体检用户隐私保护方法、装置和系统与流程

本发明涉及计算机信息安全，尤其涉及一种体检用户隐私保护方法、装置和系统。

背景技术：

1、随着经济高速发展，互联网及移动互联网的普及，基于用户行为轨迹进行数据收集后建立模型以预测用户的行为偏好已经成为一种趋势，但个人用户数据安全已经日益成为社会各界关注的焦点，为此各国都在出台数据安全相关条例以保护用户个人隐私。

2、多方安全计算是解决一组互不信任的参与方之间保护隐私的协同计算问题，多方往往指应用场景中的强相关联的各方，主要特点是多个计算参与方都无法获取原始隐私数据的情况下完成计算并能够确保计算的精度和输出结果的可信度。

3、不确定性定量评估是通过定量方法对于计算的不确定性进行度量，从而避免只提供原始计算结果造成的信息缺失。

4、迁移学习是指一个预训练模型被重新应用在一个不同任务中的一种机器学习方法，主要是针对训练数据和应用数据明显不一致时可能产生的问题。

技术实现思路

1、针对上述缺陷，本发明要解决的技术问题是如何在保护患者用户隐私的前提下，能够充分利用大数据和建模的优势对患者的信息进行利用，从而准确地判断患者的病情以便给出准确的治疗方案。

2、针对上述缺陷，本发明的目的在于提供一种体检用户隐私保护方法、系统及电子设备、计算机存储介质和程序产品。

3、根据本说明书的实施例的一方面，提供一种体检用户隐私保护方法，用于至少一个服务方和至少一个互联网业务平台联合建模训练，所述服务方和互联网业务平台各方分别依据自身收集的数据进行初步建模，根据历史业务信息和历史大数据建立每一种业务的模型，根据需求得到预测结果，对模型预测结果的不确定性建立完整的定量评估体系，基于可信第三方将训练好的模型在新数据下进行验证和调参，减少各方训练模型的差异导致预测进度的不确定性，各方向可信第三方提供处理后的数据属性，可信第三方基于各方数据属性进行训练后向各方返回调优后的模型及参数，各方基于新模型及参数和各自的数据分别计算并向可信第三方返回预测结果，如符合结果一致性条件，则结束，如不符合则进行迭代直到符合结果一致性条件。

4、优选的，服务方和互联网业务平台各方依据自身已收集的数据进行初步建模，通过建立模型对不同业务类型、不同人群以及不同检测方案的大数据进行建模。

5、优选的，需要评估的不确定性体系包括但不限于模型预测精度上的不确定性、模型泛化能力的不确定性以及数据完整性方面的不确定性。

6、优选的，至少一个服务方的数据具有不同纬度的数据，包括但不限于用户个人信息、查询历史信息、相关业务数据以及初步应对方案数据。

7、优选的，可信第三方具有可信的数据存储空间，包括存储各方发送的数据以及独立模型运算空间。

8、优选的，可信第三方向至少一个服务方和互联网业务平台发送模型和交换建模参数。

9、根据本说明书的实施例的另一方面，提供一种体检用户隐私保护方法，应用于互联网业务平台，包括：

10、在接收到至少一个服务方的联合建模请求后，依据自身收集的数据进行初步建模，根据历史业务信息和历史大数据建立每一种业务的模型，根据需求得到预测结果，对模型预测结果的不确定性建立完整的定量评估体系，基于可信第三方将训练好的模型在新数据下进行验证和调参，向可信第三方提供处理后的数据属性，可信第三方基于各方数据属性进行训练后向互联网业务平台返回调优后的模型及参数，互联网业务平台基于新模型及参数和收集的数据计算并向可信第三方返回预测结果，如符合结果一致性条件，则结束，如不符合则进行迭代直到符合结果一致性条件。

11、优选的，互联网业务平台各方依据自身已收集的数据进行初步建模，通过建立模型对不同业务类型、不同人群以及不同检测方案的大数据进行建模。

12、优选的，需要评估的不确定性体系包括但不限于模型预测精度上的不确定性、模型泛化能力的不确定性以及数据完整性方面的不确定性。

13、根据本说明书的实施例的另一方面，提供一种体检用户隐私保护方法，应用于第三方可信平台，包括：在接收到至少一个服务方和至少一个互联网业务平台联合建模训练的请求后，建立训练模型，并接收所述服务方和互联网业务平台各方分别依据自身收集的数据进行初步建模后的参数，基于各方发送的新数据进行验证和调参，接收各方提供处理后的数据属性基于各方数据属性进行训练后向各方返回调优后的模型及参数，各方基于新模型及参数和各自的数据分别计算并向可信第三方返回预测结果，如符合结果一致性条件，则结束，如不符合则进行迭代直到符合结果一致性条件。

14、优选的，第三方可信平台具有可信的数据存储空间，包括存储各方发送的数据以及独立模型运算空间。

15、优选的，第三方可信平台向至少一个服务方和互联网业务平台发送模型和交换建模参数。

16、根据本说明书的实施例的另一方面，提供一种体检用户隐私保护系统，包括：至少一个服务方、至少一个互联网业务平台以及一第三方可信平台，其中，

17、所述服务方依据自身收集的数据进行初步建模，根据历史业务信息和历史大数据建立每一种业务的模型，根据需求得到预测结果，对模型预测结果的不确定性建立完整的定量评估体系，基于所述可信第三方将训练好的模型在新数据下进行验证和调参，向可信第三方提供处理后的数据属性，所述可信第三方基于各方数据属性进行训练后向互联网业务平台返回调优后的模型及参数，互联网业务平台基于新模型及参数和收集的数据计算并向可信第三方返回预测结果，如符合结果一致性条件，则结束，如不符合则进行迭代直到符合结果一致性条件；

18、所述互联网业务平台在接收到所述服务方的联合建模请求后，依据自身收集的数据进行初步建模，根据历史业务信息和历史大数据建立每一种业务的模型，根据需求得到预测结果，对模型预测结果的不确定性建立完整的定量评估体系，基于所述可信第三方将训练好的模型在新数据下进行验证和调参，向可信第三方提供处理后的数据属性，所述可信第三方基于各方数据属性进行训练后向互联网业务平台返回调优后的模型及参数，互联网业务平台基于新模型及参数和收集的数据计算并向可信第三方返回预测结果，如符合结果一致性条件，则结束，如不符合则进行迭代直到符合结果一致性条件；

19、所述第三方可信平台在接收到所述服务方和所述互联网业务平台联合建模训练的请求后，建立训练模型，并接收所述服务方和互联网业务平台各方分别依据自身收集的数据进行初步建模后的参数，基于各方发送的新数据进行验证和调参，接收各方提供处理后的数据属性基于各方数据属性进行训练后向各方返回调优后的模型及参数，各方基于新模型及参数和各自的数据分别计算并向可信第三方返回预测结果，如符合结果一致性条件，则结束，如不符合则进行迭代直到符合结果一致性条件。

20、优选的，需要评估的不确定性体系包括但不限于模型预测精度上的不确定性、模型泛化能力的不确定性以及数据完整性方面的不确定性。

21、根据本说明书的实施例的另一方面，提供一种计算机可读存储介质，其上存储有计算机程序/指令，该计算机程序/指令被处理器执行时实现以下步骤：

22、所述服务方和互联网业务平台各方分别依据自身收集的数据进行初步建模，根据历史业务信息和历史大数据建立每一种业务的模型，根据需求得到预测结果，对模型预测结果的不确定性建立完整的定量评估体系，基于可信第三方将训练好的模型在新数据下进行验证和调参，减少各方训练模型的差异导致预测进度的不确定性，各方向可信第三方提供处理后的数据属性，可信第三方基于各方数据属性进行训练后向各方返回调优后的模型及参数，各方基于新模型及参数和各自的数据分别计算并向可信第三方返回预测结果，如符合结果一致性条件，则结束，如不符合则进行迭代直到符合结果一致性条件。

23、根据本说明书的实施例的另一方面，提供一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现以下步骤：

24、所述服务方和互联网业务平台各方分别依据自身收集的数据进行初步建模，根据历史业务信息和历史大数据建立每一种业务的模型，根据需求得到预测结果，对模型预测结果的不确定性建立完整的定量评估体系，基于可信第三方将训练好的模型在新数据下进行验证和调参，减少各方训练模型的差异导致预测进度的不确定性，各方向可信第三方提供处理后的数据属性，可信第三方基于各方数据属性进行训练后向各方返回调优后的模型及参数，各方基于新模型及参数和各自的数据分别计算并向可信第三方返回预测结果，如符合结果一致性条件，则结束，如不符合则进行迭代直到符合结果一致性条件。

25、根据本说明书的实施例的另一方面，提供一种电子设备，包括：

26、处理器；以及

27、被设置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执行以下操作：

28、在接收到至少一个服务方的联合建模请求后，依据自身收集的数据进行初步建模，根据历史业务信息和历史大数据建立每一种业务的模型，根据需求得到预测结果，对模型预测结果的不确定性建立完整的定量评估体系，基于可信第三方将训练好的模型在新数据下进行验证和调参，向可信第三方提供处理后的数据属性，可信第三方基于各方数据属性进行训练后向互联网业务平台返回调优后的模型及参数，互联网业务平台基于新模型及参数和收集的数据计算并向可信第三方返回预测结果，如符合结果一致性条件，则结束，如不符合则进行迭代直到符合结果一致性条件。

29、根据本说明书的实施例的另一方面，提供一种计算机可读存储介质，其上存储有计算机程序/指令，该计算机程序/指令被处理器执行时实现以下步骤：

30、在接收到至少一个服务方的联合建模请求后，依据自身收集的数据进行初步建模，根据历史业务信息和历史大数据建立每一种业务的模型，根据需求得到预测结果，对模型预测结果的不确定性建立完整的定量评估体系，基于可信第三方将训练好的模型在新数据下进行验证和调参，向可信第三方提供处理后的数据属性，可信第三方基于各方数据属性进行训练后向互联网业务平台返回调优后的模型及参数，互联网业务平台基于新模型及参数和收集的数据计算并向可信第三方返回预测结果，如符合结果一致性条件，则结束，如不符合则进行迭代直到符合结果一致性条件。

31、根据本说明书的实施例的另一方面，提供一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现以下步骤：

32、在接收到至少一个服务方的联合建模请求后，依据自身收集的数据进行初步建模，根据历史业务信息和历史大数据建立每一种业务的模型，根据需求得到预测结果，对模型预测结果的不确定性建立完整的定量评估体系，基于可信第三方将训练好的模型在新数据下进行验证和调参，向可信第三方提供处理后的数据属性，可信第三方基于各方数据属性进行训练后向互联网业务平台返回调优后的模型及参数，互联网业务平台基于新模型及参数和收集的数据计算并向可信第三方返回预测结果，如符合结果一致性条件，则结束，如不符合则进行迭代直到符合结果一致性条件。

33、根据本说明书的实施例的另一方面，提供一种电子设备，包括：

34、处理器；以及

35、被设置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执行以下操作：

36、在接收到至少一个服务方和至少一个互联网业务平台联合建模训练的请求后，建立训练模型，并接收所述服务方和互联网业务平台各方分别依据自身收集的数据进行初步建模后的参数，基于各方发送的新数据进行验证和调参，接收各方提供处理后的数据属性基于各方数据属性进行训练后向各方返回调优后的模型及参数，各方基于新模型及参数和各自的数据分别计算并向可信第三方返回预测结果，如符合结果一致性条件，则结束，如不符合则进行迭代直到符合结果一致性条件。

37、根据本说明书的实施例的另一方面，提供一种计算机可读存储介质，其上存储有计算机程序/指令，该计算机程序/指令被处理器执行时实现如下步骤：

38、在接收到至少一个服务方和至少一个互联网业务平台联合建模训练的请求后，建立训练模型，并接收所述服务方和互联网业务平台各方分别依据自身收集的数据进行初步建模后的参数，基于各方发送的新数据进行验证和调参，接收各方提供处理后的数据属性基于各方数据属性进行训练后向各方返回调优后的模型及参数，各方基于新模型及参数和各自的数据分别计算并向可信第三方返回预测结果，如符合结果一致性条件，则结束，如不符合则进行迭代直到符合结果一致性条件。

39、根据本说明书的实施例的另一方面，提供一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现如下步骤：

40、在接收到至少一个服务方和至少一个互联网业务平台联合建模训练的请求后，建立训练模型，并接收所述服务方和互联网业务平台各方分别依据自身收集的数据进行初步建模后的参数，基于各方发送的新数据进行验证和调参，接收各方提供处理后的数据属性基于各方数据属性进行训练后向各方返回调优后的模型及参数，各方基于新模型及参数和各自的数据分别计算并向可信第三方返回预测结果，如符合结果一致性条件，则结束，如不符合则进行迭代直到符合结果一致性条件。

41、本发明通过应用隐私保护下的多方安全计算基数并结合迁移学习的思想，让保存患者信息的多个服务方和互联网业务平台之间在不共享各自数据的前提下进行联合建模、协作推断，预测相关业务的大数据模型，总结各种数据下的病情发展情况，建立不确定性的定量评估体系对预测结果的不确定性进行合理度量，从而对相关结果、业务发展趋势进行合理地预测，为决策者提供了科学的参考依据。