[發明專利]一種基于隱私保護的數據處理方法、裝置以及電子設備

在審

• 申請號: 202210385699.2
• 申請日: 2022-04-13
• 公開（公告）號: CN114741726A
• 公開（公告）日: 2022-07-12
• 發明（設計）人: 韓紫微;宋啟威;楊妍
• 申請（專利權）人: 中國農業銀行股份有限公司
• 主分類號: G06F21/62
• 分類號: G06F21/62
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 張思淼

本申請實施例公開了一種基于隱私保護的數據處理方法、裝置以及電子設備，該方法包括：首先獲取原始數據，該原始數據為二分類數據；在確定原始數據的卡方值后，確定噪聲數據的卡方值的取值范圍，該噪聲數據是對原始數據進行加噪得到的，原始數據的卡方值和臨界值的大小關系，和噪聲數據的卡方值和臨界值的大小關系是相同的，噪聲數據的卡方值小于原始數據的卡方值；根據原始數據的卡方值和噪聲數據的卡方值的取值范圍，確定第一噪聲頻數的取值范圍；根據第一噪聲頻數的取值范圍和原始數據和噪聲數據之間的差異，確定第一噪聲頻數的取值；基于第一噪聲頻數的取值對原始數據進行加噪以得到噪聲數據，用以提高經過隱私保護的數據的可用性。

技術領域

本發明涉及計算機領域，特別是涉及一種基于隱私保護的數據處理方法、裝置以及電子設備。

背景技術

隨著科學技術的發展，對于數據的研究逐漸受到人們的關注。例如，科研人員利用以科學研究為目的的數據發布平臺上的數據，研究變量之間影響關系。在上述數據發布場景中，可能會存在數據隱私泄露的問題。

通常會對數據進行隱私保護的處理，用以降低數據隱私泄露的情況。然而，目前會對數據進行隱私保護的處理方式，會導致數據對于科學研究的價值大幅度降低，也即經過隱私保護的數據的可用性較低。

發明內容

有鑒于此，本申請提供一種基于隱私保護的數據處理方法、裝置以及電子設備，用以提高經過隱私保護的數據的可用性。

需要說明地是，本申請中對數據的獲取和處理等過程，均是在數據所有者知情的情況下進行的，均是經過數據所有者同意的前提下進行的。

第一方面，本申請提供一種基于隱私保護的數據處理方法，該方法包括：

獲取原始數據；其中，原始數據的取值僅包括第一取值和第二取值兩種，原始數據包括案例組的原始數據和對照組的原始數據；

確定原始數據的卡方值；

根據原始數據的卡方值，確定噪聲數據的卡方值的取值范圍；其中，噪聲數據的取值僅包括第一取值和第二取值兩種，噪聲數據包括案例組的噪聲數據和對照組的噪聲數據，案例組的噪聲數據是對案例組的原始數據進行加噪得到的，對照組的噪聲數據是對對照組的原始數據進行加噪得到的；原始數據的卡方值和臨界值的大小關系，和噪聲數據的卡方值和臨界值的大小關系是相同的；噪聲數據的卡方值小于原始數據的卡方值；

根據原始數據的卡方值和噪聲數據的卡方值的取值范圍，確定第一噪聲頻數的取值范圍；其中，第一噪聲頻數為案例組的噪聲數據中取值為第一取值的數目；

根據第一噪聲頻數的取值范圍，以及原始數據和噪聲數據之間的差異，確定第一噪聲頻數的取值；

基于第一噪聲頻數的取值，分別對案例組的原始數據和對照組的原始數據進行加噪處理，得到案例組的噪聲數據和對照組的噪聲數據。

在一種可能的實現方式中，確定原始數據的卡方值，具體包括：

根據第一原始頻數、第二原始頻數、第一數目和第二數目，確定原始數據的卡方值；其中，第一原始頻數為案例組的原始數據中取值為第一取值的數目，第二原始頻數為案例組的原始數據中取值為第二取值的數目，第一數目為第一原始頻數和對照組的原始數據中取值為第一取值的數目之和，第二數目為第二原始頻數b對照組的原始數據中取值為第二取值的數目之和。

在一種可能的實現方式中，臨界值是查詢卡方分布臨界值表得到的。

在一種可能的實現方式中，根據第一噪聲頻數的取值范圍以及原始數據和噪聲數據之間的差異，確定第一噪聲頻數的取值，具體包括：

在第一噪聲頻數的取值范圍內確定第一噪聲頻數的數值，以使原始數據和噪聲數據之間的差異最大。