[发明专利]特征提取方法、装置、存储介质及电子设备

说明书

本申请实施例公开了一种特征提取方法、装置、存储介质及电子设备，其中，本申请实施例接收服务器发送的特征提取指令，根据特征提取指令获取目标用户的目标数据；根据目标数据训练预设的深度学习模型，获取第一模型参数，并将第一模型参数加密后发送至服务器；接收服务器返回的第二模型参数，其中，第二模型参数由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，目标用户属于用户集合；基于第二模型参数重新训练深度学习模型，并根据训练得到的深度学习模型从目标数据中提取第一数据特征；将第一数据特征加密后发送至服务器。在隐私保护的基础之上，实现了多个用户之间的协同学习和训练。

技术领域

本申请涉及数据处理技术领域，具体涉及一种特征提取方法、装置、存储介质及电子设备。

背景技术

由于单个用户的特征数据和质量都较为有限，在对用户数据进行分析提取第一数据特征时，只用单个用户的特征难以实现数据分析任务。而如果将多数用户的数据进行协同处理，又涉及到用户隐私的问题，尤其是部分较为敏感的数据，如用户收入、家庭住址之类的信息，如果将这些敏感数据直接上传到云端进行协同处理，会带来较大的隐私安全隐患。如何既能够对这些敏感数据的特征进行提取以较好地完成相应的任务，又能避免用户隐私的泄露，是亟需解决的一个现实问题。

发明内容

本申请实施例提供了一种特征提取方法、装置、存储介质及电子设备，能够在保证数据隐私的同时，实现多个用户之间的系统学习和训练。

第一方面，本申请实施例了提供了的一种特征提取方法，应用于终端，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。

第二方面，本申请实施例了还提供了的一种特征提取方法，应用于服务器，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。

第三方面，本申请实施例了提供了的一种特征提取装置，应用于终端，包括：

数据获取模块，用于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；

模型训练模块，用于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；

数据发送模块，用于将所述第一模型参数加密后发送至所述服务器；