本申请是申请号为“202010387119.4”、申请日为“2019年05月09日”、发明名称为“基于零知识证明的个人数据处理方法、装置及电子设备”的专利申请的分案申请。
本申请涉及计算机技术领域，尤其涉及一种基于零知识证明的个人数据处理方法、装置及电子设备。
背景技术：
随着人工智能和大数据技术的发展，基于大量的训练数据进行机器学习建模以解决相关的问题已经变得非常普遍。例如，一些大型互联网公司积累了巨量的用户数据，利用这些用户数据进行机器学习建模，可以得到能够精准地向用户推荐感兴趣的商品的推荐模型。
目前，用户的个人数据集中存储在相应互联网公司的服务器中，目前的机器学习大多也是中心化的机器学习方式。这种中心化的数据存储和应用方式，使得用户的个人数据不受用户本人的控制，会造成用户隐私的泄露。而用户隐私保护已经成为社会和个人十分重视的领域，保护用户隐私和防止信息泄露成为当前企业和个人无法回避的问题。并且，为了保护用户隐私，一些国家或组织还专门出台了相关的法律和法规，例如，欧盟出台了欧盟通用数据保护条例(generaldataprotectionregulation，gdpr)，该条例对用户数据使用方式进行了限制，并且赋予用户对个人数据的控制权，不经用户个人的允许，任何企业或服务提供方机构不能随便使用。
然而，虽然这些法律法规的出台对保护用户隐私起到了很好的作用，但是也限制了包含用户隐私的数据的使用，制约了机器学习的应用和发展，因此，亟需提出一种既能保护用户隐私，又能满足机器学习需求的个人数据处理方案。
技术实现要素：
本说明书实施例提供了一种基于零知识证明的个人数据处理方法、装置及电子设备，以在保护用户隐私的前提下，满足使用用户的个人数据进行机器学习的目的。
为解决上述技术问题，本说明书实施例是这样实现的：
第一方面，提出了一种基于零知识证明的个人数据处理方法，包括：
第一智能体向第二智能体发送预设问题，其中，所述第一智能体是获得服务提供方的授权且能够代表所述服务提供方的智能体，所述第二智能体是获得所述服务提供方的目标用户的授权且能够代表所述目标用户的智能体；
所述第二智能体查询所述目标用户的个人数据库得到所述预设问题的答案，通过零知识证明算法生成包含所述答案的证明并发送至所述第一智能体；
所述第一智能体基于所述零知识证明算法验证所述证明的正确性，并在验证正确后从所述证明中获取所述预设问题的答案；
所述第一智能体将所述预设问题和所述预设问题的答案确定为用于建模的特征。
第二方面，提出了一种基于零知识证明的个人数据处理方法，包括：
向第二智能体发送预设问题，以使所述第二智能体查询目标用户的个人数据库得到所述预设问题的答案，通过零知识证明算法生成包含所述答案的证明并返回，其中，所述第二智能体是获得所述目标用户的授权且能够代表所述目标用户的智能体；
基于所述零知识证明算法验证所述证明的正确性，并在验证正确后从所述证明中获取所述预设问题的答案；
将所述预设问题和所述预设问题的答案确定为用于建模的特征。
第三方面，提出了一种基于零知识证明的个人数据处理方法，包括：
接收第一智能体发送的预设问题，其中，所述第一智能体是获得服务提供方的授权且能够代表所述服务提供方的智能体；
查询目标用户的个人数据库得到所述预设问题的答案，并通过零知识证明算法生成包含所述答案的证明；
将所述证明发送至所述第一智能体，以使所述第一智能体基于所述零知识证明算法验证所述证明的正确性，在验证通过后从所述证明中获取所述预设问题的答案，并将所述预设问题和所述预设问题的答案确定为用于建模的特征。
第四方面，提出了一种基于零知识证明的个人数据处理系统，包括：第一智能体和第二智能体，其中，所述第一智能体是获得服务提供方的授权且能够代表所述服务提供方的智能体，所述第二智能体是获得所述服务提供方的目标用户的授权且能够代表所述目标用户的智能体；
所述第一智能体，用于向所述第二智能体发送预设问题，以使所述第二智能体查询目标用户的个人数据库得到所述预设问题的答案，通过零知识证明算法生成包含所述答案的证明并返回；基于所述零知识证明算法验证所述证明的正确性，并在验证正确后从所述证明中获取所述预设问题的答案；将所述预设问题和所述预设问题的答案确定为用于建模的特征；
所述第二智能体，用于接收所述第一智能体发送的预设问题；查询目标用户的个人数据库得到所述预设问题的答案，通过零知识证明算法生成包含所述答案的证明并发送至所述第一智能体，以使所述第一智能体基于所述零知识证明算法验证所述证明的正确性，在验证通过后从所述证明中获取所述预设问题的答案，并将所述预设问题和所述预设问题的答案确定为用于建模的特征。
第五方面，提出了一种基于零知识证明的个人数据处理装置，包括：
提问模块，用于向第二智能体发送预设问题，以使所述第二智能体查询目标用户的个人数据库得到所述预设问题的答案，通过零知识证明算法生成包含所述答案的证明并返回，其中，所述第二智能体是获得所述目标用户的授权且能够代表所述目标用户的智能体；
验证模块，用于基于所述零知识证明算法验证所述证明的正确性，并在验证正确后从所述证明中获取所述预设问题的答案；
特征确定模块，用于将所述预设问题和所述预设问题的答案确定为用于建模的特征。
第六方面，提出了一种基于零知识证明的个人数据处理装置，包括：
接收模块，用于接收第一智能体发送的预设问题，其中，所述第一智能体是获得服务提供方的授权且能够代表所述服务提供方的智能体；
查询模块，用于查询目标用户的个人数据库得到所述预设问题的答案，并通过零知识证明算法生成包含所述答案的证明；
发送模块，用于将所述证明发送至所述第一智能体，以使所述第一智能体基于所述零知识证明算法验证所述证明的正确性，在验证通过后从所述证明中获取所述预设问题的答案，并将所述预设问题和所述预设问题的答案确定为用于建模的特征。
第七方面，提出了一种电子设备，包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行以下操作：
向第二智能体发送预设问题，以使所述第二智能体查询目标用户的个人数据库得到所述预设问题的答案，通过零知识证明算法生成包含所述答案的证明并返回，其中，所述第二智能体是获得所述目标用户的授权且能够代表所述目标用户的智能体；
基于所述零知识证明算法验证所述证明的正确性，并在验证正确后从所述证明中获取所述预设问题的答案；
将所述预设问题和所述预设问题的答案确定为用于建模的特征。
第八方面，提出了一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行以下操作：
向第二智能体发送预设问题，以使所述第二智能体查询目标用户的个人数据库得到所述预设问题的答案，通过零知识证明算法生成包含所述答案的证明并返回，其中，所述第二智能体是获得所述目标用户的授权且能够代表所述目标用户的智能体；
基于所述零知识证明算法验证所述证明的正确性，并在验证正确后从所述证明中获取所述预设问题的答案；
将所述预设问题和所述预设问题的答案确定为用于建模的特征。
第九方面，提出了一种电子设备，包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行以下操作：
接收第一智能体发送的预设问题，其中，所述第一智能体是获得服务提供方的授权且能够代表所述服务提供方的智能体；
查询目标用户的个人数据库得到所述预设问题的答案，并通过零知识证明算法生成包含所述答案的证明；
将所述证明发送至所述第一智能体，以使所述第一智能体基于所述零知识证明算法验证所述证明的正确性，在验证通过后从所述证明中获取所述预设问题的答案，并将所述预设问题和所述预设问题的答案确定为用于建模的特征。
第十方面，提出了一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行以下操作：
接收第一智能体发送的预设问题，其中，所述第一智能体是获得服务提供方的授权且能够代表所述服务提供方的智能体；
查询目标用户的个人数据库得到所述预设问题的答案，并通过零知识证明算法生成包含所述答案的证明；
将所述证明发送至所述第一智能体，以使所述第一智能体基于所述零知识证明算法验证所述证明的正确性，在验证通过后从所述证明中获取所述预设问题的答案，并将所述预设问题和所述预设问题的答案确定为用于建模的特征。
由以上本说明书实施例提供的技术方案可见，本说明书实施例提供的方案至少具备如下一种技术效果：本方案中的用户个人数据存储在用户的个人数据库中，受用户个人的控制，获得用户授权的第二智能体可以访问用户的个人数据，服务提供方没有权限直接访问用户的个人数据，服务提供方通过提问以及零知识证明的方式获取用于建模的特征，这一方面可以避免用户个人数据中的敏感数据发生泄漏，另一方面又可以提供相关特征数据给服务提供方，帮助服务提供方实现机器学习的目的，也就是说，本方案既能够保护用户的个人隐私，还能为服务提供方提供建模的特征数据。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1是本说明书实施例提供的一种基于零知识证明的个人数据处理方法的流程示意图之一。
图2是本说明书实施例提供的一种基于零知识证明的个人数据处理方法的流程示意图之二。
图3是本说明书实施例提供的一种基于零知识证明的个人数据处理方法的流程示意图之三。
图4是本说明书实施例提供的一种基于零知识证明的个人数据处理方法的交互示意图。
图5是本说明书实施例提供的一种基于零知识证明的个人数据处理方法的流程示意图之四。
图6是本说明书实施例提供的一种基于零知识证明的个人数据处理方法的流程示意图之五。
图7是本说明书实施例提供的一种基于零知识证明的个人数据处理系统的结构示意图。
图8是本说明书实施例提供的一种电子设备的结构示意图。
图9是本说明书实施例提供的一种基于零知识证明的个人数据处理装置的结构示意图之一。
图10是本说明书实施例提供的一种基于零知识证明的个人数据处理装置的结构示意图之二。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
为了在保护用户隐私的前提下，满足使用用户的个人数据进行机器学习的目的，本说明书实施例提供一种基于零知识证明的个人数据处理方法、装置和系统。本说明书实施例提供的方法及装置可以由电子设备执行，例如终端设备或服务端设备。换言之，所述方法可以由安装在终端设备或服务端设备的软件或硬件来执行。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述终端设备包括但不限于：智能手机、个人电脑(personalcomputer，pc)、笔记本电脑、平板电脑、电子阅读器、网络电视、可穿戴设备等智能终端设备中的任一种。
下面先对本说明书实施例提供的一种基于零知识证明的个人数据处理方法进行说明。
图1是本说明书的一个实施例提供的一种基于零知识证明的个人数据处理方法的实现流程示意图。如图1所示，该方法可以包括如下步骤。
步骤102、代表服务提供方的第一智能体向代表目标用户的第二智能体发送预设问题。
智能体(agent)是一种具有智能的软件系统，一个智能体一般具有自主性(自主的控制自己的行为且有自己的目标或意图)、反应性(能够根据对环境的感知调整自己的行为)、适应性(根据环境的变化修正自己的目标和计划)和社会性(智能体之间可以相互协作和交流)。
第一智能体是获得服务提供方的授权且能够代表服务提供方的智能体，具体可以是能够代表服务提供方收集用户特征、利用用户特征进行机器学习建立目标模型，以及利用目标模型进行预测的智能体，其中，服务提供方可以是为用户提供产品或服务的企业、公司或其他组织，如电商公司，以及任何通过收费向用户提供产品或服务的网络应用公司(如读书app公司、游戏app公司以及音乐app公司)等。第二智能体是获得服务提供方的目标用户的授权且能够代表目标用户的智能体，具体可以是获得目标用户授权能代表目标用户访问目标用户的个人数据库的智能体，其中，目标用户可以服务提供方的任一用户，可选地，目标用户可是更有利于建模的一些用户中的一个，如注册时间超过预设时长的用户。
在步骤102之前，第一智能体还需要接受服务提供方授予的代表所述服务提供方获取用户特征的权限，以使第一智能体能够代表服务提供方收集、使用目标用户的特征等；第二智能体还需要接受目标用户授予的控制所述目标用户的个人数据库的权限，以使第二智能体能够代表目标用户访问个人数据库。
步骤104、第二智能体查询目标用户的个人数据库得到预设问题的答案，通过零知识证明算法生成包含所述答案的证明并发送至第一智能体。
目标用户的个人数据库受目标用户个人所控制，目标用户的个人数据库中存储有目标用户的一些个人数据，当目标用户为电商公司的用户时，其个人数据库中存储的个人数据可以包括目标用户的网购记录等，当目标用户为某一在线音乐app公司的用户时，其个人数据库中存储的个人数据可以包括目标用户的音乐收听记录等。目标用户可通过授权的方式让第二智能体代表目标用户对个人数据库进行控制，这些控制包括访问、查询等。
预设问题可以是第一智能体预先设置的与建模有关的问题，预设问题的答案不能泄露目标用户的敏感信息或个人隐私。举例来说，预设问题可以是“目标用户的月薪是否超过一万”，相应的，答案可以为“是”或“否”，但是，预设问题不能是“目标用户的月薪是多少”，如果是该问题，则第二智能体通过查询目标用户的个人数据得到的答案可能是15000(目标用户的真是月薪)，将该答案通过零知识证明的方式发送至第一智能体，则会泄漏目标用户真是月收入这样的敏感信息。
因此，为了保护目标用户的个人数据中敏感信息或隐私信息发生泄漏，第二智能体在查询目标用户的个人数据库得到所述预设问题的答案之后，在基于零知识证明算法生成包含所述答案的证明之前，还可以判断回答所述预设问题是否会泄漏目标用户的隐私，具体可以预先设置一些规则来判断；若会泄露，则拒绝向所述第一智能体提供所述预设问题的答案，具体的拒绝方式可以是向第一智能体反馈类似“此问题会导致用户隐私泄漏，请换一个问题”这样的提示信息；若不会泄漏，则继续执行基于零知识证明算法生成包含所述答案的证明的步骤。
零知识证明(zero-knowledgeproof)是一种基于概率的验证方法，包括两部分：宣称某一命题为真的证明者(prover)和确认该命题确实为真的验证者(verifier)。零知识证明系统提供了一种证明协议，该证明协议满足如下三个特点：完整性-只要陈述是正确的，prover就可以让verifier确信；可靠性-如果陈述是错误的，prover就没有办法让verifier确信；零知识-该证明协议仅仅显示陈述是否正确，而不泄露任何其他额外的信息，也就是说，零知识证明指的是证明者能够在不向验证者提供任何有用的信息的情况下，使验证者相信某个论断是正确的。顾名思义，零知识证明就是既能充分证明自己是某种权益的合法拥有者，又不把有关的信息泄漏出去，即给外界的“知识”为“零”。
作为一个例子，本说明书实施例中的零知识证明算法包括零知识简洁无交互知识认证(succinctnon-interactiveargumentofknowledge，zksnark)。下一步骤将对第二智能体基于zksnark生成证明，以及第一智能体验证证明的正确性的过程进行详细说明。
步骤106、第一智能体基于零知识证明算法验证所述证明的正确性，若正确，执行步骤108，否则返回执行步骤102或重新向第二智能体提问。
1)在基于zksnark生成某一命题为真(如上述答案为真)的证明之前，第二智能体先进行如下配置：
随机选取α,β,γ,δ,x←f*，生成σ,τ：
τ＝(α,β,γ,δ,x)
定义与要证明秘密的相关的等式：
其中，α,β,γ,δ,x为随机选取的数值，f*表示域；ui(x),vi(x),wi(x),h(x),t(x)是与要证明的问题相关的多项式，其中，h(x)与t(x)是与需要证明的问题相关的多项式，n表示多项式t(x)的阶数，设a0＝1，(a1,…,al)代表声明(statements)，说明证明者知道秘密信息；(al 1,…,am)代表秘密信息(witnesses)；l和m是与声明(statements)和秘密信息(witnesses)相关的整数。
2)第二智能体基于zksnark生成某一命题为真(如上述答案为真)的证明过程为：
随机选择两个参数r和s,计算π＝∏σ＝(a，b，c)
其中，π为生成的证明，ai为要证明的内容(即上述预设问题的答案为真)r和s是为了增加不确定性随机选择的参数。
3)第一智能基于zksnark验证接收到的证明的正确性的过程：
验证如下的等式是否成立，若成立，则说明证明是正确的，否则不正确：
步骤108、第一智能体从所述证明中获取所述预设问题的答案，将所述预设问题和所述预设问题的答案确定为用于建模的特征。
例如，将预设问题“用户的月薪是否过万”及答案“是”作为用于建模的一个特征。
本说明书实施例提供的一种基于零知识证明的个人数据处理方法，用户个人数据存储在用户的个人数据库中，受用户个人的控制，获得用户授权的第二智能体可以访问用户的个人数据，服务提供方没有权限直接访问用户的个人数据，服务提供方通过提问以及零知识证明的方式获取用于建模的特征，这一方面可以避免用户个人数据中的敏感数据发生泄漏，另一方面又可以提供相关特征数据给服务提供方，帮助服务提供方实现机器学习的目的，也就是说，本方案既能够保护用户的个人隐私，还能为服务提供方提供建模的特征数据。
可选地，在图1的基础上，本说明书实施例提供的一种基于零知识证明的个人数据处理方法，还可以包括：
对目标用户重复执行多次指定步骤，以将目标用户的多个预设问题和该多个预设问题对应的答案作为用于建模的多个特征，并加入特征池；其中，指定步骤包括步骤102至步骤108。
进一步地，可以对更多用户分别重复执行上述指定步骤，以分别将更多用户的多个预设问题和该多个预设问题对应的答案作为用于建模的多个特征，并加入特征池；其中，一个用户对应一个第二智能体。
也就是说，如图2所示，本说明书实施例提供的一种基于零知识证明的个人数据处理方法，还可以包括：
步骤110、判断是否对n个用户重复执行多次上述步骤102至步骤108，若为是，执行步骤112，否的话，返回再次执行步骤102。
一般来说，对同一用户重复执行步骤102时，第一智能体向代表该用户的第二智能体的发送的预设问题不同，这样才能针对一个用户获得一系列问题及这一系列问题对应的一系列答案，作为用于建模的该用户的特征。
步骤112、第一智能体分别将确定的n个目标用户的用于建模的多个特征，加入特征池。
这样可以得到n个用户的一系列问题及一系列问题对应的答案作为用于建模的特征。
可选地，如图2所示，本说明书实施例提供的一种基于零知识证明的个人数据处理方法，还可以包括：
步骤114、第一智能体基于特征池中的特征训练目标模型。
目标模型可用于预测服务提供方的指定用户的预设参数，该预设参数可用于服务提供方确定是否向该指定用户提供预设服务。
以服务提供方为电商公司为例，指定用户为一个新用户，预设参数可以是该用户对某一类商品的喜好程度，在预测出该用户对该类商品的喜好程度较高时，可以向该用户推荐该类型的商品。
在一个例子中，第一智能体基于特征池中的特征进行无监督的训练得到目标模型。
在另一个例子中，第一智能体可以先确定出特征池中特征对应的用户的标签，具体可以基于服务提供方自身积累的用户数据(如用户是否购买某款商品)，确定所述特征池中特征对应的用户的标签；然后基于特征池中特征对应的用户的标签以及特征池中的特征，有监督的训练目标模型。
本说明书实施例提供的一种基于零知识证明的个人数据处理方法，除了可能够在保护用户的个人隐私的前提下，为服务提供方提供建模的特征数据外，还可以进一步使代表服务提供方的第一智能体基于代表多个用户的各第二智能体提供的特征训练目标模型，帮助服务提供方实现了机器学习建模以解决是否向指定用户提供预设服务的问题。
可选地，如图3所示，本说明书实施例提供的一种基于零知识证明的个人数据处理方法，还可以包括：
步骤116、对指定用户重复执行所述指定步骤，以得到所述指定用户的多个预设问题和该多个预设问题对应的答案。
指定步骤包括上述步骤102至步骤108。指定用户可以服务提供方的新用户和老用户中的任一用户。
步骤118、第一智能体将指定用户的多个预设问题和该多个预设问题对应的答案作为特征输入上述目标模型，得到指定用户的预设参数。
步骤120、第一智能体基于指定用户的预设参数，确定是否向指定用户提供预设服务。
如前文所述，以服务提供方为电商公司为例，指定用户为一个新用户，预设参数可以是该用户对某一类商品的喜好程度，在预测出该用户对该类商品的喜好程度较高时，可以向该用户推荐该类型的商品。
可以理解，上述预设参数以及上述预设服务都可以根据实际应用场景灵活设置，本说明书对此不做限制。
本说明书实施例提供的一种基于零知识证明的个人数据处理方法，除了可能够在保护用户的个人隐私的前提下，为服务提供方提供建模的特征数据外，不但可以进一步使代表服务提供方的第一智能体基于代表多个用户的各第二智能体提供的特征训练目标模型，帮助服务提供方实现了机器学习建模得目的，还可以应用建立的目标模型对指定用户的预设参数做出预测，从而做出是否向指定用户提供预设服务的决策。
下面对结合图4所示的交互图，对本说明书实施例提供的一种基于零知识证明的个人数据处理方法再次进行说明。
如图4所示，本说明的一个实施例提供的一种基于零知识证明的个人数据处理方法，可以包括如下过程：
步骤1.1，服务提供方11向第一智能体12授权，以使第一智能体能12够代表自己收集用户特征、应用收集的用户特征建模以及利用建立的模型进行预测等。
步骤1.2，目标用户21向第二智能体22授权，以使第二智能体22能够代表自己访问自己的个人数据库，该个人数据库中可以保存有目标用户21的网络交易信息、网络浏览信息、个人信贷新和个人基础信息(如性别、年龄、所在城市等)。
在实际应用中，一个用户可针对一个服务提供方维护一个个人数据库，也可以针对多个服务提供方维护一个个人数据库，可以理解，对于用户来说，将自身在不同服务提供方产生的个人数据保存在同一个人数据库中，可以减轻用户维护个人数据库的负担。
步骤2，第一智能体12代表服务提供方11向第二智能体提出预设问题，以获取相应的答案。
步骤3.1，第二智能体22代表目标用户21查询目标用户21的个人数据库23获取预设问题的答案。
步骤3.2，目标用户21的个人数据库23将预设问题的答案返回第二智能体22。
步骤3.3，第二智能体22将预设问题的答案发送至零知识证明算法执行体24。
步骤3.4，零知识证明算法执行体24生成包含预设问题的答案的证明并返回第二智能体22。
步骤4，第二智能体22将证明发送至第一智能体12。
步骤5.1，第一智能体12向零知识证明算法执行体13发送证明以验证证明是否正确。
步骤5.2，零知识证明算法执行体13向第一智能体12发送验证结果。
步骤6，在验证结果为正确时，第一智能体12将预设问题及其答案加入特征池，在特征池中的特征足够多，样本数量足够大时，第一智能体12基于特征池中的特征训练目标模型14，目标模型14可用于预测指定用户的预设参数，预设参数可用于服务提供方11确定是否向指定用户提供预设服务。
步骤7.1，指定用户31授权另一第二智能体32代表自己访问自己的个人数据库。
步骤7.2，第一智能体12与另一第二智能体32交互得到指定用户31的一系列特征。
步骤7.3，第一智能体12将指定用户31的一系列特征输入训练好的目标模型，预测得到指定用户31的预设参数。
得到指定用户31的预设参数之后，服务提供方11就可以基于该预设参数做出是否向指定用户31提供预设服务的决策。
本说明书实施例提供的一种基于零知识证明的个人数据处理方法，除了可能够在保护用户的个人隐私的前提下，为服务提供方提供建模的特征数据外，不但可以进一步使代表服务提供方的第一智能体基于代表多个用户的各第二智能体提供的特征训练目标模型，帮助服务提供方实现了机器学习建模得目的，还可以应用建立的目标模型对指定用户的预设参数做出预测，从而做出是否向指定用户提供预设服务的决策。
如图5所示，本说明书实施例还提供了一种基于零知识证明的个人数据处理方法，该方法可应用于上述第一智能体中，该方法可以包括：
步骤502、向第二智能体发送预设问题，以使所述第二智能体查询目标用户的个人数据库得到所述预设问题的答案，通过零知识证明算法生成包含所述答案的证明并返回，其中，所述第二智能体是获得所述目标用户的授权且能够代表所述目标用户的智能体。
步骤504、基于所述零知识证明算法验证所述证明的正确性，并在验证正确后从所述证明中获取所述预设问题的答案。
步骤506、将所述预设问题和所述预设问题的答案确定为用于建模的特征。
需要说明的是，本说明书实施例提供的基于零知识证明的个人数据处理方法与图1提供的基于零知识证明的个人数据处理方法相对应，能取得相同的技术效果，详细内容可参考图1所示的方法，不再赘述。
如图6所示，本说明书实施例还提供了一种基于零知识证明的个人数据处理方法，该方法可应用于上述第二智能体中，该方法可以包括：
步骤602、接收第一智能体发送的预设问题，其中，所述第一智能体是获得服务提供方的授权且能够代表所述服务提供方的智能体。
步骤604、查询目标用户的个人数据库得到所述预设问题的答案，并通过零知识证明算法生成包含所述答案的证明。
步骤606、将所述证明发送至所述第一智能体，以使所述第一智能体基于所述零知识证明算法验证所述证明的正确性，在验证通过后从所述证明中获取所述预设问题的答案，并将所述预设问题和所述预设问题的答案确定为用于建模的特征。
需要说明的是，本说明书实施例提供的基于零知识证明的个人数据处理方法与图1提供的基于零知识证明的个人数据处理方法相对应，能取得相同的技术效果，详细内容可参考图1所示的方法，不再赘述。
以上是对本说明书提供的方法实施例的说明，下面对本说明书实施例提供的一种基于零知识证明的个人数据处理系统进行说明。
如图7所示，本说明书实施例提供的一种基于零知识证明的个人数据处理系统，可以包括：第一智能体71和第二智能体72，其中，第一智能体71是获得服务提供方的授权且能够代表所述服务提供方的智能体，第二智能体72是获得所述服务提供方的目标用户的授权且能够代表所述目标用户的智能体。
第一智能体71，用于向所述第二智能体发送预设问题，以使所述第二智能体查询目标用户的个人数据库得到所述预设问题的答案，通过零知识证明算法生成包含所述答案的证明并返回；基于所述零知识证明算法验证所述证明的正确性，并在验证正确后从所述证明中获取所述预设问题的答案；将所述预设问题和所述预设问题的答案确定为用于建模的特征.
第二智能体72，用于接收所述第一智能体发送的预设问题；查询目标用户的个人数据库得到所述预设问题的答案，通过零知识证明算法生成包含所述答案的证明并发送至所述第一智能体，以使所述第一智能体基于所述零知识证明算法验证所述证明的正确性，在验证通过后从所述证明中获取所述预设问题的答案，并将所述预设问题和所述预设问题的答案确定为用于建模的特征。
需要说明的是，本说明书实施例提供的基于零知识证明的个人数据处理系统与图1提供的基于零知识证明的个人数据处理方法相对应，并能取得相同的技术效果，详细内容可参考图1所示的方法，不再赘述。
下面对本说明书提供的电子设备进行介绍。
图8是本说明书的一个实施例提供的电子设备的结构示意图。请参考图8，在硬件层面，该电子设备包括处理器，可选地还包括内部总线、网络接口、存储器。其中，存储器可能包含内存，例如高速随机存取存储器(random-accessmemory，ram)，也可能还包括非易失性存储器(non-volatilememory)，例如至少1个磁盘存储器等。当然，该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接，该内部总线可以是isa(industrystandardarchitecture，工业标准体系结构)总线、pci(peripheralcomponentinterconnect，外设部件互连标准)总线或eisa(extendedindustrystandardarchitecture，扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图8中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
存储器，用于存放程序。具体地，程序可以包括程序代码，所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器，并向处理器提供指令和数据。
处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，在逻辑层面上形成基于零知识证明的个人数据处理装置。处理器，执行存储器所存放的程序，并具体用于执行以下操作：
向第二智能体发送预设问题，以使所述第二智能体查询目标用户的个人数据库得到所述预设问题的答案，通过零知识证明算法生成包含所述答案的证明并返回，其中，所述第二智能体是获得所述目标用户的授权且能够代表所述目标用户的智能体；
基于所述零知识证明算法验证所述证明的正确性，并在验证正确后从所述证明中获取所述预设问题的答案；
将所述预设问题和所述预设问题的答案确定为用于建模的特征。
或者，处理器，执行存储器所存放的程序，并具体用于执行以下操作：
接收第一智能体发送的预设问题，其中，所述第一智能体是获得服务提供方的授权且能够代表所述服务提供方的智能体；
查询目标用户的个人数据库得到所述预设问题的答案，并通过零知识证明算法生成包含所述答案的证明；
将所述证明发送至所述第一智能体，以使所述第一智能体基于所述零知识证明算法验证所述证明的正确性，在验证通过后从所述证明中获取所述预设问题的答案，并将所述预设问题和所述预设问题的答案确定为用于建模的特征。
上述如本说明书图5或图6所示实施例揭示的基于零知识证明的个人数据处理方法可以应用于处理器中，或者由处理器实现。处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器，包括中央处理器(centralprocessingunit，cpu)、网络处理器(networkprocessor，np)等；还可以是数字信号处理器(digitalsignalprocessor，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现场可编程门阵列(field－programmablegatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本说明书一个或多个实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本说明书一个或多个实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。
该电子设备还可执行图5或图6所示的实施例提供的基于零知识证明的个人数据处理方法，本说明书在此不再赘述。
当然，除了软件实现方式之外，本说明书的电子设备并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。
本说明书实施例还提出了一种计算机可读存储介质，该计算机可读存储介质存储一个或多个程序，该一个或多个程序包括指令，该指令当被包括多个应用程序的便携式电子设备执行时，能够使该便携式电子设备执行图5所示实施例的方法，并具体用于执行以下操作：
向第二智能体发送预设问题，以使所述第二智能体查询目标用户的个人数据库得到所述预设问题的答案，通过零知识证明算法生成包含所述答案的证明并返回，其中，所述第二智能体是获得所述目标用户的授权且能够代表所述目标用户的智能体；
基于所述零知识证明算法验证所述证明的正确性，并在验证正确后从所述证明中获取所述预设问题的答案；
将所述预设问题和所述预设问题的答案确定为用于建模的特征。
本说明书实施例还提出了一种计算机可读存储介质，该计算机可读存储介质存储一个或多个程序，该一个或多个程序包括指令，该指令当被包括多个应用程序的便携式电子设备执行时，能够使该便携式电子设备执行图6所示实施例的方法，并具体用于执行以下操作：
接收第一智能体发送的预设问题，其中，所述第一智能体是获得服务提供方的授权且能够代表所述服务提供方的智能体；
查询目标用户的个人数据库得到所述预设问题的答案，并通过零知识证明算法生成包含所述答案的证明；
将所述证明发送至所述第一智能体，以使所述第一智能体基于所述零知识证明算法验证所述证明的正确性，在验证通过后从所述证明中获取所述预设问题的答案，并将所述预设问题和所述预设问题的答案确定为用于建模的特征。
下面对本说明书提供的装置进行说明。
如图9所示，本说明书的一个实施例提供了一种基于零知识证明的个人数据处理装置900，在一种软件实施方式中，装置900可包括：提问模块901、验证模块902和特征确定模块903。
提问模块901，用于向第二智能体发送预设问题，以使所述第二智能体查询目标用户的个人数据库得到所述预设问题的答案，通过零知识证明算法生成包含所述答案的证明并返回，其中，所述第二智能体是获得所述目标用户的授权且能够代表所述目标用户的智能体。
验证模块902，用于基于所述零知识证明算法验证所述证明的正确性，并在验证正确后从所述证明中获取所述预设问题的答案。
特征确定模块903，用于将所述预设问题和所述预设问题的答案确定为用于建模的特征。
需要说明的是，基于零知识证明的个人数据处理装置900能够实现图5的方法，并能取得相同的技术效果，详细内容可参考图5所示的方法，不再赘述。
如图10所示，本说明书的一个实施例提供了一种基于零知识证明的个人数据处理装置1000，在一种软件实施方式中，装置1000可包括：接收模块1001、查询模块1002和发送模块1003。
接收模块1001，用于接收第一智能体发送的预设问题，其中，所述第一智能体是获得服务提供方的授权且能够代表所述服务提供方的智能体。
查询模块1002，用于查询目标用户的个人数据库得到所述预设问题的答案，并通过零知识证明算法生成包含所述答案的证明。
发送模块1003，用于将所述证明发送至所述第一智能体，以使所述第一智能体基于所述零知识证明算法验证所述证明的正确性，在验证通过后从所述证明中获取所述预设问题的答案，并将所述预设问题和所述预设问题的答案确定为用于建模的特征。
需要说明的是，基于零知识证明的个人数据处理装置1000能够实现图6的方法，并能取得相同的技术效果，详细内容可参考图6所示的方法，不再赘述。
上述对本说明书特定实施例进行了描述，其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
总之，以上所述仅为本说明书的较佳实施例而已，并非用于限定本说明书的保护范围。凡在本说明书一个或多个实施例的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本说明书一个或多个实施例的保护范围之内。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitorymedia)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括多个要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制时，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
1.一种基于零知识证明的个人数据处理方法，包括：
第一智能体向第二智能体发送预设问题，其中，所述第一智能体是获得服务提供方的授权且能够代表所述服务提供方的智能体，所述第二智能体是获得所述服务提供方的目标用户的授权且能够代表所述目标用户的智能体；
所述第二智能体查询所述目标用户的个人数据库得到所述预设问题的答案，判断回答所述预设问题是否会泄漏所述目标用户的隐私，若不会泄露，则通过零知识证明算法生成包含所述答案的证明并发送至所述第一智能体，其中，所述预设问题的答案不能泄露所述目标用户的敏感信息或个人隐私；
所述第一智能体基于所述零知识证明算法验证所述证明的正确性，并在验证正确后从所述证明中获取所述预设问题的答案；
所述第一智能体将所述预设问题和所述预设问题的答案确定为用于建模的特征。
2.根据权利要求1所述的方法，还包括：
对所述目标用户重复执行多次指定步骤，以将所述目标用户的多个预设问题和该多个预设问题对应的答案作为用于建模的多个特征，并加入特征池；
其中，所述指定步骤包括：所述第一智能体向第二智能体发送预设问题至所述第一智能体将所述预设问题和所述预设问题的答案确定为用于建模的特征的步骤。
3.根据权利要求2所述的方法，还包括：
对更多用户分别重复执行所述指定步骤，以分别将所述更多用户的多个预设问题和该多个预设问题对应的答案作为用于建模的多个特征，并加入特征池；
其中，一个用户对应一个第二智能体。
4.根据权利要求3所述的方法，还包括：
所述第一智能体基于所述特征池中的特征训练目标模型。
5.根据权利要求4所述的方法，其中，所述第一智能体基于所述特征池中的特征训练目标模型，包括：
所述第一智能体确定所述特征池中特征对应的用户的标签；
所述第一智能体基于所述特征池中特征对应的用户的标签以及所述特征池中的特征，训练目标模型。
6.根据权利要求5所述的方法，其中，所述第一智能体确定所述特征池中特征对应的用户的标签，包括：
所述第一智能体基于所述服务提供方积累的用户数据，确定所述特征池中特征对应的用户的标签。
7.根据权利要求4-6任一项所述的方法，还包括：
对所述指定用户重复执行所述指定步骤，以得到所述指定用户的多个预设问题和该多个预设问题对应的答案；
所述第一智能体将所述指定用户的多个预设问题和该多个预设问题对应的答案作为特征输入所述目标模型，得到所述指定用户的预设参数；
所述第一智能体基于所述指定用户的预设参数，确定是否向所述指定用户提供预设服务。
8.根据权利要求1所述的方法，
所述零知识证明算法包括零知识简洁无交互知识认证zksnark。
9.根据权利要求1所述的方法，在第一智能体向第二智能体发送预设问题之前，所述方法还包括：
所述第二智能体接受所述目标用户授予的控制所述目标用户的个人数据库的权限；
所述第一智能体接受所述服务提供方授予的代表所述服务提供方获取用户特征的权限。
10.根据权利要求1所述的方法，在所述第二智能体查询所述目标用户的个人数据库得到所述预设问题的答案之后，在基于零知识证明算法生成包含所述答案的证明之前，还包括：
若所述第二智能体判断回答所述预设问题是否会泄漏所述目标用户的隐私，则所述第二智能体拒绝向所述第一智能体提供所述预设问题的答案。
11.一种基于零知识证明的个人数据处理方法，包括：
向第二智能体发送预设问题，以使所述第二智能体查询目标用户的个人数据库得到所述预设问题的答案，判断回答所述预设问题是否会泄漏所述目标用户的隐私，若不会泄露，则通过零知识证明算法生成包含所述答案的证明并返回，其中，所述第二智能体是获得所述目标用户的授权且能够代表所述目标用户的智能体，所述预设问题的答案不能泄露所述目标用户的敏感信息或个人隐私；
基于所述零知识证明算法验证所述证明的正确性，并在验证正确后从所述证明中获取所述预设问题的答案；
将所述预设问题和所述预设问题的答案确定为用于建模的特征。
12.一种基于零知识证明的个人数据处理方法，包括：
接收第一智能体发送的预设问题，其中，所述第一智能体是获得服务提供方的授权且能够代表所述服务提供方的智能体；
查询目标用户的个人数据库得到所述预设问题的答案，判断回答所述预设问题是否会泄漏所述目标用户的隐私，若不会泄露，则通过零知识证明算法生成包含所述答案的证明，其中，所述预设问题的答案不能泄露所述目标用户的敏感信息或个人隐私；
将所述证明发送至所述第一智能体，以使所述第一智能体基于所述零知识证明算法验证所述证明的正确性，在验证通过后从所述证明中获取所述预设问题的答案，并将所述预设问题和所述预设问题的答案确定为用于建模的特征。
13.一种基于零知识证明的个人数据处理系统，包括：第一智能体和第二智能体，其中，所述第一智能体是获得服务提供方的授权且能够代表所述服务提供方的智能体，所述第二智能体是获得所述服务提供方的目标用户的授权且能够代表所述目标用户的智能体；
所述第一智能体，用于向所述第二智能体发送预设问题，以使所述第二智能体查询目标用户的个人数据库得到所述预设问题的答案，判断回答所述预设问题是否会泄漏所述目标用户的隐私，若不会泄露，则通过零知识证明算法生成包含所述答案的证明并返回；基于所述零知识证明算法验证所述证明的正确性，并在验证正确后从所述证明中获取所述预设问题的答案；将所述预设问题和所述预设问题的答案确定为用于建模的特征；
所述第二智能体，用于接收所述第一智能体发送的预设问题；查询目标用户的个人数据库得到所述预设问题的答案，通过零知识证明算法生成包含所述答案的证明并发送至所述第一智能体，以使所述第一智能体基于所述零知识证明算法验证所述证明的正确性，在验证通过后从所述证明中获取所述预设问题的答案，并将所述预设问题和所述预设问题的答案确定为用于建模的特征，其中，所述预设问题的答案不能泄露所述目标用户的敏感信息或个人隐私。
14.一种基于零知识证明的个人数据处理装置，包括：
提问模块，用于向第二智能体发送预设问题，以使所述第二智能体查询目标用户的个人数据库得到所述预设问题的答案，判断回答所述预设问题是否会泄漏所述目标用户的隐私，若不会泄露，则通过零知识证明算法生成包含所述答案的证明并返回，其中，所述第二智能体是获得所述目标用户的授权且能够代表所述目标用户的智能体，所述预设问题的答案不能泄露所述目标用户的敏感信息或个人隐私；
验证模块，用于基于所述零知识证明算法验证所述证明的正确性，并在验证正确后从所述证明中获取所述预设问题的答案；
特征确定模块，用于将所述预设问题和所述预设问题的答案确定为用于建模的特征。
15.一种基于零知识证明的个人数据处理装置，包括：
接收模块，用于接收第一智能体发送的预设问题，其中，所述第一智能体是获得服务提供方的授权且能够代表所述服务提供方的智能体；
查询模块，用于查询目标用户的个人数据库得到所述预设问题的答案，判断回答所述预设问题是否会泄漏所述目标用户的隐私，若不会泄露，则通过零知识证明算法生成包含所述答案的证明，其中，所述预设问题的答案不能泄露所述目标用户的敏感信息或个人隐私；
发送模块，用于将所述证明发送至所述第一智能体，以使所述第一智能体基于所述零知识证明算法验证所述证明的正确性，在验证通过后从所述证明中获取所述预设问题的答案，并将所述预设问题和所述预设问题的答案确定为用于建模的特征。
16.一种电子设备，包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行以下操作：
向第二智能体发送预设问题，以使所述第二智能体查询目标用户的个人数据库得到所述预设问题的答案，判断回答所述预设问题是否会泄漏所述目标用户的隐私，若不会泄露，则通过零知识证明算法生成包含所述答案的证明并返回，其中，所述第二智能体是获得所述目标用户的授权且能够代表所述目标用户的智能体，所述预设问题的答案不能泄露所述目标用户的敏感信息或个人隐私；
基于所述零知识证明算法验证所述证明的正确性，并在验证正确后从所述证明中获取所述预设问题的答案；
将所述预设问题和所述预设问题的答案确定为用于建模的特征。
17.一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行以下操作：
向第二智能体发送预设问题，以使所述第二智能体查询目标用户的个人数据库得到所述预设问题的答案，判断回答所述预设问题是否会泄漏所述目标用户的隐私，若不会泄露，则通过零知识证明算法生成包含所述答案的证明并返回，其中，所述第二智能体是获得所述目标用户的授权且能够代表所述目标用户的智能体，所述预设问题的答案不能泄露所述目标用户的敏感信息或个人隐私；
基于所述零知识证明算法验证所述证明的正确性，并在验证正确后从所述证明中获取所述预设问题的答案；
将所述预设问题和所述预设问题的答案确定为用于建模的特征。
18.一种电子设备，包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行以下操作：
接收第一智能体发送的预设问题，其中，所述第一智能体是获得服务提供方的授权且能够代表所述服务提供方的智能体；
查询目标用户的个人数据库得到所述预设问题的答案，判断回答所述预设问题是否会泄漏所述目标用户的隐私，若不会泄露，则通过零知识证明算法生成包含所述答案的证明，其中，所述预设问题的答案不能泄露所述目标用户的敏感信息或个人隐私；
将所述证明发送至所述第一智能体，以使所述第一智能体基于所述零知识证明算法验证所述证明的正确性，在验证通过后从所述证明中获取所述预设问题的答案，并将所述预设问题和所述预设问题的答案确定为用于建模的特征。
19.一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行以下操作：
接收第一智能体发送的预设问题，其中，所述第一智能体是获得服务提供方的授权且能够代表所述服务提供方的智能体；
查询目标用户的个人数据库得到所述预设问题的答案，判断回答所述预设问题是否会泄漏所述目标用户的隐私，若不会泄露，则通过零知识证明算法生成包含所述答案的证明，其中，所述预设问题的答案不能泄露所述目标用户的敏感信息或个人隐私；
将所述证明发送至所述第一智能体，以使所述第一智能体基于所述零知识证明算法验证所述证明的正确性，在验证通过后从所述证明中获取所述预设问题的答案，并将所述预设问题和所述预设问题的答案确定为用于建模的特征。
技术总结