买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜国网浙江省电力有限公司信息通信分公司;国网浙江省电力有限公司金华供电公司;国家电网有限公司大数据中心申请的专利一种隐私计算算法的密文执行异常处理方法和系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119670156B 。

龙图腾网通过国家知识产权局官网在2025-04-29发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510193235.5，技术领域涉及：G06F21/62；该发明授权一种隐私计算算法的密文执行异常处理方法和系统是由沈潇军;程志华;毛冬;戴波;林恺丰;王嘉琦;饶涵宇;王宏刚;刘圣龙;江伊雯;王文;张建松;贺燕;许万全;陈祖歌;卢文达设计研发完成，并于2025-02-21向国家知识产权局提交的专利申请。

本一种隐私计算算法的密文执行异常处理方法和系统在说明书摘要公布了：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。

本发明授权一种隐私计算算法的密文执行异常处理方法和系统在权利要求书中公布了：1.一种隐私计算算法的密文执行异常处理方法，其特征在于，包括：获取若干个租户的差分隐私查询参数，并根据所述差分隐私查询参数量化各所述租户的数据查询敏感度，得到敏感度计算特征数据；通过ARIMA模型对所述敏感度计算特征数据进行时间序列分析，得到敏感度预测数据，并量化所述敏感度计算特征数据与所述敏感度预测数据间的残差，以评估各所述租户是否存在敏感度偏移异常，得到异常租户；采用滑动窗口提取各所述异常租户的敏感度计算特征数据中的统计特征以构建特征集，并对所述特征集进行聚类分析，得到各所述异常租户对应的异常模式及异常指纹特征簇；获取各所述异常租户的正常指纹特征簇，以结合所述异常指纹特征簇构建异常模式影响机理模型，并通过所述异常模式影响机理模型量化各所述异常模式对各所述异常租户的隐私保护水平的影响程度，得到量化分析结果；根据所述量化分析结果调整各所述异常租户的隐私预算分配比例，得到隐私预算分配方案并执行，以实现对隐私计算算法的密文执行中异常的处理；其中，所述差分隐私查询参数包括数据差分值和权重系数；所述获取若干个租户的差分隐私查询参数，并根据所述差分隐私查询参数量化各所述租户的数据查询敏感度，得到敏感度计算特征数据，包括：获取若干个租户的数据差分值和权重系数，并通过对所述数据差分值和所述权重系数进行点积运算以及归一化处理，得到第一租户隔离边界值以构建租户差分参数矩阵；所述租户差分参数矩阵中每行包含租户标识及其对应的数据查询敏感度；根据所述租户差分参数矩阵设置数据查询敏感度阈值，通过所述数据查询敏感度阈值对各所述租户进行分组聚类，得到具有不同数据查询敏感度级别的多个租户组，并按照预设脱敏规则对各所述租户组的差分隐私查询参数进行量化编码，得到第一特征空间；采用梯度提升树对所述第一特征空间中的参数范围区间与所述数据查询敏感度级别进行关联映射，输出参数映射向量，并对所述参数映射向量进行随机森林特征提取，得到第二特征空间；获取所述第二特征空间中的全局敏感度计算中间指标，通过自适应聚类算法对所述全局敏感度计算中间指标进行处理，得到聚类中心点集合，并基于所述聚类中心点集合构建特征向量维度矩阵；对所述特征向量维度矩阵进行正交变换，得到标准化特征向量，并将所述标准化特征向量与所述第一租户隔离边界值进行加权求和，生成差分隐私查询参数集合以作为所述敏感度计算特征数据输出；所述通过ARIMA模型对所述敏感度计算特征数据进行时间序列分析，得到敏感度预测数据，并量化所述敏感度计算特征数据与所述敏感度预测数据间的残差，包括：通过滑动时间窗口对所述敏感度计算特征数据进行固定间隔采样，得到采样数据，并通过量化所述采样数据的自相关函数与偏自相关函数以构建时序特征矩阵；对所述时序特征矩阵进行平稳性处理，得到平稳时序数据集以构建ARIMA模型，通过最小二乘法估计所述ARIMA模型的自回归项系数与移动平均项系数，并对所述ARIMA模型的参数进行显著性检验得到拟合优度指标；通过所述拟合优度指标筛选最优参数组合，并将具有所述最优参数组合的ARIMA模型在验证数据集上进行多步迭代预测，以计算预测结果的置信区间，得到敏感度预测序列；根据所述敏感度预测序列构建卡尔曼滤波器，设定状态转移矩阵与观测矩阵，通过预测更新与量测更新得到敏感度预测数据，并基于所述敏感度预测数据与所述采样数据计算所述残差。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人国网浙江省电力有限公司信息通信分公司;国网浙江省电力有限公司金华供电公司;国家电网有限公司大数据中心，其通讯地址为：310007 浙江省杭州市西湖区黄龙路8号641室；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。