System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及数据定价,特别是涉及基于细粒度随机化机制的统计查询定价模型、系统及设备。
技术介绍
1、当前许多具有海量数据的企业均会向外界提供数据服务,如对多个数据的聚合查询、高级聚合分析以及报表分析等,其查询结果为是在多个数据上计算得到的。其中,数据定价通常有成本法、收益法和市场法等,其主要通过数据提供方获取数据的成本,市场对数据的统一定价等进行数据定价。
2、目前,基于随机化机制的数据定价模型成为一种常用的数据定价方法,然后,当前采用随机化机制的数据定价模型进行数据定价的过程中,存在数据定价模型计算成本较高的问题。
技术实现思路
1、有鉴于此,本专利技术旨在提出基于细粒度随机化机制的统计查询定价模型、系统及设备,以解决当前数据定价模型计算成本较高的问题。
2、本专利技术的第一方面,提供了一种基于细粒度随机化机制的统计查询定价模型,所述统计查询定价模型执行如下步骤:
3、接收数据提供端发送的数据集,以及所述数据集对应的预设联合分布;其中,所述数据集包括多个共享列和多个敏感列,所述共享列包括提供统计查询服务的数据,所述敏感列包括涉及敏感信息的数据;所述预设联合分布包括每个所述共享列的分布参数和每个所述敏感列的秘密参数,所述预设联合分布表征多个所述共享列之间的关联关系、多个所述敏感列之间的关联关系以及多个所述敏感列和多个所述共享列之间的关联关系;
4、响应于服务请求端发送的数据服务请求,从多个所述共享列中确定所述数据服务请求所请求的至少
5、基于所述预设联合分布、每个所述秘密参数的取值范围、至少一个所述目标共享列以及所述统计查询函数的查询类型,确定所述统计查询函数的查询结果与每个所述秘密参数的关联度;
6、基于所述关联度、每个所述秘密参数对应的预设权重参数以及所述噪声方差,确定每个所述秘密参数对应的补偿值;
7、采用预设组合函数,将多个所述补偿值组合,得到总补偿价格;
8、基于所述总补偿价格,确定所述数据服务请求对应的服务价格。
9、进一步地,所述基于所述预设联合分布、每个所述秘密参数的取值范围、至少一个所述目标共享列以及所述统计查询函数的查询类型,确定所述统计查询函数的查询结果与每个所述秘密参数的关联度,包括:
10、对每个所述秘密参数,基于所述预设联合分布、所述取值范围以及所述目标共享列的分布类型,确定在所述秘密参数位于所述取值范围的条件下,所述目标共享列服从的概率分布的概率分布参数;
11、基于所述概率分布参数和所述统计查询函数的查询类型,确定在所述秘密参数位于所述取值范围的条件下,所述查询结果服从的正态分布的概率分布;
12、基于所述概率分布和数据市场参数,确定所述关联度;其中,所述数据市场参数用于表征所述数据服务请求对应的隐私框架被违反的概率。
13、进一步地,所述基于所述预设联合分布、所述取值范围以及所述目标共享列的分布类型,确定在所述秘密参数位于所述取值范围的条件下,所述目标共享列服从的概率分布的概率分布参数,包括:
14、基于所述预设联合分布,确定所述目标共享列的分布参数与每个所述秘密参数之间的目标关联关系;
15、基于所述目标关联关系、所述取值范围以及所述目标共享列的分布类型,确定在所述秘密参数位于所述取值范围的条件下,所述目标共享列服从的概率分布的概率分布参数。
16、进一步地,所述预设取值范围包括第一端点值和第二端点值,所述基于所述预设联合分布、所述取值范围以及所述目标共享列的分布类型,确定在所述秘密参数位于所述取值范围的条件下,所述目标共享列服从的概率分布的概率分布参数,包括:
17、基于所述预设联合分布和所述目标共享列的分布类型,确定在所述秘密参数为所述第一端点值的条件下,所述目标共享列服从的概率分布的第一期望和第一方差,以及,
18、确定在所述秘密参数为所述第二端点值的条件下,所述目标共享列服从的概率分布的第二期望和第二方差;
19、将所述第一期望、所述第一方差、所述第二期望以及所述第二方差,确定为所述概率分布参数;
20、所述基于所述概率分布参数和所述统计查询函数的查询类型,确定在所述秘密参数位于所述取值范围的条件下,所述查询结果服从的正态分布,包括:
21、基于所述查询类型、所述第一期望和所述第一方差,确定在所述秘密参数为所述第一端点值的条件下,所述查询结果服从的第一正态分布;
22、基于所述查询类型、所述第二期望和所述第二方差,确定在所述秘密参数为所述第二端点值的条件下,所述查询结果服从的第二正态分布。
23、进一步地,包括多个所述目标共享列;所述采用预设组合函数,将多个所述秘密参数对应的补偿值组合,得到总补偿价格,包括:
24、获取每个所述目标共享数据列对应的多个补偿值的加和,得到每个所述目标共享列对应的补偿价格;
25、采用所述预设组合函数,将多个所述目标共享列对应的补偿价格组合,得到所述总补偿价格。
26、进一步地,所述基于所述总补偿价格,确定所述数据服务请求对应的服务价格,包括:
27、获取预设价格参数;其中,所述预设价格参数表征所述总补偿价格与所述服务价格之间的比例关系,所述预设价格参数由所述数据提供端提供;
28、基于所述总补偿价格和所述预设价格参数,确定所述服务价格。
29、进一步地,所述基于所述总补偿价格,确定所述数据服务请求对应的服务价格,包括:
30、获取预设定价函数;其中,所述预设定价函数由所述数据提供端提供;
31、将所述总补偿价格作为参数插入所述预设定价函数中,得到目标定价函数;
32、基于所述目标定价函数,确定所述服务价格。
33、进一步地,所述预设权重参数包括第一预设权重参数和第二预设权重参数;所述第一预设权重参数用于表征所述秘密参数的重要程度,所述第二预设权重参数用于表征所述秘密参数的可接受泄漏程度和补偿之间的映射关系。
34、本申请实施例的第二方面,提供了一种基于细粒度随机化机制的定价系统,包括:
35、数据提供端、服务请求端以及如上述第一方面所述的基于细粒度随机化机制的统计查询定价模型;其中,所述统计查询定价模型位于所述数据提供端,或者位于所述数据提供端连接的云端;
36、其中,所述数据提供端,用于向所述统计查询定价模型发送数据集,以及所述数据集对应的预设联合分布;
37、所述服务请求端,用于发送数据服务请求至所述统计查询定价模型,以及,
38、用于接收所述统计查询定价模型,基于所述数据服务请求返回的服务价格。
39、本申请实施例的第三方面提供了一种电子设备,所述电子设备配置有如上述第一方面所述的基于细粒度随机化机制的统计查询定价模型。
本文档来自技高网...【技术保护点】
1.一种基于细粒度随机化机制的统计查询定价模型,其特征在于,所述统计查询定价模型执行如下步骤:
2.根据权利要求1所述的基于细粒度随机化机制的统计查询定价模型,其特征在于,所述基于所述预设联合分布、每个所述秘密参数的取值范围、至少一个所述目标共享列以及所述统计查询函数的查询类型,确定所述统计查询函数的查询结果与每个所述秘密参数的关联度,包括:
3.根据权利要求2所述的基于细粒度随机化机制的统计查询定价模型,其特征在于,所述基于所述预设联合分布、所述取值范围以及所述目标共享列的分布类型,确定在所述秘密参数位于所述取值范围的条件下,所述目标共享列服从的概率分布的概率分布参数,包括:
4.根据权利要求2所述的基于细粒度随机化机制的统计查询定价模型,其特征在于,所述预设取值范围包括第一端点值和第二端点值,所述基于所述预设联合分布、所述取值范围以及所述目标共享列的分布类型,确定在所述秘密参数位于所述取值范围的条件下,所述目标共享列服从的概率分布的概率分布参数,包括:
5.根据权利要求1所述的基于细粒度随机化机制的统计查询定价模型,其特征在于,
6.根据权利要求1所述的基于细粒度随机化机制的统计查询定价模型,其特征在于,所述基于所述总补偿价格,确定所述数据服务请求对应的服务价格,包括:
7.根据权利要求1所述的基于细粒度随机化机制的统计查询定价模型,其特征在于,所述基于所述总补偿价格,确定所述数据服务请求对应的服务价格,包括:
8.根据权利要求1所述的基于细粒度随机化机制的统计查询定价模型,其特征在于,所述预设权重参数包括第一预设权重参数和第二预设权重参数;所述第一预设权重参数用于表征所述秘密参数的重要程度,所述第二预设权重参数用于表征所述秘密参数的泄漏程度和补偿之间的映射关系。
9.一种基于细粒度随机化机制的统计查询定价系统,其特征在于,所述系统包括:
10.一种电子设备,其特征在于,所述电子设备配置有如权利要求1-8任一所述的基于细粒度随机化机制的统计查询定价模型。
...【技术特征摘要】
1.一种基于细粒度随机化机制的统计查询定价模型,其特征在于,所述统计查询定价模型执行如下步骤:
2.根据权利要求1所述的基于细粒度随机化机制的统计查询定价模型,其特征在于,所述基于所述预设联合分布、每个所述秘密参数的取值范围、至少一个所述目标共享列以及所述统计查询函数的查询类型,确定所述统计查询函数的查询结果与每个所述秘密参数的关联度,包括:
3.根据权利要求2所述的基于细粒度随机化机制的统计查询定价模型,其特征在于,所述基于所述预设联合分布、所述取值范围以及所述目标共享列的分布类型,确定在所述秘密参数位于所述取值范围的条件下,所述目标共享列服从的概率分布的概率分布参数,包括:
4.根据权利要求2所述的基于细粒度随机化机制的统计查询定价模型,其特征在于,所述预设取值范围包括第一端点值和第二端点值,所述基于所述预设联合分布、所述取值范围以及所述目标共享列的分布类型,确定在所述秘密参数位于所述取值范围的条件下,所述目标共享列服从的概率分布的概率分布参数,包括:
5.根据权利要求1所述的基于细粒...
【专利技术属性】
技术研发人员:郭兵,方嘉豪,代成,代声馨,袁奔,曹智超,周望月,危帅,
申请(专利权)人:四川大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。