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！

龙图腾网获悉深圳奥赛思科技有限公司申请的专利一种基于多态模糊逻辑的大数据隐私聚合加密方法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：CN119538315B 。

龙图腾网通过国家知识产权局官网在2025-08-26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：202510104896.6，技术领域涉及：G06F21/62；该发明授权一种基于多态模糊逻辑的大数据隐私聚合加密方法是由马晶设计研发完成，并于2025-01-23向国家知识产权局提交的专利申请。

本一种基于多态模糊逻辑的大数据隐私聚合加密方法在说明书摘要公布了：本发明公开了一种基于多态模糊逻辑的大数据隐私聚合加密方法，S1、生成包含隐私敏感信息的待加密数据集；S2、基于多态模糊逻辑构建模糊逻辑规则库；S3、生成动态优化的模糊逻辑规则；S4、形成模糊化数据集；S5、形成优化后的聚合数据块；S6、生成加密数据块，同时生成与加密数据块对应的索引信息；S7、将加密数据块和索引信息存储至分布式存储系统，基于数据访问权限规则对分布式存储系统的访问进行动态控制，使不同权限的访问用户仅能获取加密数据块中与其权限匹配的数据。本发明有效提升了隐私保护的强度与效率，还为大数据隐私保护场景提供了更加安全、可靠的解决方案。

本发明授权一种基于多态模糊逻辑的大数据隐私聚合加密方法在权利要求书中公布了：1.一种基于多态模糊逻辑的大数据隐私聚合加密方法，其特征在于，包括如下步骤： S1、对目标数据集进行预处理，生成包含隐私敏感信息的待加密数据集； S2、基于多态模糊逻辑构建模糊逻辑规则库； 所述S2包括以下具体过程： S21、针对目标数据集中不同数据类型、隐私敏感等级及场景需求构建用于对待加密数据集内各属性数据进行模糊化描述的多态模糊隶属度函数，多态模糊隶属度函数通过整合高斯型模糊隶属度函数、三角形模糊隶属度函数及离散类型模糊隶属度函数的形式实现，对同一属性在不同场景下的模糊描述进行统一表达： ； 其中，表示待加密数据集中属性序号为j的属性，表示针对第l个应用场景的隐私需求，x为属性在数据记录中的数值，及为权重参数，用于平衡高斯型模糊隶属度函数、三角形模糊隶属度函数及离散类型模糊隶属度函数在场景下的贡献度，权重参数在大数据隐私聚合加密中决定不同类型数据在模糊化过程中的影响力度，及为高斯型隶属度函数的中心与标准差参数，为三角形隶属度函数的下界、峰值与上界参数，用于对数值域的属性数据进行模糊化，适应不同隐私敏感等级的需求，为分类型数据的离散值集合中的第v个可能值，为指示函数，用于对分类型数据进行特定值匹配的模糊描述，进而在大数据隐私聚合加密过程中对分类型属性的隐私特性进行粒度化处理，为分类型数据在场景下的可能取值个数，g表示高斯型隶属度函数，t表示三角形隶属度函数，cat表示离散型数据的类别特性，v表示当前正在处理的离散值索引； S22、基于多态模糊隶属度函数构建模糊化规则集合R，对待加密数据集中的隐私敏感属性及场景下的应用需求进行模糊决策映射，定义模糊规则的匹配度为： ； 式中，为第k条规则在场景下对待加密数据集的匹配度，为隐私敏感属性集合，对应标注的敏感属性，为规则针对属性的权重参数，为规则匹配度调节参数，为待加密数据集的记录数，为遍历待加密数据集中所有记录后对属性的模糊隶属度的累积，表示对于数据集中任意一条数据记录d； S23、对模糊化参数集合P进行多态初始化，满足大数据隐私聚合加密对多样数据类型和隐私需求的动态适应性； S24、基于多态模糊隶属度函数、模糊化规则集合R和模糊化参数集合P构建多态模糊逻辑规则库F： ； S3、利用苦鱼优化算法对所述模糊逻辑规则库中的模糊隶属度函数参数和模糊化规则进行优化，生成动态优化的模糊逻辑规则； S4、使用优化后的模糊逻辑规则对待加密数据集中的每一数据元素进行模糊化处理，将隐私敏感数据转化为模糊集合，形成模糊化数据集； S5、基于模糊化数据集引入聚合加密机制，将模糊化数据集中具有相似特性的隐私敏感数据按照相似度进行聚合，并根据优化目标确定数据块划分策略，形成优化后的聚合数据块； S6、利用动态加密密钥生成策略对优化后的聚合数据块进行加密处理，生成加密数据块，同时生成与加密数据块对应的索引信息； S7、将加密数据块和索引信息存储至分布式存储系统，基于数据访问权限规则对分布式存储系统的访问进行动态控制，使不同权限的访问用户仅能获取加密数据块中与其权限匹配的数据。

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深圳奥赛思科技有限公司，其通讯地址为：518100 广东省深圳市龙岗区横岗街道华侨新村社区荣德时代广场B1816；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”。