具身智能实训数据的安全处理方法、装置、介质及设备与流程

本技术涉及数据安全，具体而言，涉及一种具身智能实训数据的安全处理方法、装置、介质及设备。

背景技术：

1、随着具身智能技术的快速发展，机器人在真实物理环境中的实训任务日益复杂，实训过程中采集的数据规模与敏感程度急剧上升。实训数据通常涵盖多模态感知信息，包括但不限于rgb图像、深度图、点云、力觉/力矩序列、关节状态与操作轨迹等。这些数据不仅记录了实验场景的物理布局与视觉特征，还蕴含了机器人的操作技能参数、运动控制策略及任务执行逻辑，具有高度的场景隐私属性和核心研发价值。

2、实训数据包含场景隐私与核心操作参数，面临泄露、篡改与滥用等多重安全风险；现有技术主要采用全局统一加密方式保护全量数据，该方法存在加密粒度粗糙导致计算开销冗余的问题。

技术实现思路

1、本技术提供了一种具身智能实训数据的安全处理方法、装置、介质及设备，能够解决采用全局统一加密方式保护全量数据存在加密粒度粗糙导致计算开销冗余的问题。

2、具体的技术方案如下：

3、第一方面，本技术实施例提供了一种具身智能实训数据的安全处理方法，所述方法包括：

4、获取操作语义图谱，以及识别具身智能设备当前所处的操作阶段，所述操作语义图谱是根据历史具身智能实训任务数据建立的，且所述操作语义图谱包括任务节点、操作节点、数据节点，以及为每个操作节点与每个数据节点相连接的边所标注的依赖权重，所述依赖权重用于表示每个操作节点对每个数据节点的依赖程度；

5、从所述操作语义图谱中查询所述操作阶段下的当前操作数据集合，所述当前操作数据集合包括所述操作阶段下包含的每个操作节点与各个数据节点之间的依赖权重；

6、针对所述操作阶段中的每一数据帧，根据所述数据帧下的操作节点与各个数据节点之间的依赖权重，以及所述数据帧的变化率，计算所述数据帧下的操作节点对各个数据节点的敏感度，并根据所述数据帧下的操作节点对各个数据节点的敏感度，生成所述数据帧下的时序敏感度向量；

7、遍历所述操作阶段中的每一个时序敏感度向量，将所述时序敏感度向量中的目标敏感度所对应的实时传感器数据进行加密处理，所述目标敏感度为所述时序敏感度向量中大于或者等于自身所对应的预设敏感度阈值的敏感度。

8、在一种可能的实施方式中，将所述时序敏感度向量中的目标敏感度所对应的实时传感器数据进行加密处理，包括：

9、计算所述目标敏感度所对应的实时传感器数据中每个区域与所述操作阶段的操作目标之间的语义距离，每个区域至少包括一个物体的局部区域；

10、基于衰减函数对所述语义距离进行处理，获得每个区域的空间加密强度；

11、基于所述空间加密强度对所述实时传感器数据中对应的区域进行加密，其中，所述空间加密强度与所述区域的加密等级呈正相关关系。

12、在一种可能的实施方式中，计算所述目标敏感度所对应的实时传感器数据中每个区域与所述操作阶段的操作目标之间的语义距离，包括：

13、计算所述目标敏感度所对应的实时传感器数据中每个区域的中心点，与所述操作阶段的操作目标中心之间的物理空间距离；

14、通过判断每个区域与所述操作目标是否属于同一物理刚体，确定每个区域的语义隔离因子；

15、针对每个区域，根据所述物理空间距离和所述语义隔离因子，确定所述语义距离。

16、在一种可能的实施方式中，所述操作语义图谱还包括：为每个操作节点与每个数据节点相连接的边所标注的敏感度等级；

17、所述预设敏感度阈值是根据所述敏感度等级确定的。

18、在一种可能的实施方式中，所述方法还包括：

19、拷贝所述操作阶段下生成的实时传感器数据，获得实时传感器备份数据；

20、从所述当前操作数据集合查询目标依赖权重，并将所述目标依赖权重对应的的实时传感器备份数据确定为待脱敏数据，所述目标依赖权重为大于或者等于预设权重阈值的依赖权重；

21、采用统计均值平滑所述待脱敏数据，获得脱敏后的数据。

22、第二方面，本技术实施例提供了一种具身智能实训数据的安全处理装置，所述装置包括：

23、获取单元，用于获取操作语义图谱，所述操作语义图谱是根据历史具身智能实训任务数据建立的，且所述操作语义图谱包括任务节点、操作节点、数据节点，以及为每个操作节点与每个数据节点相连接的边所标注的依赖权重，所述依赖权重用于表示每个操作节点对每个数据节点的依赖程度；

24、识别单元，用于识别具身智能设备当前所处的操作阶段；

25、查询单元，用于从所述操作语义图谱中查询所述操作阶段下的当前操作数据集合，所述当前操作数据集合包括所述操作阶段下包含的每个操作节点与各个数据节点之间的依赖权重；

26、计算单元，用于针对所述操作阶段中的每一数据帧，根据所述数据帧下的操作节点与各个数据节点之间的依赖权重，以及所述数据帧的变化率，计算所述数据帧下的操作节点对各个数据节点的敏感度；

27、生成单元，用于并根据所述数据帧下的操作节点对各个数据节点的敏感度，生成所述数据帧下的时序敏感度向量；

28、加密单元，用于遍历所述操作阶段中的每一个时序敏感度向量，将所述时序敏感度向量中的目标敏感度所对应的实时传感器数据进行加密处理，所述目标敏感度为所述时序敏感度向量中大于或者等于自身所对应的预设敏感度阈值的敏感度。

29、在一种可能的实施方式中，所述加密单元，包括：

30、计算模块，用于计算所述目标敏感度所对应的实时传感器数据中每个区域与所述操作阶段的操作目标之间的语义距离，每个区域至少包括一个物体的局部区域；

31、衰减模块，用于基于衰减函数对所述语义距离进行处理，获得每个区域的空间加密强度；

32、加密模块，用于基于所述空间加密强度对所述实时传感器数据中对应的区域进行加密，其中，所述空间加密强度与所述区域的加密等级呈正相关关系。

33、在一种可能的实施方式中，所述计算模块，用于计算所述目标敏感度所对应的实时传感器数据中每个区域的中心点，与所述操作阶段的操作目标中心之间的物理空间距离；通过判断每个区域与所述操作目标是否属于同一物理刚体，确定每个区域的语义隔离因子；针对每个区域，根据所述物理空间距离和所述语义隔离因子，确定所述语义距离。

34、在一种可能的实施方式中，所述操作语义图谱还包括：为每个操作节点与每个数据节点相连接的边所标注的敏感度等级；

35、所述预设敏感度阈值是根据所述敏感度等级确定的。

36、在一种可能的实施方式中，所述装置还包括：

37、拷贝单元，用于拷贝所述操作阶段下生成的实时传感器数据，获得实时传感器备份数据；

38、所述查询单元，还用于从所述当前操作数据集合查询目标依赖权重，所述目标依赖权重为大于或者等于预设权重阈值的依赖权重；

39、确定单元，用于将所述目标依赖权重对应的的实时传感器备份数据确定为待脱敏数据；

40、平滑单元，用于采用统计均值平滑所述待脱敏数据，获得脱敏后的数据。

41、第三方面，本技术实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面任一可能的实现方式所述的方法。

42、第四方面，本技术实施例提供了一种电子设备，电子设备包括：

43、一个或多个处理器；

44、所述处理器与存储装置耦合，所述存储装置用于存储一个或多个程序；

45、当一个或多个程序被一个或多个处理器执行，使得电子设备实现如第一方面任一可能的实现方式所述的方法。

46、第五方面，本技术实施例提供了一种计算机程序产品，所述计算机程序产品中包含有指令，当指令在计算机或处理器上运行时，使得计算机或处理器执行第一方面任一可能的实现方式所述的方法。

47、本技术实施例提供的具身智能实训数据的安全处理方法、装置、介质及设备，摒弃了一刀切的防护模式，转而构建一种融合静态先验知识与动态实时状态的双维评估机制。具体而言，该机制一方面利用历史经验构建的操作语义图谱，量化不同操作阶段对各类数据的基础依赖程度；另一方面，通过感知当前数据帧的变化率，捕捉物理交互过程中的瞬时敏感特征。两者协同生成的时序敏感度向量能够精准辨识出每一时刻真正需要保护的核心数据要素。基于此，本技术实施例仅针对敏感度超过阈值的少量关键数据进行加密处理，而对绝大多数非敏感或冗余数据保持明文通行。最终，本技术实施例在有效遏制数据泄露与篡改风险的前提下，显著削减了系统整体的加密运算负担，同时确保了实训数据的可用性与处理流程的实时性，实现了安全防护与计算效率的合理平衡。

48、此外，本技术实施例实现的技术效果还可以包括：

49、1、通过附加的空间语义感知机制，本技术实施例能够在已判定为敏感的每一帧数据内部，根据各区域与操作目标之间的语义距离，自适应分配差异化的加密强度：核心操作区域保持弱加密或明文可用，外围背景区域实施强加密保护。这一机制实现了帧内空间粒度的精细化分级防护，在确保视觉伺服与控制精度的同时，有效压缩了高等级加密的计算面积，降低了系统整体加密开销，进一步提升了安全防护与计算效率的协同水平。

50、2、本技术实施例将操作语义图谱中预先标注的敏感度等级直接用于确定各操作节点下数据特征对应的预设敏感度阈值，使时序敏感度向量的判定标准与数据自身的敏感度等级对齐，从而提升了自适应加密过程的精准性与合理性。

51、3、本技术实施例通过拷贝当前操作阶段的实时传感器数据获得独立备份，并依据操作语义图谱中的依赖权重筛选出高于预设权重阈值的目标数据，仅对备份中与核心操作密切相关的特征执行均值平滑脱敏处理，从而在不影响原始加密数据完整性的前提下，实现了高依赖敏感特征的永久模糊化，有效防止了核心工艺参数的精确复原与滥用。