīng)網(wǎng)絡(luò)的堆疊層間池化層使用最大概率池化的方式構(gòu)建一個雙向映射，同時支持前向推斷和反向重構(gòu)的過程，所述前向推斷包括對所述時序數(shù)據(jù)進行裁剪，提取所述語義特征，所述反向重構(gòu)包括重構(gòu)與所述白名單對應的語義層次的重構(gòu)時序數(shù)據(jù)。