摘要
本发明涉及信息技术领域,公开了一种隐私计算算法的密文执行异常处理方法和系统,通过收集若干个租户的差分隐私查询参数来量化各租户的数据查询敏感度,利用ARIMA模型对敏感度量化结果进行时间序列分析,以预测其未来的趋势,并计算实际敏感度与预测敏感度之间的残差以识别出异常租户;采用滑动窗口方法提取异常租户的统计特征来构建特征集,并通过对其进行聚类分析识别出各异常租户对应的异常模式及异常指纹特征簇;基于异常租户的正、异常指纹特征簇训练模型,并用该模型量化各异常模式对异常租户隐私保护水平的影响程度,以根据得到的量化分析结果调整各异常租户的隐私预算分配比例并执行,进而实现对隐私计算算法的密文执行中异常的有效处理。
技术关键词
ARIMA模型
指纹特征
差分隐私
支持向量回归模型
数据
统计特征
密度分布矩阵
算法
参数
模式
序列
滑动窗口
聚类
风险评估值
协方差矩阵
指标
贝叶斯信息准则
条件依赖关系
能量分布特征
系统为您推荐了相关专利信息
异常检测方法
异常数据
样本
特征融合网络
文本特征向量
Attention机制
加权灰色关联度
负荷预测模型
灰色关联度分析
变量
知识图谱模型
答案
问答对生成方法
问答模型
文本