一种数据处理方法、装置和用于数据处理的装置制造方法及图纸

本申请提供一种数据处理方法、装置和用于数据处理的装置。其中的方法包括：获取待分箱数据的密文组成的数据数组、待分箱数据的正负样本标签的密文组成的标签数组，以及切分点的密文组成的切分点数组；分别将数据数组和标签数组按行复制n次后再进行转置，得到数据矩阵和标签矩阵；将切分点数组按行复制m次，得到切分点矩阵；基于数据矩阵和切分点矩阵，确定数据结果数组，数据结果数组中的元素表示每个箱中的正样本和负样本的总数；根据数据矩阵和标签矩阵，确定负样本结果数组；将数据结果数组与负样本结果数组按元素相减，得到正样本结果数组。本申请可以在密文基础上，统计每个箱内的正负样本个数，保证数据的隐私安全。保证数据的隐私安全。保证数据的隐私安全。

【技术实现步骤摘要】
一种数据处理方法、装置和用于数据处理的装置


[0001]本申请涉及计算机
，尤其涉及一种数据处理方法、装置和用于数据处理的装置。

技术介绍

[0002]随着大数据时代的来临，大数据分析也应运而生。在大数据分析等场景下，经常需要对某类数据进行统计、对比、分析等操作。而数据在采集时可能存在随机误差、异常值、极端值等数值噪音，直接使用的话会影响算法的速度，另外，部分算法不支持连续变量，因此需要对数据进行预处理。
[0003]数据分箱是一种常用的数据预处理方法，“箱”实际上就是按照数据对应的某一属性的属性值划分的子区间，如按照年龄划分的子区间、按照身高划分的子区间等，如果一个数据的属性值处于某个子区间范围内，就把该数据划分到该子区间所代表的箱(bin)内。
[0004]然而，目前的数据分箱方法通常用于对明文数据进行分箱，对于密文数据，则无法根据数据的具体数值统计每个箱内的正负样本个数，导致数据分箱处理过程中需要暴露数据明文，难以保证数据的隐私安全。

技术实现思路

[0005]本申请实施例提供一种数据处理方法、装置和本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据处理方法，其特征在于，所述方法用于基于数据的密文，确定每个箱中正负样本的个数，所述方法包括：获取待分箱数据的密文组成的数据数组、所述待分箱数据的正负样本标签的密文组成的标签数组，以及切分点的密文组成的切分点数组；分别将所述数据数组和所述标签数组按行复制n次后再进行转置，得到数据矩阵和标签矩阵，n为所述切分点的个数；将所述切分点数组按行复制m次，得到切分点矩阵，m为所述待分箱数据的个数；基于所述数据矩阵和所述切分点矩阵，确定数据结果数组，所述数据结果数组中的元素表示每个箱中的正样本和负样本的总数；根据所述数据矩阵和所述标签矩阵，确定负样本结果数组，所述负样本结果数组中的元素表示每个箱中的负样本个数；将所述数据结果数组与所述负样本结果数组按元素相减，得到正样本结果数组，所述正样本结果数组中的元素表示每个箱中的正样本个数。2.根据权利要求1所述的方法，其特征在于，所述切分点为基于所述待分箱数据的密文，依据预设的分箱模式所确定。3.根据权利要求1所述的方法，其特征在于，所述根据所述数据矩阵和所述标签矩阵，确定负样本结果数组，包括：根据所述数据矩阵和所述标签矩阵，确定负样本矩阵；基于所述负样本矩阵和所述切分点矩阵，确定负样本结果数组。4.根据权利要求3所述的方法，其特征在于，所述待分箱数据的正样本标签为0，负样本标签为1。5.根据权利要求4所述的方法，其特征在于，所述根据所述数据矩阵和所述标签矩阵，确定负样本矩阵，包括：对所述数据矩阵与所述标签矩阵基于密文按位相乘，得到负样本矩阵。6.根据权利要求5所述的方法，其特征在于，所述基于所述负样本矩阵和所述切分点矩阵，确定负样本结果数组，包括：对所述负样本矩阵和所述切分点矩阵基于密文按位比较大小，将每一位的比较结果用0或1的密文表示，得到由0或1的密文组成的负样本比较矩阵；对所述负样本比较矩阵从第一列开始到第n-1列依次执行如下更新操作：将当前列与后一列基于密文按位相减，并利用相减得到的结果更新当前列；对更新后的负样本比较矩阵基于密文按行求和，得到负样本结果数组。7.根据权利要求1所述的方法，其特征在于，所述基于所述数据矩阵和所述切分点矩阵，确定数据结果数组，包括：对所述数据矩阵和所述切分点矩阵基于密文按位比较大小，将每一位的比较结果用0或1的密文表示，得到由0或1的密文组成的数据比较矩阵；对所述数据比较矩阵从第一列开始到第n-1列依次执行如下更新操作：将当前列...

【专利技术属性】
技术研发人员：何旭，范晓昱，王国赛，
申请(专利权)人：华控清交信息科技北京有限公司，
类型：发明
国别省市：