本技術(shù)涉及物聯(lián)網(wǎng)，具體而言，涉及一種物聯(lián)網(wǎng)環(huán)境下的隱私訪問控制方法及系統(tǒng)。

背景技術(shù)：

1、隨著物聯(lián)網(wǎng)技術(shù)的快速發(fā)展，越來越多的設(shè)備被連接到互聯(lián)網(wǎng)，形成了龐大的物聯(lián)網(wǎng)系統(tǒng)。這些設(shè)備之間的通信和交互產(chǎn)生了大量的數(shù)據(jù)，其中包括了許多用戶的隱私信息。如何保護(hù)這些隱私信息不被泄露，同時(shí)又能有效地進(jìn)行數(shù)據(jù)處理和訪問控制，成為了物聯(lián)網(wǎng)技術(shù)發(fā)展中亟待解決的問題。

2、在傳統(tǒng)的物聯(lián)網(wǎng)服務(wù)環(huán)境中，隱私訪問控制通常依賴于預(yù)設(shè)的規(guī)則和策略。然而，這種方法在面對(duì)復(fù)雜多變的物聯(lián)網(wǎng)環(huán)境和海量的數(shù)據(jù)時(shí)，往往顯得力不從心。一方面，預(yù)設(shè)的規(guī)則和策略難以覆蓋所有的場景和情況，容易造成隱私泄露的風(fēng)險(xiǎn)；另一方面，隨著物聯(lián)網(wǎng)設(shè)備的不斷增加和數(shù)據(jù)量的不斷增長，傳統(tǒng)的隱私訪問控制方法面臨著巨大的處理壓力。

技術(shù)實(shí)現(xiàn)思路

1、有鑒于此，本技術(shù)的目的在于提供一種物聯(lián)網(wǎng)環(huán)境下的隱私訪問控制方法及系統(tǒng)，旨在通過結(jié)合數(shù)據(jù)脫敏和隱私訪問控制技術(shù)，實(shí)現(xiàn)物聯(lián)網(wǎng)環(huán)境下的高效、安全的隱私訪問控制。

2、依據(jù)本技術(shù)的第一方面，提供一種物聯(lián)網(wǎng)環(huán)境下的隱私訪問控制方法，所述方法包括：

3、獲取第一物聯(lián)網(wǎng)服務(wù)環(huán)境的物聯(lián)網(wǎng)會(huì)話日志；

4、將所述物聯(lián)網(wǎng)會(huì)話日志加載到物聯(lián)網(wǎng)會(huì)話脫敏網(wǎng)絡(luò)，所述物聯(lián)網(wǎng)會(huì)話脫敏網(wǎng)絡(luò)是基于顯著性特征誤差進(jìn)行網(wǎng)絡(luò)學(xué)習(xí)生成的，其中，所述顯著性特征誤差是基于第一物聯(lián)網(wǎng)服務(wù)環(huán)境的第一樣例物聯(lián)網(wǎng)會(huì)話數(shù)據(jù)序列進(jìn)行數(shù)據(jù)脫敏后生成的第一脫敏數(shù)據(jù)序列中的樣例顯著性特征數(shù)據(jù)，以及第二物聯(lián)網(wǎng)服務(wù)環(huán)境的第二樣例物聯(lián)網(wǎng)會(huì)話數(shù)據(jù)序列進(jìn)行數(shù)據(jù)脫敏后生成的第二脫敏數(shù)據(jù)序列中的樣例顯著性特征數(shù)據(jù)進(jìn)行確定的；

5、獲取所述物聯(lián)網(wǎng)會(huì)話脫敏網(wǎng)絡(luò)對(duì)所述物聯(lián)網(wǎng)會(huì)話日志進(jìn)行進(jìn)行數(shù)據(jù)脫敏生成的所述第二物聯(lián)網(wǎng)服務(wù)環(huán)境的目標(biāo)會(huì)話日志，所述目標(biāo)會(huì)話日志中包括的顯著性特征數(shù)據(jù)與所述物聯(lián)網(wǎng)會(huì)話日志中包括的顯著性特征數(shù)據(jù)匹配；

6、基于所述第二物聯(lián)網(wǎng)服務(wù)環(huán)境的目標(biāo)會(huì)話日志對(duì)所述第二物聯(lián)網(wǎng)服務(wù)環(huán)境的隱私訪問控制網(wǎng)絡(luò)進(jìn)行優(yōu)化后，基于優(yōu)化后的隱私訪問控制網(wǎng)絡(luò)執(zhí)行目標(biāo)隱私訪問控制任務(wù)。

7、在第一方面的一種可能的實(shí)施方式中，在將所述物聯(lián)網(wǎng)會(huì)話日志加載到物聯(lián)網(wǎng)會(huì)話脫敏網(wǎng)絡(luò)之前，所述方法還包括：

8、獲取所述第一樣例物聯(lián)網(wǎng)會(huì)話數(shù)據(jù)序列、所述第二樣例物聯(lián)網(wǎng)會(huì)話數(shù)據(jù)序列以及候選神經(jīng)網(wǎng)絡(luò)，其中，所述候選神經(jīng)網(wǎng)絡(luò)包括第一脫敏預(yù)測單元和第二脫敏預(yù)測單元，所述第一樣例物聯(lián)網(wǎng)會(huì)話數(shù)據(jù)序列和所述第二樣例物聯(lián)網(wǎng)會(huì)話數(shù)據(jù)序列中的樣例物聯(lián)網(wǎng)會(huì)話數(shù)據(jù)均標(biāo)注了用于指示所述樣例顯著性特征數(shù)據(jù)的先驗(yàn)標(biāo)簽知識(shí)；

9、將所述第一樣例物聯(lián)網(wǎng)會(huì)話數(shù)據(jù)序列加載至所述第一脫敏預(yù)測單元，進(jìn)行數(shù)據(jù)脫敏生成標(biāo)注了所述樣例顯著性特征數(shù)據(jù)的所述第二物聯(lián)網(wǎng)服務(wù)環(huán)境的第一脫敏數(shù)據(jù)序列，并將所述第二樣例物聯(lián)網(wǎng)會(huì)話數(shù)據(jù)序列加載至所述第二脫敏預(yù)測單元，進(jìn)行數(shù)據(jù)脫敏生成標(biāo)注了所述樣例顯著性特征數(shù)據(jù)的所述第一物聯(lián)網(wǎng)服務(wù)環(huán)境的第二脫敏數(shù)據(jù)序列；

10、基于所述第二脫敏數(shù)據(jù)序列中的樣例顯著性特征數(shù)據(jù)和所述第一脫敏數(shù)據(jù)序列中的樣例顯著性特征數(shù)據(jù)確定所述顯著性特征誤差；

11、基于所述顯著性特征誤差對(duì)所述候選神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，以生成所述物聯(lián)網(wǎng)會(huì)話脫敏網(wǎng)絡(luò)。

12、在第一方面的一種可能的實(shí)施方式中，所述獲取所述第一樣例物聯(lián)網(wǎng)會(huì)話數(shù)據(jù)序列、所述第二樣例物聯(lián)網(wǎng)會(huì)話數(shù)據(jù)序列以及候選神經(jīng)網(wǎng)絡(luò)，包括：

13、獲取所述第一物聯(lián)網(wǎng)服務(wù)環(huán)境的樣例物聯(lián)網(wǎng)會(huì)話數(shù)據(jù)，并獲取所述第二物聯(lián)網(wǎng)服務(wù)環(huán)境的樣例物聯(lián)網(wǎng)會(huì)話數(shù)據(jù)；

14、對(duì)所獲取到的所述第一物聯(lián)網(wǎng)服務(wù)環(huán)境的樣例物聯(lián)網(wǎng)會(huì)話數(shù)據(jù)進(jìn)行所述樣例顯著性特征數(shù)據(jù)的先驗(yàn)知識(shí)標(biāo)注，生成所述第一樣例物聯(lián)網(wǎng)會(huì)話數(shù)據(jù)序列；

15、對(duì)所獲取所述第二物聯(lián)網(wǎng)服務(wù)環(huán)境的部分樣例物聯(lián)網(wǎng)會(huì)話數(shù)據(jù)進(jìn)行所述樣例顯著性特征數(shù)據(jù)的先驗(yàn)知識(shí)標(biāo)注，生成所述第二樣例物聯(lián)網(wǎng)會(huì)話數(shù)據(jù)序列。

16、在第一方面的一種可能的實(shí)施方式中，所述基于所述第二脫敏數(shù)據(jù)序列中的樣例顯著性特征數(shù)據(jù)和所述第一脫敏數(shù)據(jù)序列中的樣例顯著性特征數(shù)據(jù)確定所述顯著性特征誤差，包括：

17、基于所述第一脫敏數(shù)據(jù)序列中的樣例顯著性特征數(shù)據(jù)和所述第一樣例物聯(lián)網(wǎng)會(huì)話數(shù)據(jù)序列中的樣例顯著性特征數(shù)據(jù)的特征距離，生成第一顯著性特征誤差；

18、基于所述第二脫敏數(shù)據(jù)序列中的樣例顯著性特征數(shù)據(jù)和所述第二樣例物聯(lián)網(wǎng)會(huì)話數(shù)據(jù)序列中的樣例顯著性特征數(shù)據(jù)的特征距離，生成第二顯著性特征誤差；

19、基于所述第一顯著性特征誤差和第二顯著性特征誤差生成所述顯著性特征誤差。

20、在第一方面的一種可能的實(shí)施方式中，在所述基于所述顯著性特征誤差對(duì)所述候選神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練之前，所述方法還包括：

21、將所述第一脫敏數(shù)據(jù)序列加載至所述第二脫敏預(yù)測單元中進(jìn)行數(shù)據(jù)脫敏預(yù)測，生成所述第一物聯(lián)網(wǎng)服務(wù)環(huán)境的第一重構(gòu)會(huì)話數(shù)據(jù)序列；

22、將所述第二脫敏數(shù)據(jù)序列加載至所述第一脫敏預(yù)測單元中進(jìn)行數(shù)據(jù)脫敏預(yù)測，生成所述第二物聯(lián)網(wǎng)服務(wù)環(huán)境的第二重構(gòu)會(huì)話數(shù)據(jù)序列；

23、基于所述第一重構(gòu)會(huì)話數(shù)據(jù)序列和所述第一樣例物聯(lián)網(wǎng)會(huì)話數(shù)據(jù)序列的相關(guān)性，生成第一重構(gòu)誤差參數(shù)；

24、基于所述第二重構(gòu)會(huì)話數(shù)據(jù)序列和所述第二樣例物聯(lián)網(wǎng)會(huì)話數(shù)據(jù)序列的相關(guān)性，生成第二重構(gòu)誤差參數(shù)；

25、基于所述第一重構(gòu)誤差參數(shù)和所述第二重構(gòu)誤差參數(shù)生成所述重構(gòu)誤差參數(shù)；

26、所述基于所述顯著性特征誤差對(duì)所述候選神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，包括：

27、基于所述重構(gòu)誤差參數(shù)和所述顯著性特征誤差生成所述候選神經(jīng)網(wǎng)絡(luò)對(duì)應(yīng)的全局誤差參數(shù)，基于所述全局誤差參數(shù)對(duì)所述候選神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。

28、在第一方面的一種可能的實(shí)施方式中，所述候選神經(jīng)網(wǎng)絡(luò)還包括用于在所述第二物聯(lián)網(wǎng)服務(wù)環(huán)境上鑒別會(huì)話日志有效性的第一鑒別單元，以及用于在所述第一物聯(lián)網(wǎng)服務(wù)環(huán)境上鑒別會(huì)話日志有效性的第二鑒別單元；

29、所述基于所述全局誤差參數(shù)對(duì)所述候選神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練之前，所述方法還包括：

30、將所述第一脫敏數(shù)據(jù)序列加載至所述第一鑒別單元中，生成第一鑒別結(jié)果；

31、將所述第二脫敏數(shù)據(jù)序列加載至所述第二鑒別單元中，生成第二鑒別結(jié)果；

32、將所述第二樣例物聯(lián)網(wǎng)會(huì)話數(shù)據(jù)序列加載至所述第一鑒別單元中，生成第三鑒別結(jié)果；

33、將所述第一樣例物聯(lián)網(wǎng)會(huì)話數(shù)據(jù)序列加載至所述第二鑒別單元中，生成第四鑒別結(jié)果；

34、基于所述第一鑒別結(jié)果和所述第三鑒別結(jié)果生成第一鑒別比較誤差參數(shù)；

35、基于所述第二鑒別結(jié)果和所述第四鑒別結(jié)果生成第二鑒別比較誤差參數(shù)；

36、基于所述第一鑒別比較誤差參數(shù)和所述第二鑒別比較誤差參數(shù)生成鑒別比較誤差參數(shù)；

37、在第一方面的一種可能的實(shí)施方式中，所述基于所述重構(gòu)誤差參數(shù)和所述顯著性特征誤差生成所述候選神經(jīng)網(wǎng)絡(luò)對(duì)應(yīng)的全局誤差參數(shù)，包括：

38、獲取所述重構(gòu)誤差參數(shù)的訓(xùn)練參與系數(shù)和所述顯著性特征誤差的訓(xùn)練參與系數(shù)；

39、基于所述重構(gòu)誤差參數(shù)的訓(xùn)練參與系數(shù)和所述顯著性特征誤差的訓(xùn)練參與系數(shù)，對(duì)所述重構(gòu)誤差參數(shù)和所述顯著性特征誤差進(jìn)行融合生成融合誤差參數(shù)；

40、基于所述融合誤差參數(shù)和所述鑒別比較誤差參數(shù)生成所述候選神經(jīng)網(wǎng)絡(luò)對(duì)應(yīng)的全局誤差參數(shù)。

41、在第一方面的一種可能的實(shí)施方式中，所述基于所述全局誤差參數(shù)對(duì)所述候選神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，包括：

42、鎖定所述第一鑒別單元和所述第二鑒別單元的權(quán)重配置信息，基于所述全局誤差參數(shù)對(duì)所述第一脫敏預(yù)測單元和所述第二脫敏預(yù)測單元進(jìn)行訓(xùn)練；

43、鎖定所述第一脫敏預(yù)測單元和所述第二脫敏預(yù)測單元的權(quán)重配置信息，基于所述鑒別比較誤差參數(shù)對(duì)所述第一鑒別單元和所述第二鑒別單元進(jìn)行訓(xùn)練。

44、在第一方面的一種可能的實(shí)施方式中，所述獲取所述物聯(lián)網(wǎng)會(huì)話脫敏網(wǎng)絡(luò)對(duì)所述物聯(lián)網(wǎng)會(huì)話日志進(jìn)行進(jìn)行數(shù)據(jù)脫敏生成的所述第二物聯(lián)網(wǎng)服務(wù)環(huán)境的目標(biāo)會(huì)話日志，包括：

45、獲取所述物聯(lián)網(wǎng)會(huì)話脫敏網(wǎng)絡(luò)的第一脫敏預(yù)測單元進(jìn)行數(shù)據(jù)脫敏生成的所述第二物聯(lián)網(wǎng)服務(wù)環(huán)境的目標(biāo)會(huì)話日志。

46、在第一方面的一種可能的實(shí)施方式中，所述目標(biāo)會(huì)話日志中包括的顯著性特征數(shù)據(jù)為針對(duì)隱私訪問控制任務(wù)所標(biāo)注的特征部分；所述基于所述第二物聯(lián)網(wǎng)服務(wù)環(huán)境的目標(biāo)會(huì)話日志對(duì)所述第二物聯(lián)網(wǎng)服務(wù)環(huán)境的隱私訪問控制網(wǎng)絡(luò)進(jìn)行優(yōu)化的步驟，包括：

47、獲取第二物聯(lián)網(wǎng)服務(wù)環(huán)境的隱私訪問控制網(wǎng)絡(luò)，所述隱私訪問控制網(wǎng)絡(luò)用于依據(jù)所述顯著性特征數(shù)據(jù)執(zhí)行所述隱私訪問控制任務(wù)；

48、獲取樣本學(xué)習(xí)數(shù)據(jù)序列，所述樣本學(xué)習(xí)數(shù)據(jù)序列包括目標(biāo)會(huì)話日志和用于指示所述顯著性特征數(shù)據(jù)的標(biāo)注數(shù)據(jù)；

49、基于所述樣本學(xué)習(xí)數(shù)據(jù)序列對(duì)所述隱私訪問控制網(wǎng)絡(luò)進(jìn)行優(yōu)化。

50、依據(jù)本技術(shù)的第二方面，提供一種物聯(lián)網(wǎng)環(huán)境下的隱私訪問控制系統(tǒng)，所述物聯(lián)網(wǎng)環(huán)境下的隱私訪問控制系統(tǒng)包括機(jī)器可讀存儲(chǔ)介質(zhì)及處理器，所述機(jī)器可讀存儲(chǔ)介質(zhì)存儲(chǔ)有機(jī)器可執(zhí)行指令，所述處理器在執(zhí)行所述機(jī)器可執(zhí)行指令時(shí)，該物聯(lián)網(wǎng)環(huán)境下的隱私訪問控制系統(tǒng)實(shí)現(xiàn)前述的物聯(lián)網(wǎng)環(huán)境下的隱私訪問控制方法。

51、依據(jù)本技術(shù)的第三方面，提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)中存儲(chǔ)有計(jì)算機(jī)可執(zhí)行指令，在所述計(jì)算機(jī)可執(zhí)行指令被執(zhí)行時(shí)，實(shí)現(xiàn)前述的物聯(lián)網(wǎng)環(huán)境下的隱私訪問控制方法。

52、依據(jù)上述任意一個(gè)方面，本技術(shù)的技術(shù)效果在于：

53、通過獲取第一物聯(lián)網(wǎng)服務(wù)環(huán)境的物聯(lián)網(wǎng)會(huì)話日志，將物聯(lián)網(wǎng)會(huì)話日志加載到基于顯著性特征誤差訓(xùn)練得到的物聯(lián)網(wǎng)會(huì)話脫敏網(wǎng)絡(luò)，能夠有效地對(duì)數(shù)據(jù)進(jìn)行脫敏處理，不僅能夠去除或替換日志中的敏感信息，而且能夠確保脫敏后的數(shù)據(jù)序列中的顯著性特征數(shù)據(jù)與原始數(shù)據(jù)相匹配，從而在保護(hù)用戶隱私的同時(shí)保留了數(shù)據(jù)的關(guān)鍵特征。進(jìn)一步地，利用脫敏后的目標(biāo)會(huì)話日志對(duì)第二物聯(lián)網(wǎng)服務(wù)環(huán)境的隱私訪問控制網(wǎng)絡(luò)進(jìn)行優(yōu)化，可以顯著提高隱私訪問控制的精準(zhǔn)度和效率。優(yōu)化后的隱私訪問控制網(wǎng)絡(luò)能夠更準(zhǔn)確地識(shí)別物聯(lián)網(wǎng)環(huán)境中的異常行為，及時(shí)調(diào)整訪問控制策略，從而提升整個(gè)物聯(lián)網(wǎng)系統(tǒng)的安全性和隱私保護(hù)能力。由此，通過結(jié)合數(shù)據(jù)脫敏和隱私訪問控制網(wǎng)絡(luò)，實(shí)現(xiàn)了在保護(hù)用戶隱私的同時(shí)，有效提升了物聯(lián)網(wǎng)服務(wù)環(huán)境的安全性和數(shù)據(jù)處理的智能性。