(19)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 202210539412.7 (22)申请日 2022.05.18 (71)申请人 中国工商银行股份有限公司 地址 100140 北京市西城区复兴门内大街 55号 (72)发明人 李广普　孙建成　花学周　罗斐　 (74)专利代理 机构 北京三友知识产权代理有限 公司 11127 专利代理师 周永君　任默闻 (51)Int.Cl. G06F 21/62(2013.01) G06F 21/60(2013.01) G06F 16/27(2019.01) G06N 20/00(2019.01) H04L 9/40(2022.01) (54)发明名称 基于区块链的隐私数据处理方法、 装置及系 统 (57)摘要 本申请提供了一种基于区块链的隐私数据 处理方法、 装置及系统， 涉及区块链技术领域， 可 应用于金融领域和其他领域， 主要将差分隐私分 解为三种不同的上下文： 一是本地隐私上下文， 由本地客户端节点收集的用户评价数据构成； 二 是中心隐私上下文， 由本地服务器节 点收集的在 用户数据集增加特殊分布的随机干扰数据； 三是 分散式上下文， 利用区块链去中心化和多方共享 的特性， 将不同地点的用户数据上链， 引入统计 随机函数重构矩阵分解模型。 该申请通过三种上 下文的协同配合， 有效解决推荐系统学习过程中 隐私保护和跨地域多因子扩展等问题， 较好地兼 顾了用户的隐私安全和推荐精度， 特别适合应用 于去中心化、 不可信网络环境下的推荐系统机器 学习。 权利要求书3页 说明书14页 附图9页 CN 114817996 A 2022.07.29 CN 114817996 A 1.一种基于区块链的隐私数据处 理方法， 其特 征在于， 所述方法包 含： 根据接收到的用户数据的物 理地址， 将所述用户数据拆分为用户集向量和评价指标集 向量； 通过各物理地址对应的评价指标集向量构建共享分解因子， 根据 所述共享分解因子和 所述用户集向量 生成用户数据报文； 将所述用户数据报文提供至对应服 务端进行差分隐私处 理后上链至区块链。 2.根据权利要求1所述的基于区块链的隐私数据处理方法， 其特征在于， 通过各物理地 址对应的评价指标集向量构建共享分解因子包 含： 根据各物理地址对应的评价指标集向量， 通过协同矩阵分解技术分析所述评价指标集 向量获得共享分解因子 。 3.一种基于区块链的隐私数据处 理方法， 其特 征在于， 所述方法包 含： 获取客户端节点提供的用户数据报文， 根据 所述用户数据报文中的用户集向量和对应 的物理地址构建概 率模型； 根据所述概率模型和差分隐私公式在所述用户数据报文中加入高斯噪声生成干扰数 据集； 将所述干扰数据集上链至区块链。 4.根据权利要求3所述的基于区块链的隐私数据处理方法， 其特征在于， 根据 所述用户 数据报文中的用户集向量和对应的物理地址构建概 率模型包 含： 以所述用户数据报文作为条件分布的观察数据集， 在所述用户数据报文中的用户集向 量和共享分解因子上构建先验概 率分布模型； 根据所述用户数据报文对应的物理地址定义后验分布与先验分布成正比后获得概率 模型。 5.根据权利要求3所述的基于区块链的隐私数据处理方法， 其特征在于， 根据 所述概率 模型和差分隐私公式在所述用户数据报文中加入高斯噪声生成干扰数据集包 含： 根据所述概率模型确定随机算法， 根据所述随机算法和差分隐私公式在所述用户数据 报文中提取样本数据集； 在所述样本数据集中加入高斯噪声生成干扰数据集。 6.一种基于区块链的隐私数据处 理方法， 其特 征在于， 所述方法包 含： 获取服务端提供的干扰数据集和根据训练数据格式预设的训练参数， 通过所述训练参 数对所述干扰数据集中的用户集向量进行迭代计算获得用户隐私数据； 根据所述干扰数据集对应的物理地址计算所述干扰数据集中共享分解因子的迭代梯 度， 根据所述迭代梯度更新所述用户隐私数据中的共享分解因子获得隐私处 理结果； 将所述隐私处 理结果共识至所述区块链上其 他节点。 7.根据权利要求6所述的基于区块链的隐私数据处理方法， 其特征在于， 获取服务端提 供的干扰数据集和根据训练数据格式预设的训练参数还 包含： 将所述干扰数据集中的共享分解因子共识至所述区块链上其 他节点。 8.根据权利要求6所述的基于区块链的隐私数据处理方法， 其特征在于， 根据 所述迭代 梯度更新所述用户隐私数据中的共享分解因子还 包含： 根据李亚普氏条件 对所述迭代梯度进行 标准化平滑剪辑获得平 滑梯度；权　利　要　求　书 1/3 页 2 CN 114817996 A 2根据所述平 滑梯度更新所述用户隐私数据中的共享分解因子 。 9.一种基于区块链的隐私数据处理装置， 其特征在于， 所述装置包含通信模块和本地 隐私上下文处理模块； 所述本地隐私上下文处理模块用于根据接收到的用户数据的物 理地址， 将所述用户数 据拆分为用户集向量和评价指标集向量； 通过各物理地址对应的评价指标集向量构建共享 分解因子， 根据所述共享分解因子和所述用户集向量 生成用户数据报文； 所述通信模块用于接收用户数据； 以及， 将所述用户数据报文提供至对应服务端进行 差分隐私处 理后上链至区块链。 10.一种基于区块链的隐私数据处理装置， 其特征在于， 所述装置包含通信模块和本地 中心上下文处理模块； 所述本地中心上下文处理模块用于根据用户数据报文中的用户集向量和对应的物理 地址构建概率模型； 根据所述概率模型和差分隐私公式在所述用户数据报文中加入高斯噪 声生成干扰数据集； 所述通信模块用于获取客户端节点提供的用户数据报文； 以及， 将所述干扰数据集上 链至区块链。 11.一种基于区块链的隐私数据处理装置， 其特征在于， 所述装置包含通信模块和分散 式上下文处理模块； 所述分散式上下文处理模块用于根据训练数据格式预设的训练参数对接收到的干扰 数据集中的用户集向量进 行迭代计算 获得用户隐私数据； 根据所述干扰数据集对应的物理 地址计算所述干扰数据集中共享分解因子的迭代梯度， 根据所述迭代梯度更新所述用户隐 私数据中的共享分解因子获得隐私处 理结果； 所述通信模块用于获取服务端提供的干扰数据集； 以及， 将所述 隐私处理结果共识至 所述区块链上其 他节点。 12.一种基于区块链的隐私数据处理系统， 其特征在于， 所述系统包含客户端、 服务端 和区块链； 所述客户端与所述 服务端相连， 所述 服务端与所述区块链上对应共识 节点相连； 所述客户端用于根据接收到的用户数据的物理地址， 将所述用户数据拆分为用户集向 量和评价指标集向量； 通过各物理地址对应的评价指标集向量构建共享分解因子， 根据所 述共享分解因子和所述用户集向量 生成用户数据报文； 所述服务端用于根据用户数据报文中的用户集向量和对应的物 理地址构建概率模型； 根据所述 概率模型和差分隐私公式在所述用户数据报文中加入高斯噪声生成干扰数据集； 所述共识节点用于根据训练数据格式预设的训练参数对接收到的干扰数据集中的用 户集向量进行迭代计算获得用户隐私数据； 根据所述干扰数据集对应的物理地址计算所述 干扰数据集中共享分解因子的迭代梯度， 根据所述迭代梯度更新所述用户隐私数据中的共 享分解因子获得隐私处 理结果； 将所述隐私处 理结果共识至所述区块链上其 他节点。 13.一种电子设备， 包括存储器、 处理器及存储在存储器上并可在处理器上运行的计算 机程序， 其特 征在于， 所述处 理器执行所述计算机程序时实现权利要求1至8任一所述方法。 14.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质存储有由计算机 执行权利要求1至8任一所述方法的计算机程序。权　利　要　求　书 2/3 页 3 CN 114817996 A 3