【技术实现步骤摘要】
一种保护序列数据隐私方法、装置、计算机设备及存储介质
本专利技术涉及计算机
，尤其涉及一种保护序列数据隐私方法、装置、计算机设备及存储介质。
技术介绍
物联网(IoT，Internetofthings)，即“万物相连的互联网”，是互联网基础上的延伸和扩展的网络，将各种信息传感设备与互联网结合起来而形成的一个巨大网络，实现在任何时间、任何地点，人、机、物的互联互通。物联网有两层含义：第一，物联网的核心和基础仍然是互联网，是在互联网基础上的延伸和扩展的网络；第二，其用户端延伸和扩展到了任何物品与物品之间，进行信息交换和通信。随着基于云计算的物联网服务需求的增长。我们正应对着处理和分析这些数据的挑战，特别是在需要近乎实时处理这些数据的情况下。仅云计算无法帮助处理如此庞大的数据集并实时提供响应。边缘计算(Edgecomputing)是一个微型数据中心的网状网络，可在本地处理或存储关键数据，并将所有接收的数据推送到中央数据中心或云中心。简而言之，边缘计算可以处理和分析更靠近生成数据源的数据。
技术实现思路
<...
【技术保护点】
1.一种保护序列数据隐私的方法，其特征在于，包括：/n通过数据采集设备获取目标用户的初始数据，并将所述初始数据拆分为随机共享的第一分组数据和第二分组数据；/n将所述第一分组数据和所述第二分组数据分别发送至第一边缘服务器和第二边缘服务器，所述第一边缘服务器和所述第二边缘服务器上均部署有一个双向长短期记忆神经网络；/n所述第一边缘服务器和所述第二边缘服务器分别将对应的所述双向长短期记忆神经网络中的三个门的未激活运算的结果传送至可信第三方，所述可信第三方做求和运算，并接收服务器提供商提供的运算参数，所述可信第三方将所述运算参数随机拆分生成对应于所述第一边缘服务器和所述第二边缘服务...
【技术特征摘要】 【专利技术属性】
1.一种保护序列数据隐私的方法，其特征在于，包括：
通过数据采集设备获取目标用户的初始数据，并将所述初始数据拆分为随机共享的第一分组数据和第二分组数据；
将所述第一分组数据和所述第二分组数据分别发送至第一边缘服务器和第二边缘服务器，所述第一边缘服务器和所述第二边缘服务器上均部署有一个双向长短期记忆神经网络；
所述第一边缘服务器和所述第二边缘服务器分别将对应的所述双向长短期记忆神经网络中的三个门的未激活运算的结果传送至可信第三方，所述可信第三方做求和运算，并接收服务器提供商提供的运算参数，所述可信第三方将所述运算参数随机拆分生成对应于所述第一边缘服务器和所述第二边缘服务器的子运算参数；
所述第一边缘服务器和所述第二边缘服务器接收到所述子运算参数后进行门的激活运算并将运算结果发送至智能物联网设备，所述智能物联网设备接收分别来自所述第一边缘服务器和所述第二边缘服务器的运算结果并经过所述智能物联网设备处理后输出对应所述初始数据的完整输出结果。
2.根据权利要求1所述的保护序列数据隐私的方法，其特征在于，所述将所述初始数据拆分为随机共享的第一分组数据和第二分组数据包括：
将所述初始数据预处理成序列数据，通过预设公式将所述序列数据拆分为随机共享的第一分组序列数据和第二分组序列数据；
所述预设公式为：
A＝A′+A″
其中，A为初始序列数据，A′和A″分别为第一分组序列数据和第二分组序列数据。
3.根据权利要求1所述的保护序列数据隐私的方法，其特征在于，所述双向长短期记忆神经网络为两个互为逆向的单向长短期记忆神经网络的组成。
4.根据权利要求3所述的保护序列数据隐私的方法，其特征在于，所述单向长短期记忆神经网络包括输入层、隐藏层和输出层，所述隐藏层内的当前单元接收当前时刻的输入和上一时刻的隐藏输出后联合进行加工分析，输出当前时刻的输出以及输入至下一时刻的隐藏输出。
5.根据权利要求4所述的保护序列数据隐私的方法，其特征在于，所述单向长短期记忆神经网络的当前时刻的输出由输出门和当前时刻的单元状态共同确定，所述单元状态通过遗忘门和输入门控制；
所述当前时刻的隐藏单元状态输出的计算公式为：
其中，是当前时刻的细胞单元状态，为输出门输出，所述当前时刻的细胞单元状态的计算公式为：
其中，是当前时刻输入的单元状态，是上一时刻的细胞单元状态，是遗忘门输出，是输入门输出，所述当前时刻输入的单元状态的计算公式为：
所述遗忘门输出的计算公式为：
技术研发人员：许艳，冯传凯，刘辉，仲红，
申请(专利权)人：安徽大学，
类型：发明
国别省市：安徽;34
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。