[發明專利]用于安全隱私數據聚合的設備和方法

在審

• 申請號: 202180038368.5
• 申請日: 2021-04-01
• 公開（公告）號: CN115956244A
• 公開（公告）日: 2023-04-11
• 發明（設計）人: 詹姆斯·里德·戴斯蒙德·亞瑟;盧克·安東尼·威廉·羅賓遜;哈里·理查德·基恩
• 申請（專利權）人: 朦朧有限公司
• 主分類號: G06F21/62
• 分類號: G06F21/62
• 代理公司: 深圳尚業知識產權代理事務所(普通合伙) 44503
• 代理人: 文蓉

1.一種能夠對多個原始數據集進行分析，同時保護原始數據集內的信息的隱私的計算機系統，所述系統包括多個合成數據生成器和數據集線器，其中：

每個合成數據生成器被配置為：

訪問存儲在多個原始數據存儲中的對應的一個原始數據存儲中的對應的原始數據集；

基于所述對應的原始數據集，產生合成數據生成器模型，所述合成數據生成器模型被配置為生成表示所述對應的原始數據集的合成數據集；以及

將包括所述對應的合成數據集和所述合成數據生成器模型中的至少一個的合成信息推送到所述數據集線器；

所述數據集線器被配置成存儲從所述合成數據生成器接收的所述合成信息以供一個或多個客戶端訪問以進行分析；以及

所述系統被配置為使得所述數據集線器不能直接訪問所述原始數據集，并且使得所述合成數據信息僅能夠從所述合成數據生成器推送到所述數據集線器。

2.根據前述權利要求中任一項所述的系統，其中，每個合成生成器模型被配置為生成其對應的合成數據集，以符合相對于其對應的原始數據集的對應的隱私級別。

3.根據權利要求2所述的系統，其中，每個合成生成器模型被配置為生成其對應的合成數據，使得所述對應的合成數據集根據所述對應的隱私級別是差異隱私的。

4.根據前述權利要求中任一項所述的系統，其中每個合成數據生成器被配置為基于其對應的原始數據集來更新其對應的合成數據生成器模型的一個或多個參數。

5.根據前述權利要求中任一項所述的系統，其中每個合成數據生成器被限制為相對于其對應的原始數據存儲的只讀特權。

6.根據前述權利要求中任一項所述的系統，其中所述合成數據生成器中的至少一個被配置為將其對應的合成數據生成器模型推送到所述數據集線器，以及所述數據集線器被配置為，為所接收的每個合成數據生成器模型生成對應的合成數據集。

7.根據前述權利要求中任一項所述的系統，還包括一個或多個客戶端，其中所述一個或多個客戶端被配置為從所述數據集線器訪問源自所述合成數據生成器中的至少兩個合成數據生成器的合成數據信息，并且聚合所述所訪問的合成數據信息以確定跨所述所訪問的合成數據信息共享的一個或多個屬性。

8.根據權利要求7所述的系統，其中訪問源自所述合成數據生成器中的至少兩個合成數據生成器的所述合成數據信息包括以下中的一個或多個：

從所述數據集線器拉取至少兩個合成數據集；以及

從所述數據集線器拉取至少兩個合成數據生成器模型，并且針對已經從所述數據集線器拉取的每個合成數據生成器模型，使用所述合成數據模型生成對應的合成數據集。

9.根據權利要求7或8所述的系統，其中，聚合所述所訪問的合成數據信息包括基于所述所訪問的合成數據信息訓練機器學習系統，以確定所述對應的合成數據集的一個或多個屬性。

10.根據前述權利要求中任一項所述的系統，還被配置為確定由所述合成數據生成器模型中的一個或多個對目標提供的相對貢獻。

11.根據權利要求10所述的系統，其中確定由所述合成數據生成器模型中的所述一個或多個對所述目標提供的所述相對貢獻包括確定第一模型與第二模型之間的性能差異，其中：

根據第一訓練數據來訓練所述第一模型以實現所述目標，所述第一訓練數據包括所述一個或多個合成數據生成器模型或由所述一個或多個合成數據生成器模型生成的合成數據；以及

根據第二訓練數據訓練所述第二模型以實現所述目標，所述第二訓練數據不包括所述一個或多個合成數據生成器模型或由所述一個或多個合成數據生成器模型生成的合成數據。