1.一种保护序列数据隐私的方法,其特征在于,包括:
通过数据采集设备获取目标用户的初始数据,并将所述初始数据拆分为随机共享的第一分组数据和第二分组数据;
将所述第一分组数据和所述第二分组数据分别发送至第一边缘服务器和第二边缘服务器,所述第一边缘服务器和所述第二边缘服务器上均部署有一个双向长短期记忆神经网络;
所述第一边缘服务器和所述第二边缘服务器分别将对应的所述双向长短期记忆神经网络中的三个门的未激活运算的结果传送至可信第三方,所述可信第三方做求和运算,并接收服务器提供商提供的运算参数,所述可信第三方将所述运算参数随机拆分生成对应于所述第一边缘服务器和所述第二边缘服务器的子运算参数;
所述第一边缘服务器和所述第二边缘服务器接收到所述子运算参数后进行门的激活运算并将运算结果发送至智能物联网设备,所述智能物联网设备接收分别来自所述第一边缘服务器和所述第二边缘服务器的运算结果并经过所述智能物联网设备处理后输出对应所述初始数据的完整输出结果。
2.根据权利要求1所述的保护序列数据隐私的方法,其特征在于,所述将所述初始数据拆分为随机共享的第一分组数据和第二分组数据包括:将所述初始数据预处理成序列数据,通过预设公式将所述序列数据拆分为随机共享的第一分组序列数据和第二分组序列数据;
所述预设公式为:
A=A′+A″
其中,A为初始序列数据,A′和A″分别为第一分组序列数据和第二分组序列数据。
3.根据权利要求1所述的保护序列数据隐私的方法,其特征在于,所述双向长短期记忆神经网络为两个互为逆向的单向长短期记忆神经网络的组成。
4.根据权利要求3所述的保护序列数据隐私的方法,其特征在于,所述单向长短期记忆神经网络包括输入层、隐藏层和输出层,所述隐藏层内的当前单元接收当前时刻的输入和上一时刻的隐藏输出后联合进行加工分析,输出当前时刻的输出以及输入至下一时刻的隐藏输出。
5.根据权利要求4所述的保护序列数据隐私的方法,其特征在于,所述单向长短期记忆神经网络的当前时刻的输出由输出门和当前时刻的单元状态共同确定,所述单元状态通过遗忘门和输入门控制;
所述当前时刻的隐藏单元状态输出的计算公式为:
其中, 是当前时刻的细胞单元状态, 为输出门输出,所述当前时刻的细胞单元状态的计算公式为:其中, 是当前时刻输入的单元状态, 是上一时刻的细胞单元状态, 是遗忘门输出,是输入门输出,所述当前时刻输入的单元状态的计算公式为:所述遗忘门输出的计算公式为:
其中, 是遗忘门的权重矩阵, 把两个向量连接成一个更长的向量, 是遗忘门的偏置项,σ是Sigmoid函数;
所述输入门输出的计算公式为:
其中, 是输入门的权重矩阵, 是输入门的偏置项;
所述输出门输出的计算公式为
6.根据权利要求3所述的保护序列数据隐私的方法,其特征在于,所述方法还包括采用分段函数拟合所述单向长短期记忆神经网络中原有的Sigmoid函数和Tanh函数;
所述Sigmoid函数分段拟合的公式为:
所述Tanh函数分段拟合的公式为:
7.根据权利要求1所述的保护序列数据隐私方法,其特征在于,所述第一边缘服务器和所述第二边缘服务器分别将训练后的特定参数反馈给所述服务器提供商,所述服务器提供商可根据接收到的所述特定参数生成新的运行参数后发送给所述可信第三方以实现终止当前服务器提供商中的训练网络。
8.一种保护序列数据隐私装置,其特征在于,包括:
控制单元,用于控制数据采集设备获取目标用户的初始数据,并将所述初始数据拆分为随机共享的第一分组数据和第二分组数据;
执行单元,用于将所述第一分组数据和所述第二分组数据分别发送至第一边缘服务器和第二边缘服务器,所述第一边缘服务器和所述第二边缘服务器上均部署有一个双向长短期记忆神经网络;
第一处理单元,用于控制所述第一边缘服务器和所述第二边缘服务器分别将对应的所述双向长短期记忆神经网络中的三个门的未激活运算的结果传送至可信第三方,所述可信第三方做求和运算,并接收服务器提供商提供的运算参数,所述可信第三方将所述运算参数随机拆分生成对应于所述第一边缘服务器和所述第二边缘服务器的子运算参数;
第二处理单元,用于所述第一边缘服务器和所述第二边缘服务器接收到所述子运算参数后进行门的激活运算并将运算结果发送至智能物联网设备,所述智能物联网设备接收分别来自所述第一边缘服务器和所述第二边缘服务器的运算结果并经过所述智能物联网设备处理后输出对应所述初始数据的完整输出结果。
9.一种计算机设备,其特征在于,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至7中任意一项所述保护序列数据隐私方法的步骤。
10.一种存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行如权利要求1至7任意一项所述保护序列数据隐私方法的步骤。