摘要
本发明公开了一种基于隐私保护的电商用户画像设计方法,属于计算机技术领域,包括:获取电商平台的用户数据后对电商的用户数据进行处理,包括数据分级,敏感数据分类和敏感数据识别;对敏感数据进行数据脱敏处理,根据不同分层标签采用不同的脱敏规则,包括静态脱敏和动态脱敏;驱动跨平台用户画像的联邦学习模型建模,包括横向联邦学习和纵向联邦学习;通过大模型增强隐私保护机制,包括大语言模型和联邦大模型训练;输出最终隐私保护用户画像。本发明基于隐私保护的电商用户画像设计方法能够有效保护用户的敏感信息不被泄露,具有更高的实际意义。
技术关键词
电商用户画像
联邦学习模型
敏感数据识别
脱敏规则
隐私保护机制
脱敏策略
横向联邦
大语言模型
差分隐私
平衡隐私保护
查询系统
加密
生成数据源
动态
标签
参数
多任务
系统为您推荐了相关专利信息
开口训练器
患者隐私保护
数字水印
加密QR码
密钥
智能匹配算法
数据完整性检测
检测工具
汽车
访问权限管理
敏感数据识别
双向长短期记忆网络
预训练语言模型
序列
前馈神经网络
日志存储系统
敏感关键词
日志脱敏方法
敏感数据识别
动态访问控制策略