数据处理方法、装置及设备制造方法及图纸

本说明书实施例提供了一种数据处理方法、装置及设备，其中，该方法包括：获取待隐写的目标模型；基于预先训练的载体类别确定模型，确定候选载体类中与所述目标模型对应的目标载体类；基于预先训练的载体对象确定模型，确定所述目标载体类中与所述目标模型对应的目标载体对象；基于预先训练的隐写模型，将所述待隐写的目标模型的模型权重和模型结构写入所述目标载体对象，得到写入后的载体对象，将所述写入后的载体对象发送给目标设备，所述写入后的载体对象用于触发所述目标设备基于所述写入后的载体对象得到所述目标模型，以基于所述目标模型对目标业务进行处理。述目标模型对目标业务进行处理。述目标模型对目标业务进行处理。

【技术实现步骤摘要】
数据处理方法、装置及设备


[0001]本文件涉及数据处理
，尤其涉及一种数据处理方法、装置及设备。

技术介绍

[0002]随着计算机技术的快速发展，人工智能系统的应用场景越来越广泛，如人脸识别、自动驾驶等，而人工智能系统的核心则是由深度学习算法构建的模型，为提高人工智能系统的安全性，需要对深度学习算法构建的模型进行隐私保护处理。
[0003]但是，在模型结构日趋复杂的情况下，对载体对象的可隐写空间的要求较高，模型隐写的效果较差，同时由于数据处理量较大，也会导致模型隐写的处理效率低，因此，需要一种能够在模型隐写场景中，提高模型隐写效果和模型隐写效率的解决方案。

技术实现思路

[0004]本说明书实施例的目的是提供一种能够在模型隐写场景中，提高模型隐写效果和模型隐写效率的解决方案。
[0005]为了实现上述技术方案，本说明书实施例是这样实现的：
[0006]第一方面，本说明书实施例提供了一种数据处理方法，包括：获取待隐写的目标模型；基于预先训练的载体类别确定模型，确定候选载体类中与所述目标模型对应的目标载体类，所述载体类别确定模型为基于由历史载体类确定的第一动作集合，以及在强化学习过程中确定选择所述第一动作集合中的任一动作带来的第一回报值，对由强化学习算法构建的模型进行训练得到，所述第一回报值由每个所述历史载体类中的载体对象对历史模型进行写入处理的损失值确定；基于预先训练的载体对象确定模型，确定所述目标载体类中与所述目标模型对应的目标载体对象，所述载体对象确定模型为基于由历史载体对象确定的第二动作集合，以及在强化学习过程中确定选择所述第二动作集合中的任一动作带来的第二回报值，对由强化学习算法构建的模型进行训练得到，所述第二回报值由每个所述历史载体对象对所述历史模型进行写入处理的损失值确定；基于预先训练的隐写模型，将所述待隐写的目标模型的模型权重和模型结构写入所述目标载体对象，得到写入后的载体对象，将所述写入后的载体对象发送给目标设备，所述写入后的载体对象用于触发所述目标设备基于所述写入后的载体对象得到所述目标模型，以基于所述目标模型对目标业务进行处理。
[0007]第二方面，本说明书实施例提供了一种数据处理方法，包括：接收服务端发送的写入后的载体对象，所述写入后的载体对象为所述服务端基于预先训练的隐写模型将待隐写的目标模型的模型权重和模型结构写入目标载体对象得到，所述目标载体对象为所述服务端基于预先训练的载体对象确定模型，确定的目标载体类中与所述目标模型对应的载体对象，所述目标载体类为所述服务端基于预先训练的载体类别确定模型，确定的候选载体类中与所述目标模型对应的载体类，所述载体类别确定模型为基于由历史载体类确定的第一动作集合，以及在强化学习过程中确定选择所述第一动作集合中的任一动作带来的第一回
报值，对由强化学习算法构建的模型进行训练得到，所述第一回报值由每个所述历史载体类中的载体对象对历史模型进行写入处理的损失值确定，所述载体对象确定模型为基于由历史载体对象确定的第二动作集合，以及在强化学习过程中确定选择所述第二动作集合中的任一动作带来的第二回报值，对由强化学习算法构建的模型进行训练得到，所述第二回报值由每个所述历史载体对象对所述历史模型进行写入处理的损失值确定；基于预设提取模型对所述写入后的载体对象进行提取处理，得到所述目标模型的模型权重和模型结构；基于所述目标模型的模型权重和模型结构，确定所述目标模型，并基于所述目标模型对目标业务进行处理。
[0008]第三方面，本说明书实施例提供了一种数据处理装置，包括：模型获取模块，用于获取待隐写的目标模型；类确定模块，用于基于预先训练的载体类别确定模型，确定候选载体类中与所述目标模型对应的目标载体类，所述载体类别确定模型为基于由历史载体类确定的第一动作集合，以及在强化学习过程中确定选择所述第一动作集合中的任一动作带来的第一回报值，对由强化学习算法构建的模型进行训练得到，所述第一回报值由每个所述历史载体类中的载体对象对历史模型进行写入处理的损失值确定；对象确定模块，用于基于预先训练的载体对象确定模型，确定所述目标载体类中与所述目标模型对应的目标载体对象，所述载体对象确定模型为基于由历史载体对象确定的第二动作集合，以及在强化学习过程中确定选择所述第二动作集合中的任一动作带来的第二回报值，对由强化学习算法构建的模型进行训练得到，所述第二回报值由每个所述历史载体对象对所述历史模型进行写入处理的损失值确定；数据发送模块，用于基于预先训练的隐写模型，将所述待隐写的目标模型的模型权重和模型结构写入所述目标载体对象，得到写入后的载体对象，将所述写入后的载体对象发送给目标设备，所述写入后的载体对象用于触发所述目标设备基于所述写入后的载体对象得到所述目标模型，以基于所述目标模型对目标业务进行处理。
[0009]第四方面，本说明书实施例提供了一种数据处理装置，包括：数据获取模块，用于接收服务端发送的写入后的载体对象，所述写入后的载体对象为所述服务端基于预先训练的隐写模型将待隐写的目标模型的模型权重和模型结构写入目标载体对象得到，所述目标载体对象为所述服务端基于预先训练的载体对象确定模型，确定的目标载体类中与所述目标模型对应的载体对象，所述目标载体类为所述服务端基于预先训练的载体类别确定模型，确定的候选载体类中与所述目标模型对应的载体类，所述载体类别确定模型为基于由历史载体类确定的第一动作集合，以及在强化学习过程中确定选择所述第一动作集合中的任一动作带来的第一回报值，对由强化学习算法构建的模型进行训练得到，所述第一回报值由每个所述历史载体类中的载体对象对历史模型进行写入处理的损失值确定，所述载体对象确定模型为基于由历史载体对象确定的第二动作集合，以及在强化学习过程中确定选择所述第二动作集合中的任一动作带来的第二回报值，对由强化学习算法构建的模型进行训练得到，所述第二回报值由每个所述历史载体对象对所述历史模型进行写入处理的损失值确定；提取模块，用于基于预设提取模型对所述写入后的载体对象进行提取处理，得到所述目标模型的模型权重和模型结构；业务处理模块，用于基于所述目标模型的模型权重和模型结构，确定所述目标模型，并基于所述目标模型对目标业务进行处理。
[0010]第五方面，本说明书实施例提供了一种数据处理设备，所述数据处理设备包括：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：获取待隐写的目标模型；基于预先训练的载体类别确定模型，确定候选载体类中与所述目标模型对应的目标载体类，所述载体类别确定模型为基于由历史载体类确定的第一动作集合，以及在强化学习过程中确定选择所述第一动作集合中的任一动作带来的第一回报值，对由强化学习算法构建的模型进行训练得到，所述第一回报值由每个所述历史载体类中的载体对象对历史模型进行写入处理的损失值确定；基于预先训练的载体对象确定模型，确定所述目标载体类中与所述目标模型对应的目标载体对象，所述载体对象确定模型为基于由历史载体对象确定的第二动作集合，以及在强化学习过程中确定选择所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据处理方法，包括：获取待隐写的目标模型；基于预先训练的载体类别确定模型，确定候选载体类中与所述目标模型对应的目标载体类，所述载体类别确定模型为基于由历史载体类确定的第一动作集合，以及在强化学习过程中确定选择所述第一动作集合中的任一动作带来的第一回报值，对由强化学习算法构建的模型进行训练得到，所述第一回报值由每个所述历史载体类中的载体对象对历史模型进行写入处理的损失值确定；基于预先训练的载体对象确定模型，确定所述目标载体类中与所述目标模型对应的目标载体对象，所述载体对象确定模型为基于由历史载体对象确定的第二动作集合，以及在强化学习过程中确定选择所述第二动作集合中的任一动作带来的第二回报值，对由强化学习算法构建的模型进行训练得到，所述第二回报值由每个所述历史载体对象对所述历史模型进行写入处理的损失值确定；基于预先训练的隐写模型，将所述待隐写的目标模型的模型权重和模型结构写入所述目标载体对象，得到写入后的载体对象，将所述写入后的载体对象发送给目标设备，所述写入后的载体对象用于触发所述目标设备基于所述写入后的载体对象得到所述目标模型，以基于所述目标模型对目标业务进行处理。2.根据权利要求1所述的方法，所述目标载体类包括第一载体类和第二载体类，所述目标载体对象包括基于所述第一载体类确定的第一载体对象和基于所述第二载体类确定的第二载体对象，所述写入后的载体对象包括写入所述目标模型的模型结构的第一载体对象，以及写入所述目标模型的模型权重的第二载体对象。3.根据权利要求2所述的方法，所述基于预先训练的载体类别确定模型，确定候选载体类中与所述目标模型对应的目标载体类，包括：对所述目标模型的模型结构进行编码处理，得到编码后的模型结构，并基于所述预先训练的载体类别确定模型和所述编码后的模型结构，确定所述候选载体类中与所述编码后的模型结构对应的第一载体类；基于所述预先训练的载体类别确定模型和所述目标模型的模型权重，确定所述候选载体类中与所述目标模型的模型权重对应的第二载体类；所述基于预先训练的载体对象确定模型，确定所述目标载体类中与所述目标模型对应的目标载体对象，包括：基于所述预先训练的载体对象确定模型，确定所述第一载体类中与所述编码后的模型结构对应的第一载体对象；基于所述预先训练的载体对象确定模型，确定所述第二载体类中与所述目标模型的模型权重对应的第二载体对象。4.根据权利要求3所述的方法，在所述基于预先训练的载体类别确定模型，确定候选载体类中与所述目标模型对应的目标载体类之前，还包括：获取历史载体对象和所述历史模型；基于所述历史载体对象的特征向量，对所述历史载体对象进行聚类处理，得到所述历史载体类，每个所述历史载体类对应一个或多个所述历史载体对象；基于每两个所述历史载体类的特征向量之间的距离，确定目标距离矩阵，并基于所述
目标距离矩阵确定所述第一动作集合；基于每个所述历史载体类对应的历史载体对象对所述历史模型进行写入处理的损失值，确定在强化学习过程中确定选择所述第一动作集合中的任一动作带来的第一回报值；基于所述第一动作集合和所述第一回报值，对所述载体类别确定模型进行训练，得到训练后的载体类别确定模型。5.根据权利要求4所述的方法，在所述基于每个所述历史载体类对应的历史载体对象对所述历史模型进行写入处理的损失值之前，还包括：获取第一模型和第三载体对象，所述第一模型的模型数据包括所述第一模型的模型结构和/或模型权重；基于所述第一模型的模型数据、所述第三载体对象以及预设特征提取模型，对第一隐写模型和第一提取模型进行训练，得到训练后的第一隐写模型和第一提取模型；基于所述训练后的第一隐写模型、所述训练后的第一提取模型和所述预设特征提取模型，确定所述每个所述历史载体类对应的历史载体对象对所述历史模型进行写入处理的损失值。6.根据权利要求5所述的方法，在所述基于预先训练的隐写模型，将所述待隐写的目标模型的模型权重和模型结构写入所述目标载体对象，得到写入后的载体对象之前，还包括：获取第二模型和第三载体类；基于所述预先训练的载体类别确定模型，确定所述第三载体类中与所述第二模型对应的第四载体类；基于所述预先训练的载体对象确定模型，确定所述第四载体类中与所述第二模型对应的第四载体对象；基于所述第二模型、所述第四载体对象以及所述预设特征提取模型，对所述隐写模型和第二提取模型进行训练，得到训练后的隐写模型。7.根据权利要求6所述的方法，所述基于所述第二模型、所述第四载体对象以及所述预设特征提取模型，对所述隐写模型和第二提取模型进行训练，得到训练后的隐写模型，包括：将所述第二模型的模型数据和所述第四载体对象输入所述隐写模型，得到写入后的第四载体对象；将所述写入后的第四载体对象输入所述第二提取模型，得到提取的模型数据；分别将所述第四载体对象和所述写入后的第四载体对象输入所述预设特征提取模型，得到所述第四载体对象的特征向量，以及所述写入后的第四载体对象的特征向量；基于预设损失函数、所述第四载体对象、所述写入后的第四载体对象、所述第二模型的模型数据、所述提取的模型数据、所述第四载体对象的特征向量，以及所述写入后的第四载体对象的特征向量，确定模型损失值；基于所述模型损失值，确定所述隐写模型和所述第二提取模型是否收敛，如果未收敛，则基于所述第二模型的模型数据以及所述第四载体对象继续对所述隐写模型和所述第二提取模型进行训练，直到所述隐写模型和所述第二提取模型收敛，得到所述训练后的隐写模型。8.根据权利要求7所述的方法，所述基于预设损失函数、所述第四载体对象、所述写入
后的第四载体对象、所述第二模型的模型数据、所述提取的模型数据、所述第四载体对象的特征向量，以及所述写入后的第四载体对象的特征向量，确定模型损失值，包括：基于所述第四载体对象和所述写入后的第四载体对象，确定第一子损失值；基于所述第二模型的模型数据和所述提取的模型数据，确定第二子损失值；基于所述第四载体对象的特征向量和所述写入后的第四载体对象的特征向量，确定第三子损失值；基于所述第一子损失值、所述第二子损失值和所述第三子损失值，确定所述模型损失值。9.一种数据处理方法，包括：接收服务端发送的写入后的载体对象，所述写入后的载体对象为所述服务端基于预先训练的隐写模型将待隐写的目标模型的模型权重和模型结构写入目标载体对象得到，所述目标载体对象为所述服务端基于预先训练的载体对象确定模型，确定的目标载体类中与所述目标模型对应的载体对象，所述目标载体类为所述服务端基于预先训练的载体类别确定模型，确定的候选载体类中与所述目标模型对应的载体类，所述载体类别确定模型为基于由历史载体类确定的第一动作集合，以及在强化学习过程中确定选择所述第一动作集合中的任一动作带来的第一回报值，对由强化学习算法构建的模型进行训练得到，所述第一回报值由每个所述历史载体类中的载体对象对历史模型进行写入处理的损失值确定，所述载体对象确定模型为基于由历史载体对象确定的第二动作集合，以及在强化学习过程中确定选择所述第二动作集合中的任一动作带来的第二回报值，对由强化学习算法构建的模型进行训练得到，所述第二回报值由每个所述历史载体对象对所述历史模型进行写入处理的损失值确定；基于预设提取模型对所述写入后的载体对象进行提取处理，得到所述目标模型的模型权重和模型结构；基于所述目标模型的模型权重和模型结构，确定所述目标模型，并基于所述目标模型对目标业务进行处理。10.一种数据处理装置，包括：模型获取模块，用于获取待隐写的目标模型；类确定模块，用于基于预先训练的载体类别确定模型，确定候选载体类中与所述目标模型对应的目标载体类，所述载体类别确定模型为基于由历史载体类确定的第一动作集合，以及在强化学习过程中确定选择所述第一动作集合中的任一动作带来...

【专利技术属性】
技术研发人员：曹佳烔，丁菁汀，
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：