[发明专利]数据处理方法和装置

说明书

本申请涉及指纹识别技术领域，公开一种数据处理方法，包括：服务端获得至少一个客户端各自提交的未收敛的训练模型，训练模型由至少一个客户端采用各自的本地指纹图像，对用于指纹识别的预设模型进行模型训练而得到；以预设模型为基础模型，以训练模型为目标模型，对基础模型和目标模型进行融合，得到融合模型；将融合模型发送至训练模型对应的客户端，以便训练模型对应的客户端继续采用本地指纹图像，对融合模型进行模型训练。这样，可以在保证用户的隐私安全的同时，保证模型训练的进度。本申请还公开一种数据处理装置。

技术领域

本申请涉及指纹识别技术领域，例如涉及一种数据处理方法和装置。

背景技术

指纹识别技术是一种生物体特征识别技术，它可以对用户的指纹进行分类比对，从而判别用户身份。一般来说，指纹识别技术需要采集大量的指纹图像进行模型训练，才能保证识别的准确性。而由于指纹属于敏感数据，如果用户不愿共享自己的指纹用于模型训练，则无法保证识别的准确性。并且，如果在采集指纹的过程中出现数据泄露，则会存在严重的隐私安全隐患。

现有技术中，提供一种基于联邦学习的移动设备射频分布识别方法，包括：通过瑞利衰落信道采集时域数据，并对时域数据进行预处理；根据预处理后的时域数据，利用移动设备构建基于联邦学习的分布式计算模型；根据时域数据的层次划分，利用动态样本选择算法对分布式计算模型进行训练，完成基于联邦学习的移动设备射频分布识别。

可见，上述识别方法虽然可以实现指纹识别，为本地的敏感数据提供隐私保护，但采用动态样本选择算法对该分布式计算模型进行训练，需要先获得该分布式计算模型中的所有移动设备训练的模型，再基于所有移动设备的样本量对汇总后的模型进行训练。因此，会非常影响模型训练的进度，浪费较长时间。

发明内容

为了对披露的实施例的一些方面有基本的理解，下面给出了简单的概括。所述概括不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围，而是作为后面的详细说明的序言。

本公开实施例提供了一种数据处理方法和装置，在保证用户的隐私安全的同时，保证模型训练的进度。

在一些实施例中，所述数据处理方法包括：服务端获得至少一个客户端各自提交的未收敛的训练模型，训练模型由至少一个客户端采用各自的本地指纹图像，对用于指纹识别的预设模型进行模型训练而得到；以预设模型为基础模型，以训练模型为目标模型，对基础模型和目标模型进行融合，得到融合模型；将融合模型发送至训练模型对应的客户端，以便训练模型对应的客户端继续采用本地指纹图像，对融合模型进行模型训练。

在一些实施例中，所述数据处理方法包括：客户端采用本地指纹图像对用于指纹识别的预设模型进行模型训练，得到训练模型；在训练模型未收敛的情况下，将训练模型提交至服务端，以便服务端以预设模型为基础模型，以训练模型为目标模型，对基础模型和目标模型进行融合，得到融合模型，并发送至客户端；继续采用本地指纹图像对融合模型进行模型训练。

在一些实施例中，所述数据处理装置包括处理器和存储有程序指令的存储器。处理器被配置为在执行程序指令时，执行上述的数据处理方法。

本公开实施例提供的数据处理方法和装置，可以实现以下技术效果：