一种基于隐私计算的大规模数据共享方法
本发明涉及数据处理，具体涉及一种基于隐私计算的大规模数据共享方法。
背景技术：
1、隐私计算是一种在保护数据隐私和确保数据安全性的前提下，对数据进行处理和分析的技术，它允许数据在不解密或不直接暴露原始信息的情况下进行计算和分析，从而实现数据价值的最大化利用。
2、经过检索，申请号为202310342479、名称为一种基于隐私计算的数据共享平台和方法的现有技术，公开了平台包括设置有多个隐私计算节点的数据应用平台，数据应用平台内设置有第一目标数据库和计算资源库。该发明的基于隐私计算的数据共享平台，通过设置权限级别高的数据应用平台并在内配置与用户机构相对应的隐私计算节点，可以保证计算任务的数据资源不会流转至用户机构，保证了数据的隐私与安全性，且通过在数据应用平台设置第一目标数据库降低了第一目标数据在不同机构之间的传输成本，可配置计算资源的隐私计算节点也保证了能够满足运算任务的计算需求。
3、现有的大规模数据共享技术方案在实施时存在一定的缺陷，针对隐私计算节点的计算任务饱和的情况下，不同的隐私计算节点之间可以实现协同计算执行，但是没有公开如何高效可靠的筛选隐私计算节点进行协同计算，导致大规模数据共享实施协同计算的整体效果不佳。
技术实现思路
1、本发明的目的在于提供一种基于隐私计算的大规模数据共享方法，用于解决现有方案中大规模数据共享实施协同计算的整体效果不佳的技术问题。
2、本发明的目的可以通过以下技术方案实现：
3、一种基于隐私计算的大规模数据共享方法，包括：
4、对数据应用平台内设置的多个隐私计算节点的计算任务饱和情况进行监测分析，并将监测的计算任务饱和的隐私计算节点标记为目标需求计算节点；
5、获取目标需求计算节点关联的协同白名单并分析是否满足协同计算需求；若满足，则控制协同白名单中的目标协同计算节点与目标需求计算节点进行协同计算；
6、若不满足，则对数据应用平台内剩余的隐私计算节点进行协同计算有效性筛选，得到若干筛选隐私计算节点，对若干筛选隐私计算节点与目标需求计算节点之间的协同可靠状态进行数据处理得到对应的资源共享度，根据资源共享度确定目标协同计算节点并实施与目标需求计算节点之间数据共享的协同计算。
7、优选地，获取目标需求计算节点关联的协同白名单并分析；
8、若协同白名单中不存在目标协同计算节点，则生成第一协同筛选指令；
9、若协同白名单中存在目标协同计算节点，则生成协同核验指令，根据协同核验指令对该目标协同计算节点当下的协同可实施性进行分析。
10、优选地，若目标协同计算节点当下与目标需求计算节点之间的协同计算可实施，则生成协同实施指令并控制该目标协同计算节点与目标需求计算节点进行协同计算；
11、若目标协同计算节点当下与目标需要计算节点之间的协同计算不可实施，则生成第二协同筛选指令。
12、优选地，当协同白名单中存在多个目标协同计算节点时，则生成协同评估指令，根据协同评估指令依次对目标协同计算节点当下的协同可实施性进行分析，将当下与目标需求计算节点之间可实施协同计算的目标协同计算节点标记为待核验目标协同计算节点，并对待核验目标协同计算节点进行目标筛选分析时，通过公式依次计算获取不同待核验目标协同计算节点对应的协同支持度η，并将排首位的协同支持度所属的待核验目标协同计算节点标记为选中目标协同计算节点。
13、优选地，协同支持度η的计算公式为：式中，zli为不同待核验目标协同计算节点对应的可利用计算资源，zl0为标准可利用计算资源，tyi为不同待核验目标协同计算节点实施协同计算的延迟时长，ty0为标准延迟时长。
14、优选地，根据第一协同筛选指令或者第二协同筛选指令进行协同计算有效性筛选，获取所有支持协同计算的隐私计算节点并标记为备选隐私计算节点，获取隐私计算节点当下的可利用计算资源的数值来将若干备选隐私计算节点进行降序排列，得到备选隐私计算节点排序集；
15、进行协同计算有效性筛选时，通过公式计算获取不同备选隐私计算节点对应的资源共享度α；式中，zl′为备选隐私计算节点对应的实时可利用计算资源，zx为目标需求计算节点所需的需求计算资源，η为备选隐私计算节点对应的可利用计算资源限制率。
16、优选地，若计算获取的资源共享度大于0，则生成协同有效指令并将对应的备选隐私计算节点标记为筛选隐私计算节点；
17、若计算获取的资源共享度小于等于0，则生成协同无效指令；
18、根据资源共享度的数值来将所有的筛选隐私计算节点降序排列，得到筛选隐私计算节点排序集。
19、优选地，对筛选隐私计算节点排序集中排序的若干筛选隐私计算节点与目标需求计算节点之间的协同可靠状态进行数据处理时，通过公式计算不同筛选隐私计算节点处理需求计算资源对应的处理支持度β；式中，a1、a2均为比例系数，取值范围为0<a1≤1，0<a2≤1；bc为筛选隐私计算节点进行数据处理时的单位标准数据处理量，ty′为筛选隐私计算节点进行协同计算的标准延迟时长。
20、优选地，根据处理支持度来将所有的筛选隐私计算节点降序排列，并将排首位的筛选隐私计算节点标记为目标协同计算节点，将目标协同计算节点补充至目标需求计算节点关联的协同白名单中，同时控制目标需要计算节点与目标协同计算节点之间进行数据共享的协同计算。
21、相比于现有方案，本发明实现的有益效果：
22、本发明通过对不同隐私计算节点的计算任务饱和情况进行监测分析获取对应的目标需求计算节点，可以为后续目标需求计算节点进行针对性的数据共享协同计算分析提供可靠的目标数据支持；通过对目标需求计算节点关联的协同白名单进行数据分析，确定协同白名单中历史与目标需求计算节点协同合作过的目标需求计算节点是否满足当下目标需求计算节点的协同计算需求，实现了对历史协同计算数据的拓展利用，可以有效提高当下协同计算对象筛选处理的整体效果。
23、本发明通过对所有支持协同计算的备选隐私计算节点进行资源共享数据的整合计算获取对应的资源共享度，根据资源共享度既可以对所属备选隐私计算节点的实时资源共享状态进行数字化表示，又可以为备选隐私计算节点与目标需求计算节点之间的协同计算可实施性分析提供可靠的数字化数据支持，提高了不同隐私计算节点在协同计算有效性方面处理分析的整体效果。
24、本发明进一步对前期筛选的若干筛选隐私计算节点与目标需求计算节点之间的协同可靠状态进行数据处理获取对应的处理支持度，根据处理支持度既可以对不同筛选隐私计算节点与目标需求计算节点之间的协同可靠状态进行数字化处理，又可以为后续目标协同计算节点的筛选以及目标需求计算节点关联的协同白名单的数据更新、与目标协同计算节点之间进行数据共享的协同计算控制提供可靠的数据支持，提高了数据共享在协同计算实施全过程的整体效果。
技术特征：
1.一种基于隐私计算的大规模数据共享方法，其特征在于，包括：
2.根据权利要求1所述的一种基于隐私计算的大规模数据共享方法，其特征在于，获取目标需求计算节点关联的协同白名单并分析；
3.根据权利要求2所述的一种基于隐私计算的大规模数据共享方法，其特征在于，若目标协同计算节点当下与目标需求计算节点之间的协同计算可实施，则生成协同实施指令并控制该目标协同计算节点与目标需求计算节点进行协同计算；
4.根据权利要求3所述的一种基于隐私计算的大规模数据共享方法，其特征在于，当协同白名单中存在多个目标协同计算节点时，则生成协同评估指令，根据协同评估指令依次对目标协同计算节点当下的协同可实施性进行分析，将当下与目标需求计算节点之间可实施协同计算的目标协同计算节点标记为待核验目标协同计算节点，并对待核验目标协同计算节点进行目标筛选分析时，通过公式依次计算获取不同待核验目标协同计算节点对应的协同支持度η，并将排首位的协同支持度所属的待核验目标协同计算节点标记为选中目标协同计算节点。
5.根据权利要求4所述的一种基于隐私计算的大规模数据共享方法，其特征在于，协同支持度η的计算公式为：式中，zli为不同待核验目标协同计算节点对应的可利用计算资源，zl0为标准可利用计算资源，tyi为不同待核验目标协同计算节点实施协同计算的延迟时长，ty0为标准延迟时长。
6.根据权利要求3所述的一种基于隐私计算的大规模数据共享方法，其特征在于，根据第一协同筛选指令或者第二协同筛选指令进行协同计算有效性筛选，获取所有支持协同计算的隐私计算节点并标记为备选隐私计算节点，获取隐私计算节点当下的可利用计算资源的数值来将若干备选隐私计算节点进行降序排列，得到备选隐私计算节点排序集；
7.根据权利要求6所述的一种基于隐私计算的大规模数据共享方法，其特征在于，若计算获取的资源共享度大于0，则生成协同有效指令并将对应的备选隐私计算节点标记为筛选隐私计算节点；
8.根据权利要求7所述的一种基于隐私计算的大规模数据共享方法，其特征在于，对筛选隐私计算节点排序集中排序的若干筛选隐私计算节点与目标需求计算节点之间的协同可靠状态进行数据处理时，通过公式计算不同筛选隐私计算节点处理需求计算资源对应的处理支持度β；式中，a1、a2均为比例系数，取值范围为0<a1≤1，0<a2≤1；bc为筛选隐私计算节点进行数据处理时的单位标准数据处理量，ty′为筛选隐私计算节点进行协同计算的标准延迟时长。
9.根据权利要求8所述的一种基于隐私计算的大规模数据共享方法，其特征在于，根据处理支持度来将所有的筛选隐私计算节点降序排列，并将排首位的筛选隐私计算节点标记为目标协同计算节点，将目标协同计算节点补充至目标需求计算节点关联的协同白名单中，同时控制目标需要计算节点与目标协同计算节点之间进行数据共享的协同计算。
技术总结
本发明公开了一种基于隐私计算的大规模数据共享方法，属于数据处理技术领域；用于解决现有方案中大规模数据共享实施协同计算的整体效果不佳的技术问题；对不同隐私计算节点的计算任务饱和情况进行监测分析获取对应的目标需求计算节点，通过对目标需求计算节点关联的协同白名单进行数据分析，确定协同白名单中历史与目标需求计算节点协同合作过的目标需求计算节点是否满足当下目标需求计算节点的协同计算需求；对所有支持协同计算的备选隐私计算节点进行资源共享数据的整合计算获取对应实时资源共享状态的数字化表示；进一步对前期筛选的若干筛选隐私计算节点与目标需求计算节点之间的协同可靠状态进行数据处理以及分析和管控。
技术研发人员：刘敦楠,许小峰
受保护的技术使用者：华北电力大学
技术研发日：
技术公布日：2024/9/23