[发明专利]特征提取方法、装置、存储介质及电子设备

权利要求书

1.一种特征提取方法，应用于终端，其特征在于，包括：

接收服务器发送的特征提取指令，根据所述特征提取指令获取目标用户的目标数据；

根据所述目标数据训练预设的深度学习模型，获取第一模型参数，并将所述第一模型参数加密后发送至所述服务器；

接收服务器返回的第二模型参数，其中，所述第二模型参数由所述服务器根据用户集合中各用户发送的第一模型参数合并后得到，所述用户集合包括所述目标用户；

基于所述第二模型参数重新训练所述深度学习模型，并根据训练得到的深度学习模型从所述目标数据中提取第一数据特征；

将所述第一数据特征加密后发送至所述服务器。

2.如权利要求1所述的特征提取方法，还包括：

使用所述服务器下发的公钥对所述第一模型参数加密处理。

3.如权利要求1所述的特征提取方法，还包括：

根据所述第二模型参数初始化所述深度学习模型；

使用所述目标数据重新训练初始化后的所述深度学习模型。

4.如权利要求1所述的特征提取方法，其特征在于，所述深度学习模型为卷积神经网络模型，根据训练得到的深度学习模型从所述目标数据中提取第一数据特征的步骤，包括：

将所述目标数据输入所述卷积神经网络模型进行运算；

获取所述卷积神经网络模型最后一个隐藏层的神经元输出特征，并将所述神经元输出特征作为所述第一数据特征。

5.如权利要求1至4任一项所述的特征提取方法，还包括：

在接收到服务器发送的质量评估指令时，计算所述目标数据在预设的多个质量评估指标上的评估值；

将所述评估值发送至所述服务器，其中，所述服务器根据所述评估值从多个用户中选择目标用户。

6.一种特征提取方法，应用于服务器，其特征在于，包括：

向用户集合中的目标用户对应的终端发送特征提取指令；

接收所述终端根据所述特征提取指令返回的经过加密处理的第一模型参数，其中，所述第一模型参数由所述终端根据所述目标用户的目标数据训练预设的深度学习模型得到；

对所述经过加密处理的第一模型参数解密处理，获取所述第一模型参数；

对所述用户集合中的全部目标用户的所述第一模型参数进行合并处理，生成第二模型参数；

将所述第二模型参数发送至所述终端，并接收所述终端发送的第一数据特征，其中，所述第一数据特征由所述终端根据所述第二模型参数重新训练所述深度学习模型，并根据训练得到的所述深度学习模型从目标数据提取得到；

将所述用户集合中的目标用户的所述第一数据特征合并处理，生成第二数据特征。

7.如权利要求6所述的特征提取方法，其特征在于，对所述用户集合中的全部目标用户的所述第一模型参数进行合并处理，生成第二模型参数的步骤，包括：

计算所述用户集合中的全部目标用户的第一模型参数的平均值；

将所述平均值作为第二模型参数。

8.如权利要求6所述的特征提取方法，其特征在于，对所述用户集合中的全部目标用户的所述第一模型参数进行合并处理，生成第二模型参数的步骤，包括：

获取所述用户集合中的全部目标用户的第一模型参数，确定获取的第一模型参数中的最大值或者中位数；

将所述最大值或者中位数作为第二模型参数。

9.如权利要求6至8任一项所述的特征提取方法，其特征在于，将所述用户集合中的目标用户的所述第一数据特征合并处理，生成第二数据特征的步骤，包括：

计算所述用户集合中全部目标用户的第一数据特征的平均值；

将所述平均值作为所述第二数据特征。