本说明书实施例提出了一种用户数据的删除方法、装置和电子设备，其中，上述用户数据的删除方法中，服务器获取删除用户数据的请求之后，在第一训练数据中查找上述请求中携带的用户标识所对应的用户数据，如果查找到上述用户标识对应的用户数据，则从上述第一训练数据中删除查找到的用户数据，并利用删除上述用户数据之后的第二训练数据，重新训练机器学习模型，从而可以实现从训练数据和生成的机器学习模型中删除指定用户的数据，满足合规要求，还可以重新训练并发布新的机器学习模型。可以重新训练并发布新的机器学习模型。可以重新训练并发布新的机器学习模型。
【技术实现步骤摘要】
用户数据的删除方法、装置和电子设备
[0001]本说明书实施例涉及互联网
，尤其涉及一种用户数据的删除方法、装置和电子设备。
技术介绍
[0002]现有相关技术中，明确规定了用户有权要求互联网公司删除保存的该用户的相关数据，这意味着如果互联网公司使用该用户的数据，训练生成了深度学习模型，那么这个深度学习模型也需要支持能够删除模型中该用户对应的数据。
[0003]因此需要提供一种方案，不仅可以从训练数据中删除指定用户对应的数据，也可以从训练生成的模型中删除该用户对应的数据。
技术实现思路
[0004]本说明书实施例提供了一种用户数据的删除方法、装置和电子设备，以实现从训练数据和训练生成的模型中删除指定用户对应的数据，重新训练并发布新模型。
[0005]第一方面，本说明书实施例提供一种用户数据的删除方法，包括：获取删除用户数据的请求，所述请求中包括请求删除的用户数据所对应的用户标识；在第一训练数据中查找所述用户标识对应的用户数据；其中，所述第一训练数据包括训练机器学习模型所使用的数据，所述第一训练数据中包括至少两个用户的用户数据；如果查找到所述用户标识对应的用户数据，则从所述第一训练数据中删除查找到的用户数据；利用删除所述用户数据之后的第二训练数据，重新训练机器学习模型。
[0006]上述用户数据的删除方法中，服务器获取删除用户数据的请求之后，在第一训练数据中查找上述请求中携带的用户标识所对应的用户数据，如果查找到上述用户标识对应的用户数据，则从上述第一训练数据中删除查找到的用户数据，并利用删除上述用户数据之后的第二训练数据，重新训练机器学习模型，从而可以实现从训练数据和生成的机器学习模型中删除指定用户的数据，满足合规要求，还可以重新训练并发布新的机器学习模型。
[0007]其中一种可能的实现方式中，所述方法还包括：在所述重新训练机器学习模型的过程中，接收到所述机器学习模型的输入数据之后，在所述第一训练数据中查找所述输入数据；如果查找到所述输入数据，则修改所述机器学习模型返回的置信度值。
[0008]其中一种可能的实现方式中，所述修改所述机器学习模型返回的置信度值包括：将所述机器学习模型返回的置信度值修改为预定区间中的任意值，所述预定区间中的最小值大于0，最大值小于1。
[0009]其中一种可能的实现方式中，所述第一训练数据的哈希值保存在哈希表中；所述在所述第一训练数据中查找所述输入数据包括：对所述输入数据进行哈希计算，获得所述输入数据对应的哈希值；在所述哈希表中查找所述输入数据对应的哈希值。
[0010]其中一种可能的实现方式中，所述在所述哈希表中查找所述输入数据对应的哈希值之前，还包括：在所述第一训练数据中叠加预定的噪音，生成攻击数据；对所述攻击数据
进行哈希计算，获得所述攻击数据对应的哈希值；将所述攻击数据对应的哈希值添加到所述哈希表中。
[0011]第二方面，本说明书实施例提供一种用户数据的删除装置，包括：获取模块，用于获取删除用户数据的请求，所述请求中包括请求删除的用户数据所对应的用户标识；查找模块，用于在第一训练数据中查找所述用户标识对应的用户数据；其中，所述第一训练数据包括训练机器学习模型所使用的数据，所述第一训练数据中包括至少两个用户的用户数据；删除模块，用于当所述查找模块查找到所述用户标识对应的用户数据时，从所述第一训练数据中删除查找到的用户数据；训练模块，用于利用删除所述用户数据之后的第二训练数据，重新训练机器学习模型。
[0012]其中一种可能的实现方式中，所述装置还包括：修改模块；所述查找模块，还用于在所述重新训练机器学习模型的过程中，接收到所述机器学习模型的输入数据之后，在所述第一训练数据中查找所述输入数据；所述修改模块，用于当所述查找模块查找到所述输入数据时，修改所述机器学习模型返回的置信度值。
[0013]其中一种可能的实现方式中，所述修改模块，具体用于将所述机器学习模型返回的置信度值修改为预定区间中的任意值，所述预定区间中的最小值大于0，最大值小于1。
[0014]其中一种可能的实现方式中，所述第一训练数据的哈希值保存在哈希表中；所述装置还包括：哈希模块；所述哈希模块，用于对所述输入数据进行哈希计算，获得所述输入数据对应的哈希值；所述查找模块，具体用于在所述哈希表中查找所述输入数据对应的哈希值。
[0015]其中一种可能的实现方式中，所述装置还包括：生成模块和添加模块；所述生成模块，用于在所述查找模块在所述哈希表中查找所述输入数据对应的哈希值之前，在所述第一训练数据中叠加预定的噪音，生成攻击数据；所述哈希模块，还用于对所述攻击数据进行哈希计算，获得所述攻击数据对应的哈希值；所述添加模块，用于将所述攻击数据对应的哈希值添加到所述哈希表中。
[0016]第三方面，本说明书实施例提供一种电子设备，包括：至少一个处理器；以及与所述处理器通信连接的至少一个存储器，其中：所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行第一方面提供的方法。
[0017]第四方面，本说明书实施例提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行第一方面提供的方法。
[0018]应当理解的是，本说明书实施例的第二～四方面与本说明书实施例的第一方面的技术方案一致，各方面及对应的可行实施方式所取得的有益效果相似，不再赘述。
【附图说明】
[0019]为了更清楚地说明本说明书实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
[0020]图1为本说明书一个实施例提供的用户数据的删除方法的流程图；
[0021]图2为本说明书另一个实施例提供的用户数据的删除方法的流程图；
[0022]图3为本说明书再一个实施例提供的用户数据的删除方法的流程图；
[0023]图4为本说明书一个实施例提供的用户数据的删除装置的结构示意图；
[0024]图5为本说明书另一个实施例提供的用户数据的删除装置的结构示意图；
[0025]图6为本说明书一个实施例提供的电子设备的结构示意图。
【具体实施方式】
[0026]为了更好的理解本说明书的技术方案，下面结合附图对本说明书实施例进行详细描述。
[0027]应当明确，所描述的实施例仅仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本说明书保护的范围。
[0028]在本说明书实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本说明书。在本说明书实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种用户数据的删除方法，包括：获取删除用户数据的请求，所述请求中包括请求删除的用户数据所对应的用户标识；在第一训练数据中查找所述用户标识对应的用户数据；其中，所述第一训练数据包括训练机器学习模型所使用的数据，所述第一训练数据中包括至少两个用户的用户数据；如果查找到所述用户标识对应的用户数据，则从所述第一训练数据中删除查找到的用户数据；利用删除所述用户数据之后的第二训练数据，重新训练机器学习模型。2.根据权利要求1所述的方法，其中，还包括：在所述重新训练机器学习模型的过程中，接收到所述机器学习模型的输入数据之后，在所述第一训练数据中查找所述输入数据；如果查找到所述输入数据，则修改所述机器学习模型返回的置信度值。3.根据权利要求2所述的方法，其中，所述修改所述机器学习模型返回的置信度值包括：将所述机器学习模型返回的置信度值修改为预定区间中的任意值，所述预定区间中的最小值大于0，最大值小于1。4.根据权利要求2所述的方法，其中，所述第一训练数据的哈希值保存在哈希表中；所述在所述第一训练数据中查找所述输入数据包括：对所述输入数据进行哈希计算，获得所述输入数据对应的哈希值；在所述哈希表中查找所述输入数据对应的哈希值。5.根据权利要求4所述的方法，其中，所述在所述哈希表中查找所述输入数据对应的哈希值之前，还包括：在所述第一训练数据中叠加预定的噪音，生成攻击数据；对所述攻击数据进行哈希计算，获得所述攻击数据对应的哈希值；将所述攻击数据对应的哈希值添加到所述哈希表中。6.一种用户数据的删除装置，包括：获取模块，用于获取删除用户数据的请求，所述请求中包括请求删除的用户数据所对应的用户标识；查找模块，用于在第一训练数据中查找所述用户标识对应的用户数据；其中，所述第一训练数据包括训练机器学习模型所使用的数据，所述第一训练数据中包括至少两个用户的用户数据；删除...
【专利技术属性】
技术研发人员：姚兴，刘焱，刘威歆，张安蒙，郭飞，邹钢，李丰廷，
申请(专利权)人：支付宝杭州信息技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。