(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210930181.2 (22)申请日 2022.08.04 (65)同一申请的已公布的文献号 申请公布号 CN 115017548 A (43)申请公布日 2022.09.06 (73)专利权人 湖南工商大 学 地址 410205 湖南省长 沙市岳麓区岳麓 大 道569号 (72)发明人 李闯　何澳丽　文艳华　南苏琴　 周洲　刘子平　 (74)专利代理 机构 深圳众鼎汇成知识产权代理 有限公司 4 4566 专利代理师 朱业刚 (51)Int.Cl. G06F 21/62(2013.01) G06N 5/04(2006.01)G06N 20/00(2019.01) G06Q 30/02(2012.01) (56)对比文件 CN 112767021 A,2021.0 5.07 CN 112906903 A,2021.0 6.04 CN 111340212 A,2020.0 6.26 CN 113204795 A,2021.08.0 3 CN 111046433 A,2020.04.21 CN 113591145 A,2021.1 1.02 CN 112688335 A,2021.04.20 CN 112132639 A,2020.12.25 CN 110706018 A,2020.01.17 CN 1081980 09 A,2018.0 6.22 杨秀清等.基 于数据质量评估的公平联邦学 习方案. 《计算机与数字 工程》 .202 2, 审查员 曾娜 (54)发明名称 数据定价方法、 装置及相关 设备 (57)摘要 本发明公开了一种数据定价方法、 装置、 计 算机设备及存储介质， 所述方法包括： 中间平台 将全局数据质量模型和全局参数传送给至少两 个数据拥有者； 数据拥有者采用本地数据和全局 参数对全局数据质量模型进行训练， 并根据得到 的训练结果更新内部参数； 数据拥有者对更新后 得到的内部参数进行随机扰动处理， 得到隐私参 数， 并将隐私参数传送给中间平台； 中间平台根 据接收到的所有隐私参数， 更新所全局数据质量 模型； 中间平台根据更新后的全局数据质量模型 和预设定价方式， 确定数据提供者对应的收益函 数和用户对应的收益函数； 中间平台对数据提供 者对应的收益函数和用户对应的收益函数进行 博弈处理， 得到博弈定价结果， 采用本发明提高 数据定价的公平性。 权利要求书3页 说明书12页 附图2页 CN 115017548 B 2022.11.08 CN 115017548 B 1.一种数据定价方法， 其特 征在于， 所述数据定价方法包括： 中间平台将全局数据质量模型和全局参数传送给至少两个数据拥有者， 其中， 所述全 局参数通过 所述中间平台训练所述全局数据质量模型 得到； 所述数据拥 有者在接收到所述全局数据质量模型和所述全局参数后， 采用本地数据和 所述全局参数对所述全局数据质量模型进行训练， 并根据得到的训练结果更新内部参数； 所述数据拥有者采用预设差分隐私算法对更新后得到的所述内部参数进行随机扰动 处理， 得到隐私参数， 并将所述隐私参数传送给 所述中间平台； 所述中间平台接收所述数据拥 有者发送的所述隐私参数， 并根据接收到的所有所述隐 私参数， 更新所述全局数据质量模型； 所述中间平台计算所述全局数据质量模型的收敛值， 并判断所述收敛值是否达到预设 值， 其中， 若 所述收敛值未达到预设值， 则返回所述中间平台将全局数据质量模 型和全局参 数传送给至少两个数据拥有者的步骤继续执 行， 直到所述收敛值达 到预设值； 所述中间平台根据更新后的全局数据质量模型和预设定价方式， 确定数据提供者对应 的收益函数和用户对应的收益函数， 其中， 所述数据提供者是指用于提供数据的数据拥有 者； 所述中间平台根据斯塔克尔伯格模型， 对所述数据提供者对应的收益函数和所述用户 对应的收益 函数进行 博弈处理， 得到博 弈定价结果； 其中， 所述数据拥 有者采用预设差分隐私算法对更新后得到的所述内部参数进行随机 扰动处理， 得到隐私参数， 并将所述隐私参数传送给 所述中间平台的步骤 包括： 基于预设的编码方式， 对更新后得到的所述内部参数进行编码处 理， 得到编码信息； 基于所述编码信息， 确定随机数 范围； 在所述随机数范围之内， 所述数据拥 有者采用预设差分隐私算法对所述内部参数进行 随机扰动处 理， 得到隐私参数， 并将所述隐私参数传送给 所述中间平台。 2.如权利要求1所述的数据定价方法， 其特征在于， 所述数据拥 有者在接收到所述全局 数据质量模型和所述全局参数后， 采用本地数据和所述全局参数对所述全局数据质量模型 进行训练， 并根据得到的训练结果更新内部参数的步骤 包括： 所述数据拥 有者在接收到所述全局数据质量模型和所述全局参数后， 采用本地数据和 所述全局参数对所述全局数据质量模型进 行训练， 并根据得到的训练结果更新内部参数中 的本地参数信息和本地梯度信息； 对本地数据进行 特征提取， 得到数据特 征， 其中， 所述数据拥有者还 包含价格信息； 将所述本地数据、 所述价格信息、 所述数据 特征、 所述本地参数信 息和所述本地梯度信 息作为所述数据拥有者的内部参数。 3.如权利要求1所述的数据定价方法， 其特征在于， 所述中间平台根据 更新后的全局数 据质量模型和预设定价方式， 确定数据提供者对应的收益函数和用户对应的收益函数的步 骤包括： 所述中间平台获取用户在数据提供者中的单位价格信息、 购买力指数， 所述数据提供 者对所述用户的数据维护成本； 基于更新后的全局数据质量模型， 对所述单位价格信 息和所述购买力指数进行收益计 算， 确定所述用户对应的收益 函数；权　利　要　求　书 1/3 页 2 CN 115017548 B 2基于所述更新后的全局数据质量模型， 对所述单位价格信 息和所述数据维护成本进行 收益计算， 确定所述数据提供者对应的收益 函数。 4.如权利要求3所述的数据定价方法， 其特征在于， 所述基于更新后的全局数据质量模 型， 对所述单位价格信息和所述购买力指数进行收益计算， 确定所述用户对应的收益函数 包括： 通过以下公式确定所述用户对应的收益 函数： 其中， i是指第i个数据提供者， j是指第j个用户， 是指用户j对数据提供者i的数据 需求量， 是指用户j在数据提供者i中的单位价格信息， R是指购买力指数， 是指用户 j的数据质量模型， β1和β2为曲线拟合 参数， CUj是指用户j对应的收益 函数。 5.如权利要求3所述的数据定价方法， 其特征在于， 所述基于所述更新后的全局数据质 量模型， 对所述单位价格信息和所述数据维护成本进行收益计算， 确定所述数据提供者对 应的收益 函数包括： 通过以下公式确定所述数据提供者对应的收益 函数： 其中， i是指第i个数据 提供者， n是指数据 提供者的总数， j是指第j个用户， s是指第s个 用户， M是指用户的总数， 是指用户j对数据提供者i的数据需求量， 是指用户j在数据 提供者i中的单位价格信息, 是指用户s在 数据提供者i中的单位价格信息， 是指用户 j在数据提供者i中的数据维护成本， 是指用户j的数据质量模型， 是指用户s的数 据质量模型。 6.如权利要求3所述的数据定价方法， 其特征在于， 所述中间平台根据斯塔克尔伯格模 型， 对所述数据提供者对应的收益函数和所述用户对应的收益函数进行博弈处理， 得到博 弈结果包括： 基于所述数据提供者对应的收益 函数， 确定所述数据提供者对应的子博 弈结果； 基于所述用户对应的收益 函数， 确定所述用户对应的子博 弈结果； 基于斯塔克尔伯格模型， 对所述数据提供者对应的子博弈结果和所述用户对应的子博 弈结果构成斯塔克尔伯格博弈均衡， 得到博弈定价结果， 其中， 当所述数据提供者的负收益 满足预设收益时， 将得到的需求结果和定价结果作为所述博 弈定价结果。 7.一种数据定价装置， 其特 征在于， 所述数据定价装置包括： 传输模块， 用于中间平台将全局数据质量模型和全局参数传送给至少两个数据拥有 者， 其中， 所述全局参数通过 所述中间平台训练所述全局数据质量模型 得到；权　利　要　求　书 2/3 页 3 CN 115017548 B 3