1.一种结合人工智能的共享数据隐私处理方法,其特征在于,该方法包括:接收数据共享任务,进行任务分析,匹配目标共享数据,并确定共享用户和接收用户;
按照预设的隐私级别清单,对所述目标共享数据进行匹配,确定数据隐私级别;
基于人工智能技术,对所述共享用户和所述接收用户进行身份加权分析,确定隐私加权系数;
按照所述隐私加权系数,对所述数据隐私级别进行加权处理,生成加权隐私级别;
按照所述加权隐私级别,对所述目标共享数据进行隐私识别与替换,生成替换共享数据,并传输至接收用户。
2.如权利要求1所述的一种结合人工智能的共享数据隐私处理方法,其特征在于,所述接收数据共享任务,进行任务分析,匹配目标共享数据,并确定共享用户和接收用户包括:接收数据共享任务;
对所述数据共享任务进行分类处理,获取任务目标信息和任务地址信息;
根据所述任务目标信息,匹配目标共享数据;
对所述任务地址信息进行识别,确定共享用户和接收用户。
3.如权利要求1所述的一种结合人工智能的共享数据隐私处理方法,其特征在于,所述按照预设的隐私级别清单,对所述目标共享数据进行匹配,确定数据隐私级别包括:读取隐私级别清单,所述隐私级别清单含有数据项和隐私级别项;所述数据项由二维数据按照预设的生成规则转换得到;
读取目标共享数据,基于数据项的生成规则对所述目标共享数据进行转换,得到转换数据;
根据预设的递增尺寸截取所述转换数据,根据截取到的转换数据遍历隐私级别清单,读取数据隐私级别;
其中,所述生成规则为:
式中,x(n1,n2)为原始数据,X(k1,k2)为转换后的频域数据;N1和N2分别为转换前数据的两个尺寸;式中, 和 为预设的系数,其取值规则为:当k1为0时, 当k1不为0时, 当k2为0时, 当k2不为0时,
4.如权利要求1所述的一种结合人工智能的共享数据隐私处理方法,其特征在于,所述基于人工智能技术,对所述共享用户和所述接收用户进行身份加权分析,确定隐私加权系数包括:获取所述共享用户的共享身份;
获取所述接收用户的接受身份;
基于人工智能技术确定共享身份和接受身份的身份差,基于所述身份差确定隐私加权系数。
5.如权利要求4所述的一种结合人工智能的共享数据隐私处理方法,其特征在于,所述基于人工智能技术确定共享身份和接受身份的身份差,基于所述身份差确定隐私加权系数的步骤包括:基于人工智能技术将共享身份和接受身份转换为职级信息;
根据所述职级信息确定身份差;所述身份差含有符号,所述符号用于表征方向信息;
根据所述身份差确定隐私加权系数。
6.如权利要求1所述的一种结合人工智能的共享数据隐私处理方法,其特征在于,所述按照所述隐私加权系数,对所述数据隐私级别进行加权处理,生成加权隐私级别包括:统计预设时段范围内的所有共享任务的身份差,基于身份差构建频数直方图;所述频数直方图的横坐标为身份差,纵坐标为出现数量;
将所述频数直方图输入训练好的神经网络识别模型,确定不同身份差的隐私加权系数;
根据所述隐私加权系数对目标共享数据的隐私加权级别进行修正,得到加权隐私级别;
其中,不同身份差的隐私加权系数的确定规则为:根据频数直方图计算身份差的均值和方差,根据所述均值和方差确定高斯分布模型,根据所述高斯分布模型确定各个身份差的隐私加权系数;所述隐私加权系数的确定过程为:式中,σ为标准差,μ为均值,g(x)为调节函数,用于将数值映射到工作人员设定的目标区间,f(x)为隐私加权系数。
7.如权利要求3所述的一种结合人工智能的共享数据隐私处理方法,其特征在于,所述按照所述加权隐私级别,对所述目标共享数据进行隐私识别与替换,生成替换共享数据,并传输至接收用户包括:按照所述加权隐私级别确定加密密度,根据所述加密密度在目标共享数据对应的转换数据中标记加密区域;
根据预设的替换规则对加密区域进行区域替换,得到加密数据;
基于生成规则的逆规则对加密数据进行逆转换,得到加密后的替换共享数据;
将所述替换共享数据传输至接收用户;
所述生成规则的逆规则为:
式中,逆变换过程实时采集方阵,N为方阵的尺寸,其他参数的含义与生成规则中含义相同。