一种隐私保护智能交易推荐方法、系统和可读介质技术方案

本发明专利技术属于智能服务交易领域，涉及一种隐私保护智能交易推荐方法、系统和介质，包括以下步骤：S1对上传的数据进行加密，并将经过加密的数据进行随机分割，将经过分割的数据传输至若干相互独立的数据处理端；S2将选定的智能推荐算法进行重构，并采用经过加密的数据对智能推荐算法进行训练获得最佳的智能推荐算法；S3通过各个数据处理端将经过分割的数据输入最佳的智能推荐算法，并输出推荐结果；S4将所有数据处理端输出的推荐结果进行重组后解密，获得最终智能交易推荐方法。其能够在保障效率的同时，确保用户数据不被泄露，并能够完成智能交易推荐的功能，使系统安全性得到有效提高。高。高。

【技术实现步骤摘要】
一种隐私保护智能交易推荐方法、系统和可读介质


[0001]本专利技术涉及一种隐私保护智能交易推荐方法、系统和介质，属于智能服务交易领域。

技术介绍

[0002]当今社会，随着网络技术的快速发展，互联网用户数量急剧增加的同时互联网中数据信息也大量增多。而为了使人们能够处理如此大量的数据，推荐系统应运而生。推荐系统能够使人们可以更加有效地利用海量数据，从海量数据中得到需要的信息。随着人们处理数据的需求逐渐增多，云计算与云平台技术也在蓬勃发展。现如今，个人用户、企业、金融机构以及国家政府机关，都将自己的数据托管于专业的云计算平台，并利用云计算平台的机器处理数据。这种方式方便了用户和企业但也为他们的数据带来了一定的安全隐患。
[0003]现有技术主流的云计算平台为保障用户数据隐私，主要采用将用户的数据加密后存储在云计算平台上，当用户需要使用数据训练时，再将加密数据传回用户端，解密后，再传至云计算平台上训练。这样的方式能够保障存储的数据不会被恶意攻击者窃取，但却无法保障数据传输以及数据训练时的恶意攻击者。
[0004]如何解决云计算平台上的数据安全问题，现已经成为信息安全领域的焦点问题。而在智能交易推荐中，这一问题显得由为重要。在智能交易推荐中，需要使用大量的用户交易数据进行学习与运算，这些数据往往含有大量的个人隐私，例如用户的购买记录等等。因此将智能交易推荐系统等交给云计算平台训练时，需要进一步提高用户的个人隐私数据的安全性。

技术实现思路

[0005]针对上述问题，本专利技术的目的是提供一种隐私保护智能交易推荐方法、系统和介质，其能够在保障效率的同时，确保用户数据不被泄露，并能够完成智能交易推荐的功能，使系统安全性得到有效提高。
[0006]为实现上述目的，本专利技术采取以下技术方案：一种隐私保护智能交易推荐方法，包括以下步骤：S1对上传的数据进行加密，并将经过加密的数据进行随机分割，将经过分割的数据传输至若干相互独立的数据处理端；S2将选定的智能推荐算法进行重构，并采用经过加密的数据对智能推荐算法进行训练获得最佳的智能推荐算法；S3通过各个数据处理端将经过分割的数据输入最佳的智能推荐算法，并输出推荐结果；S4将所有数据处理端输出的推荐结果进行重组后解密，获得最终智能交易推荐方法。
[0007]进一步，步骤S2中获得最佳的智能推荐算法后，将一部分与用户输入无关的内容提前输入最佳的智能推荐算法进行预计算。
[0008]进一步，步骤S1中采用保序保分布加密算法对上传的数据进行加密。
[0009]进一步，步骤S1中具体包含以下的步骤：S1.1将输入的密钥映射至保序保分布的密钥空间，利用保序保分布的密钥处理用户端上传的数据；S1.2根据数据处理端的数量将
经过加密的数据随机分割成若干部分；S1.3将各部分数据传输至对应的数据处理端。
[0010]进一步，步骤S1中需要对经过分割的数据进行预处理，预处理包括将用户端上传的数据进行归一化，并记录归一化时使用的参数。
[0011]进一步，步骤S2中将选定的智能推荐算法进行重构具体包含以下的步骤：S2.1将智能推荐算法中所有的运算转化为加法和乘法运算；S2.2将加法和乘法运算转化为基于安全多方计算的加法和乘法运算；S2.3根据转化后的加法和乘法运算对智能推荐算法进行重构。
[0012]进一步，步骤S2中采用经过加密的数据对智能推荐算法进行训练获得最佳的智能推荐算法包括以下步骤：S2.4将经过加密的数据分为训练集和测试集；S2.5采用训练集对智能推荐算法进行训练；S2.6采用测试集对经过训练的智能推荐算法进行测试，判断其是否符合预设要求，若符合则生成最佳的智能推荐算法，若不符合，返回步骤S2.5中重新训练。
[0013]本专利技术还公开了一种隐私保护智能交易推荐系统，包括：用户输入端，用于对上传的数据进行加密，并将经过加密的数据进行随机分割，将经过分割的数据传输至若干相互独立的数据处理端；模型训练模块，用于将选定的智能推荐算法进行重构，并采用经过加密的数据对智能推荐算法进行训练获得最佳的智能推荐算法；数据处理端，用于将经过分割的数据输入最佳的智能推荐算法，并将获得的推荐结果回传至用户端；用户输出端，用于将所有数据处理端的推荐结果进行重组后解密，获得最终智能交易推荐方法。
[0014]进一步，推荐系统还包括预计算模块，用于将一部分与用户输入无关的内容提前输入最佳的智能推荐算法进行预计算。
[0015]本专利技术还公开了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行以实现上述任一种的隐私保护智能交易推荐方法。
[0016]本专利技术由于采取以上技术方案，其具有以下优点：
[0017]1、本专利技术具有极高的安全性，通过安全多方计算的方案，保证用户数据不被泄露。
[0018]2、本专利技术通过将一部分运算转移至线下，能够保障一定的效率。
[0019]3、本专利技术能够应用在主流的云计算平台。
附图说明
[0020]图1是本专利技术一实施例中隐私保护智能交易推荐方法的流程图；
[0021]图2是本专利技术一实施例中经过加密的数据对智能推荐算法进行训练的流程图；
[0022]图3是本专利技术一实施例中隐私保护智能交易推荐系统的结构图。
具体实施方式
[0023]为了使本领域技术人员更好的理解本专利技术的技术方向，通过具体实施例对本专利技术进行详细的描绘。然而应当理解，具体实施方式的提供仅为了更好地理解本专利技术，它们不应该理解成对本专利技术的限制。在本专利技术的描述中，需要理解的是，所用到的术语仅仅是用于描述的目的，而不能理解为指示或暗示相对重要性。
[0024]本专利技术涉及一种隐私保护智能交易推荐方法、系统和介质，其包括：对数据进行预处理，产生相应的加密数据，并在分割后发送给相互独立的数据处理端；并在数据处理端中
按用户的要求进行智能推荐或智能推荐模型训练，并将结果返回值用户输出端。其采用安全多方计算，并使用保序保分布的加密算法以及分离策略来处理用户的原始数据，使得用户数据的隐私安全能够得到有效的保障。同时，将一部分计算移交至线下处理，能够提高系统推荐效率。通过以下三个实施例对本专利技术的方案进行进一步说明。
[0025]实施例一
[0026]本实施例公开了一种隐私保护智能交易推荐方法，如图1所示，包括以下步骤：
[0027]S1对上传的数据进行加密，并将经过加密的数据进行随机分割，将经过分割的数据传输至若干相互独立的数据处理端。
[0028]其中，采用保序保分布加密算法对上传的数据进行加密。
[0029]步骤S1中具体包含以下的步骤：
[0030]S1.1将输入的密钥映射至保序保分布的密钥空间，利用保序保分布的密钥处理用户端上传的数据；
[0031]S1.2根据数据处理端的数量将经过加密的数据随机分割成若干部分；
[0032]S1.3将各部分数据传输至对应的数据处理端。
[0033本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种隐私保护智能交易推荐方法，其特征在于，包括以下步骤：S1对上传的数据进行加密，并将经过加密的数据进行随机分割，将经过分割的数据传输至若干相互独立的数据处理端；S2将选定的智能推荐算法进行重构，并采用经过加密的数据对所述智能推荐算法进行训练获得最佳的智能推荐算法；S3通过各个所述数据处理端将所述经过分割的数据输入所述最佳的智能推荐算法，并输出推荐结果；S4将所有数据处理端输出的推荐结果进行重组后解密，获得最终智能交易推荐方法。2.如权利要求1所述的隐私保护智能交易推荐方法，其特征在于，所述步骤S2中获得所述最佳的智能推荐算法后，将一部分与用户输入无关的内容提前输入所述最佳的智能推荐算法进行预计算。3.如权利要求1所述的隐私保护智能交易推荐方法，其特征在于，所述步骤S1中采用保序保分布加密算法对上传的数据进行加密。4.如权利要求3所述的隐私保护智能交易推荐方法，其特征在于，所述步骤S1中具体包含以下的步骤：S1.1将输入的密钥映射至保序保分布的密钥空间，利用保序保分布的密钥处理用户端上传的数据；S1.2根据所述数据处理端的数量将经过加密的数据随机分割成若干部分；S1.3将各部分数据传输至对应的所述数据处理端。5.如权利要求1所述的隐私保护智能交易推荐方法，其特征在于，所述步骤S1中需要对经过分割的数据进行预处理，所述预处理包括将用户端上传的数据进行归一化，并记录所述归一化时使用的参数。6.如权利要求1所述的隐私保护智能交易推荐方法，其特征在于，所述步骤S2中将选定的智能推荐算法进行重构具体包含以下的步骤：S2.1将所述智能推荐算法中所有的运算转化为加法和乘法运算...

【专利技术属性】
技术研发人员：秦波，胡晟，耿一夫，
申请(专利权)人：中国人民大学，
类型：发明
国别省市：