(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111425766.0 (22)申请日 2021.11.26 (71)申请人 支付宝 （杭州） 信息技 术有限公司 地址 310000 浙江省杭州市西湖区西溪路 556号8层B段801-1 1 (72)发明人 吴若凡　 (74)专利代理 机构 北京国昊天诚知识产权代理 有限公司 1 1315 代理人 姜凤岩 (51)Int.Cl. G06F 21/62(2013.01) G06F 16/27(2019.01) G06F 21/64(2013.01) G06N 20/00(2019.01) G06K 9/62(2022.01)G06N 3/08(2006.01) G06V 10/764(2022.01) G06V 10/82(2022.01) (54)发明名称 一种基于隐私保护的数据处理方法、 装置及 设备 (57)摘要 本说明书实施例公开了一种基于隐私保护 的数据处理方法、 装置及设备， 该方法包括： 获取 待处理的目标数据， 所述目标数据包括连续型结 构化数据和/或图像类数据， 然后， 可以通过预设 的多种不同的隐私预算， 分别对 所述目标数据进 行差分隐私处理， 得到每种隐私预算对应的差分 隐私结果， 基于多种不同的隐私预算对应的差分 隐私结果， 并通过预设的对比学习损失算法对目 标模型进行训练， 得到训练后的目标模型。 权利要求书3页 说明书21页 附图5页 CN 114036571 A 2022.02.11 CN 114036571 A 1.一种基于隐私保护的数据处 理方法， 所述方法包括： 获取待处 理的目标 数据， 所述目标 数据包括连续型 结构化数据和/或图像 类数据； 通过预设的多种不同的隐私预算， 分别对所述目标数据进行差分隐私处理， 得到每种 隐私预算对应的差分隐私结果； 基于多种不同的隐私预算对应的差分隐私结果， 并通过预设的对比学习损失算法对目 标模型进行训练， 得到训练后的目标模型。 2.根据权利要求1所述的方法， 所述通过预设的多种不同的隐私预算， 分别对所述目标 数据进行差分隐私处 理， 得到每种隐私预算对应的差分隐私结果， 包括： 通过预设的多种不同的隐私预算， 采用预设的差分隐私算法分别对所述目标数据进行 差分隐私处理， 得到每种隐私预算对应的差分隐私结果， 所述差分隐私算法包括基于拉普 拉斯机制的差 分隐私算法、 基于指数机制的差 分隐私算法和基于高斯机制的差 分隐私算法 中的一种或多种。 3.根据权利要求2所述的方法， 所述通过预设的多种不同的隐私预算， 采用预设的差分 隐私算法分别对所述目标数据进行差分隐私处理， 得到每种隐私预算对应的差分隐私结 果， 包括： 获取所述目标 数据对应的向量的维度的数量； 基于预设的多种不同的隐私预算和所述维度的数量， 确定每 个维度对应的隐私预算； 采用预设的差分隐私算法和每个维度对应的隐私预算， 分别对所述目标数据进行差分 隐私处理， 得到每种隐私预算对应的差分隐私结果。 4.根据权利要求1所述的方法， 所述目标数据包括图像类数据， 所述通过预设的多种不 同的隐私预算， 分别对所述 目标数据进行差分隐私处理， 得到每种隐私预算对应的差分隐 私结果之前， 所述方法还 包括： 根据所述 隐私预算的数量， 分别对所述目标数据进行数据增强处理， 得到多个增强数 据； 所述通过预设的多种不同的隐私预算， 分别对所述目标数据进行差分隐私处理， 得到 每种隐私预算对应的差分隐私结果， 包括： 通过预设的多种不同的隐私预算， 对所述增强数据进行差分隐私处理， 得到每种隐私 预算对应的差分隐私结果。 5.根据权利要求4所述的方法， 所述根据所述隐私预算的数量， 分别对所述目标数据进 行数据增强处 理， 得到多个增强数据， 包括： 根据所述隐私预算的数量， 确定对所述目标数据进行数据增强处理所需采用的处理方 式； 根据所述隐私预算的数量， 通过确定的处理方式分别对所述目标数据进行数据增强处 理， 得到多个增强数据。 6.根据权利要求5所述的方法， 所述确定的处理方式为预设的一种处理方式， 或， 所述 确定的处理方式包括多种不同的处理方式， 所述确定的处理方式包括随机旋转和图像裁剪 中的一种或多种。 7.根据权利要求1所述的方法， 所述 隐私预算基于所述目标数据对应的向量的维度信 息和对所述目标 数据的隐私保护的目标确定 。权　利　要　求　书 1/3 页 2 CN 114036571 A 28.一种基于隐私保护的数据处 理方法， 应用于区块链系统， 所述方法包括： 获取基于隐私保护的对比学习的规则信 息， 采用基于隐私保护的对比学习的规则信 息 生成相应的第一智能合约， 并将所述第一智能合约部署到所述区块链系统中； 当获取到待处理的目标数据时， 调用所述第一智能合约， 通过预设的多种不同的隐私 预算， 分别对所述目标数据进 行差分隐私处理， 得到每种隐私预算对应的差 分隐私结果， 所 述目标数据包括连续型 结构化数据和/或图像 类数据； 调用所述第一智能合约， 并基于多种不同的隐私预算对应的差分隐私结果， 通过预设 的对比学习损失算法对目标模型进行训练， 得到训练后的目标模型。 9.根据权利要求8所述的方法， 所述目标数据包括图像类数据， 所述调用所述第 一智能 合约， 通过预设的多种不同的 隐私预算， 分别对所述目标数据进 行差分隐私处理， 得到每种 隐私预算对应的差分隐私结果之前， 所述方法还 包括： 基于预先部署于所述区块链系统中的第二智能合约， 根据所述 隐私预算的数量， 分别 对所述目标 数据进行 数据增强处 理， 得到多个增强数据； 所述调用所述第一智能合约， 通过预设的多种不同的隐私预算， 分别对所述目标数据 进行差分隐私处 理， 得到每种隐私预算对应的差分隐私结果， 包括： 调用所述第一智能合约， 通过预设的多种不同的隐私预算， 对所述增强数据进行差分 隐私处理， 得到每种隐私预算对应的差分隐私结果。 10.一种基于隐私保护的数据处 理装置， 所述装置包括： 数据获取模块， 获取待处理的目标数据， 所述目标数据包括连续型结构化数据和/或图 像类数据； 差分隐私模块， 通过预设的多种不同的隐私预算， 分别对所述目标数据进行差分隐私 处理， 得到每种隐私预算对应的差分隐私结果； 对比学习模块， 基于多种不同的隐私预算对应的差分隐私结果， 并通过预设的对比学 习损失算法对目标模型进行训练， 得到训练后的目标模型。 11.一种基于隐私保护的数据处理装置， 所述装置为 区块链系统中的装置， 所述装置包 括： 合约部署模块， 获取基于隐私保护的对比学习的规则信息， 采用基于隐私保护的对比 学习的规则信息生成相应的第一智能合约， 并将所述第一智能合约部署到所述区块链系统 中； 差分隐私模块， 当获取到待处理的目标数据时， 调用所述第 一智能合约， 通过预设的多 种不同的隐私预算， 分别对所述 目标数据进行差分隐私处理， 得到每种隐私预算对应的差 分隐私结果， 所述目标 数据包括连续型 结构化数据和/或图像 类数据； 对比学习模块， 调用所述第一智能合约， 并基于多种不同的隐私预算对应的差分隐私 结果， 通过 预设的对比学习损失算法对目标模型进行训练， 得到训练后的目标模型。 12.一种基于隐私保护的数据处 理设备， 所述基于隐私保护的数据处 理设备包括： 处理器； 以及 被安排成存储计算机可执行指令的存储器， 所述可执行指令在被执行时使所述处理 器： 获取待处 理的目标 数据， 所述目标 数据包括连续型 结构化数据和/或图像 类数据；权　利　要　求　书 2/3 页 3 CN 114036571 A 3