融合公平、公正和透明法规技术化的多模态隐私保护方法

摘要

本发明提供一种融合公平、公正和透明法规技术化的多模态隐私保护方法，包括：S1、基于用户在网络产生的行为数据提取隐私资源，根据隐私资源构建对应用户的DIKW图谱；S2、监测是否产生关于隐私资源流通的决策，并在产生决策时获取参与者信息，所述参与者包括生成器、通信器和获取者；S3、基于DIKW图谱分析参与者在隐私资源流通过程中的权限，根据分析结果判断关于隐私资源流通的决策的合法性。本发明基于多模态和跨模态内容的本质计算实现了对用户隐私资源的有效保护，同时基于DIKW图谱技术实现了对存储、传输、计算以及隐私数据保护的集成处理效率的优化。

说明书

技术领域

本发明涉及数据管理技术领域，尤其涉及一种融合公平、公正和透明法规技术化的多模态隐私保护方法。

背景技术

通常人工智能系统所作出的自动化决策更加快速和便利，但当自动化决策涉及到人时，可能会导致偏见、歧视和侵犯隐私。如今，越来越多的用户选择在网络如虚拟社区中分享生活，或者与对数据、信息、知识和其他形式的内容感兴趣的人交流。因此，用户浏览和用户自己在虚拟社区上发布的用户生成内容(UGC)留下的如浏览历史，购买历史和交互历史等虚拟痕迹(T

发明内容

本发明的目的在于提供一种融合公平、公正和透明法规技术化的多模态隐私保护方法，以克服或至少部分解决现有技术所存在的上述问题。

一种融合公平、公正和透明法规技术化的多模态隐私保护方法，包括以下步骤：

S1、基于用户在网络产生的行为数据提取隐私资源，根据隐私资源构建对应用户的DIKW图谱；

S2、监测是否产生关于隐私资源流通的决策，并在产生决策时获取参与者信息，所述参与者包括生成器、通信器和获取者；

S3、基于DIKW图谱分析参与者在隐私资源流通过程中的权限，根据分析结果判断关于隐私资源流通的决策的合法性。

进一步的，所述隐私资源流通包括隐私资源感知、存储、转移、处理4个阶段。

进一步的，所述步骤S1具体包括：

S11、根据用户在网络中产生的虚拟痕迹和发布的UGC内容提取隐私资源P

S12、对P

进一步的，在所述步骤S12前还包括：

S111、基于用户对隐私资源的保留程度提取P

S112、通过转换模块将PDIK转换为P

S113、加载PDIK到最终目标存储介质，以构建DIKW图谱。

进一步的，所述步骤S111具体包括：

构造函数计算用户对于隐私资源的保留程度P

判断P

进一步的，所述步骤S112具体包括：

一阶转换阶段，从单一P

二阶转换阶段，通过组合多个P

技术转换阶段，计算将P

进一步的，所述步骤S3具体包括：

S31、获取隐私资源流通阶段信息，并获取参与者的DIKW图谱信息；

S32、根据隐私资源流通阶段信息和相应决策判断参与者所需具备权限，所述权限包括知情权、参与权、遗忘权和监督权；

S33、根据参与者DIKW图谱信息计算参与者是否具备所需权限，根据计算结果判断决策合法性。

进一步的，所述步骤S3具体还包括：

构造函数计算公平指数；

构造函数计算个人安全指数；

构造函数计算个人财务安全指数；

根据计算结果判断决策合法性。

进一步的，所述步骤S3具体还包括：

构造函数计算冲突指数；

构造函数计算自治指数；

构造函数计算声誉指数；

根据计算结果判断决策合法性。

进一步的，所述步骤S3具体还包括：

判断决策是否涉及商品化行为；

若涉及则构造函数计算V

与现有技术相比，本发明的有益效果是：

本发明所提供的一种融合公平、公正和透明法规技术化的多模态隐私保护方法，通过采集用户在网络上的行为数据提取隐私资源，并基于DIKW图谱技术构建相应用户的DIKW图谱，在网络系统中产生关于隐私资源流通的决策行为时，根据DIKW图谱分析参与者在隐私资源流通过程中的权限，并根据分析结果判断关于隐私资源流通的决策的合法性，本发明通过构建一个系统的隐私保护框架，基于多模态和跨模态内容的本质计算实现了对用户隐私资源的有效保护，同时基于DIKW图谱技术实现了对存储、传输、计算以及隐私数据保护的集成处理效率的优化。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的优选实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的多模态隐私保护方法整体流程示意图。

具体实施方式

以下结合附图对本发明的原理和特征进行描述，所列举实施例只用于解释本发明，并非用于限定本发明的范围。

参照图1，本发明提供一种融合公平、公正和透明法规技术化的多模态隐私保护方法，所述方法包括以下步骤：

S1、基于用户在网络产生的行为数据提取隐私资源，根据隐私资源构建对应用户的DIKW图谱。

其中，所述网络可以是虚拟社区，也可以是其他网络系统。

S2、监测是否产生关于隐私资源流通的决策，并在产生决策时获取参与者信息，所述参与者包括生成器、通信器和获取者。

S3、基于DIKW图谱分析参与者在隐私资源流通过程中的权限，根据分析结果判断关于隐私资源流通的决策的合法性。

所述步骤S1具体包括：

S11、根据用户在网络中产生的虚拟痕迹和发布的UGC内容提取隐私资源P

S12、对P

其中D

作为一个示例，在所述步骤S12前还包括：

S111、基于用户对隐私资源的保留程度提取P

S112、通过转换模块将PDIK转换为P

S113、加载PDIK到最终目标存储介质，以构建DIKW图谱。在后续步骤中，经过提取和转换，DIKW图谱将基于所有P

具体的，所述步骤S111包括：

构造函数计算用户对于隐私资源的保留程度P

P

其中，P

判断P

所述步骤S112具体包括：

一阶转换阶段，从单一P

二阶转换阶段，通过组合多个P

技术转换阶段，计算将P

T

其中，E的内容包括转换采用的技术信息E

作为一个示例，所述步骤S3具体包括：

S31、获取隐私资源流通阶段信息，并获取参与者的DIKW图谱信息。

其中，所述隐私资源流通阶段信息用于描述隐私资源流通当前阶段，所述隐私资源流通包括隐私资源感知、存储、转移、处理4个阶段。

S32、根据隐私资源流通阶段信息和相应决策判断参与者所需具备权限，所述权限包括知情权、参与权、遗忘权和监督权。

知情权是指个人了解和获得P

P

其中，E

参与权(Participate)是指参与者参与PDIK管理和决策的权限，参与权的属性包括参与形式、参与数量和参与截止时间等。

遗忘权是指参与者删除P

隐私资源流通过程中的监督权包括逻辑监督、价值监督和权利监督。监督权是AI系统决策过程的门槛，只有每个流通阶段中每个参与者的监督结果真实，相关决策行为才具备合法性。监督主体可以是任何感兴趣的参与者。

逻辑监督主要是监督常见的基本逻辑错误；价值监督主要监督决策行为是否公平、是否影响个人安全、是否影响个人财务安全、是否影响个人声誉、是否涉及不正当商品化等；权利监督主要是监督参与者在每个隐私资源流通阶段中对隐私资源的使用是否超过权限范围。

另外，在隐私资源流通的不同阶段涉及的参与者权限是不相同的。隐私资源感知阶段通常发生在生成器(Generator，一般为用户)和通信器(Communicator，可以是虚拟社区等网络系统)之间，虚拟社区从虚拟痕迹和UGC中提取P

存储阶段是通信器将不同类型P

转移阶段是通信器将DIKW图谱上的P

处理阶段是访问者利用和开发从虚拟社区获得的P

S33、根据参与者DIKW图谱信息计算参与者是否具备所需权限，根据计算结果判断决策合法性。该步骤中，当参与者具备在隐私资源流通的不同阶段所需要具备的权限时，即认为关于本次隐私资源流通的决策是合法的。

一些实施方式中，所述步骤S3具体还包括：

构造函数计算公平指数；

构造函数计算个人安全指数；

构造函数计算个人财务安全指数；

根据公平指数、个人安全指数、个人财务安全指数计算结果判断决策合法性。

在人工智能系统的自动化决策中，应公平对待不同的个体用户。隐私保护是保证AI系统决策公平的重要组成部分，通过构造函数Fairness计算公平指数V

V

其中，P

与用户个人安全相关的P

V

其中，访问实体E的属性包括目的信息和身份信息，它是AI系统的决策工作的一部分，用于验证访问者的身份，并基于目的信息确定发送给访问者的P

在金融安全保护过程中，不同于个人安全，AI系统不仅需要验证访客身份，还需要考虑金融安全的群体隐私属性。群体隐私存在于两个或两个以上的实体(E1，E2，…，En)中，根据其属性可分为群体关系隐私(G

能够威胁金融安全性的黑客的目标不是特定用户，而是G

V

根据决策行为的具体内容选择构造相应的函数来计算公平指数、个人安全指数、个人财务安全指数中的一个或多个计算结果，根据计算结果可判断决策行为的合法性。

一些实施方式中，所述步骤S3具体还包括：

构造函数计算冲突指数；

构造函数计算自治指数；

构造函数计算声誉指数；

根据冲突指数、自治指数、声誉指数的计算结果判断决策合法性。

在虚拟社区中，许多用户在现实世界中维护一个不同于自己真实形象的虚拟形象，并试图保持这种方式。用户不希望虚拟社区中的其他人知道他们在现实世界中的身份，也不希望现实生活中的联系人知道他们在虚拟世界中的身份。互斥隐私资源组P

V

自治意味着个人能够自由行动，选择和做他们想做的事。隐私和自主性对个人成长很重要。如今，随着大数据技术的发展，在个人P

V

用户声誉与隐私密切相关，诽谤是指基于真实或虚假P

V

根据决策行为的具体内容选择构造相应的函数来计算冲突指数、自治指数、声誉指数中的一个或多个计算结果，根据计算结果可判断决策行为的合法性。

一些实施方式中，所述步骤S3具体还包括：

判断决策是否涉及商品化行为；

若涉及则构造函数计算V

商品化是指将个人隐私资源视为纯粹商品的行为，构造函数IAC来计算AI系统决策过程中的V

V

IAC中的E

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。