数据处理方法、装置及计算机设备与流程

本申请涉及通信，特别是涉及一种数据处理方法、装置及计算机设备。

背景技术：

1、在目前的通信网络架构中，采集终端可以获取触觉感知数据，并通过边缘节点将触觉感知数据上传至云端，进而，云端可以对触觉感知数据进行处理，实现基于触觉感知数据的ai（artificial intelligence，人工智能）决策和交互。

2、但是，触觉感知数据中可能存在人脸、指纹等保密级别较高的目标数据，而在上述数据传输过程中无法对这些目标数据进行保护，导致目标数据存在数据泄露的风险，存在数据安全隐患。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种数据处理方法、装置及计算机设备，以在数据处理过程中对保密级别较高的目标数据进行针对性保护，避免数据泄露。

2、第一方面，本申请提供了一种数据处理方法，应用于边缘节点，其中：

3、若从任务数据中识别到目标特征，则从所述任务数据中分割出所述目标特征对应的目标数据，并将所述目标数据存储在本地；

4、根据分割后剩余的所述任务数据，生成伪特征数据，并将所述伪特征数据填充至所述任务数据被分割后形成的空白域，得到待传输数据；

5、对所述待传输数据进行传输，并接收对所述待传输数据的推理结果数据，基于所述推理结果数据和所述目标数据，生成任务处理结果。

6、在其中一个实施例中，所述边缘节点中部署神经网络处理器npu，所述从所述任务数据中分割出所述目标特征对应的目标数据，并将所述目标数据存储在本地，包括：

7、通过所述npu的内置专用核，识别所述目标特征在所述任务数据中对应的位置坐标；

8、根据所述位置坐标，从所述任务数据中分割出目标数据；

9、对所述目标数据进行加密处理，并将加密后的所述目标数据存储在本地。

10、在其中一个实施例中，所述根据分割后剩余的所述任务数据，生成伪特征数据，包括：

11、根据预设的边缘约束条件以及所述任务数据被分割后形成的空白域，在分割后剩余的所述任务数据中提取上下文数据；

12、基于所述上下文数据，生成与所述空白域相匹配的伪特征数据。

13、在其中一个实施例中，所述基于所述上下文数据，生成与所述空白域相匹配的伪特征数据，包括：

14、将所述上下文数据以及随机噪声输入生成对抗网络模型的生成器，得到与所述空白域尺寸相同的伪特征数据。

15、在其中一个实施例中，所述方法还包括：

16、对所述目标数据进行差分加密计算，得到隐匿标签；

17、对所述伪特征数据进行哈希处理，得到伪标签；

18、将所述隐匿标签、所述伪标签、索引信息以及预先确定的拼接参数构建为一组映射标签；所述索引信息包括所述目标数据在本地的存储位置以及所述目标数据在所述任务数据中的位置坐标。

19、在其中一个实施例中，所述基于所述推理结果数据和所述目标数据，生成任务处理结果，包括：

20、查询所包括的伪标签与所述推理结果数据携带的伪标签相匹配的目标映射标签；

21、根据所述目标映射标签中的存储位置，获取待校验数据；

22、基于所述目标映射标签中的隐匿标签，对所述待校验数据进行校验，若校验通过，则确定所述待校验数据为所述推理结果数据对应的所述目标数据；

23、根据所述目标映射标签中的拼接参数及位置坐标，将所述推理结果数据与对应的所述目标数据进行拼接，得到任务处理结果。

24、在其中一个实施例中，所述方法还包括：

25、确定所述任务处理结果以及对应的优化标准之间的损失值，并以最小化所述损失值为优化策略，对所述拼接参数进行优化调整。

26、在其中一个实施例中，所述方法还包括：

27、对任务数据进行特征提取，得到至少一个候选特征；

28、针对各所述候选特征，若所述候选特征与预定义的特征标签相匹配，则将所述候选特征与相匹配的所述特征标签对应的典型特征进行相似度匹配，若匹配成功，则确定所述候选特征为目标特征；和/或，

29、若所述候选特征与预定义的特征标签不匹配，则通过特征分类模型对所述候选特征进行特征分类，并基于分类结果判断所述特征数据是否为目标特征。

30、第二方面，本申请还提供了一种数据处理装置，应用于边缘节点，所述装置包括：

31、分割模块，用于若从任务数据中识别到目标特征，则从所述任务数据中分割出所述目标特征对应的目标数据，并将所述目标数据存储在本地；

32、生成模块，用于根据分割后剩余的所述任务数据，生成伪特征数据，并将所述伪特征数据填充至所述任务数据被分割后形成的空白域，得到待传输数据；

33、复现模块，用于对所述待传输数据进行传输，并接收对所述待传输数据的推理结果数据，基于所述推理结果数据和所述目标数据，生成任务处理结果。

34、第三方面，本申请还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一方法实施例中所述步骤。

35、第四方面，本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一方法实施例中所述步骤。

36、第五方面，本申请还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述任一方法实施例中所述步骤。

37、上述数据处理方法、装置、计算机设备、计算机可读存储介质和计算机程序产品，边缘节点识别到任务数据中的目标特征后，将对应的目标数据从任务数据中分割出来并本地存储，使得高敏感目标特征所对应的目标数据在传输前即被从任务数据中剥离，留存于边缘节点，避免进入传输链路；同时，根据分割后剩余的任务数据生成伪特征数据并填充至空白域，使待传输数据在剥离目标数据的前提下仍然在结构上保持完整，避免因数据局部缺失造成推理异常；在此基础上，可以根据接收到的推理结果数据和本地存储的目标数据，生成任务处理结果。这样，可以防止目标数据在传输环节发生泄露，实现对目标数据的安全防护，从而有效降低了数据泄露风险，提升了数据传输和处理过程中的数据安全性。

1.一种数据处理方法，其特征在于，应用于边缘节点，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述边缘节点中部署神经网络处理器npu，所述从所述任务数据中分割出所述目标特征对应的目标数据，并将所述目标数据存储在本地，包括：

3.根据权利要求1所述的方法，其特征在于，所述根据分割后剩余的所述任务数据，生成伪特征数据，包括：

4.根据权利要求3所述的方法，其特征在于，所述基于所述上下文数据，生成与所述空白域相匹配的伪特征数据，包括：

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

6.根据权利要求5所述的方法，其特征在于，所述基于所述推理结果数据和所述目标数据，生成任务处理结果，包括：

7.根据权利要求5所述的方法，其特征在于，所述方法还包括：

8.根据权利要求1所述的方法，其特征在于，所述方法还包括：

9.一种数据处理装置，其特征在于，应用于边缘节点，所述装置包括：

10.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的方法的步骤。