[发明专利]个性化机器学习模型的隐身模式

权利要求书

1.一种计算机实现的方法，包括：

由计算装置从所述计算装置上存储的多个应用程序中的第一应用程序接收一个或多个第一新训练样本；

由所述计算装置将所述一个或多个第一新训练样本存储在所述计算装置的集中式样本数据库中，其中，所述集中式样本数据库被配置为存储训练样本，用于对在所述计算装置上存储的一个或多个机器学习模型进行重新训练；

由所述计算装置访问由所述计算装置的用户输入的模式控制器数据，所述模式控制器数据指示是在许可收集模式下还是在隐身收集模式下操作所述第一应用程序，在所述许可收集模式下，基于与所述第一应用程序的用户交互的训练示例将用于重新训练所述一个或多个机器学习模型，在所述隐身收集模式下，基于与所述第一应用程序的用户交互的训练示例将不用于重新训练所述一个或多个机器学习模型；

由所述计算装置基于由用户输入的对应于所述隐身收集模式的所述模式控制器数据接收通知，所述通知指示不再将附加的训练样本添加到所述集中式样本数据库中；

由所述计算装置从所述计算装置上存储的多个应用程序中的第一应用程序接收一个或多个第二新训练样本，其中，在接收到所述通知后，接收所述一个或多个第二新训练样本；

响应于接收到所述通知，由所述计算装置停止将所述一个或多个第二新训练样本存储在所述计算装置的集中式样本数据库中；

从所述多个应用程序中的请求应用程序接收查询请求；以及

响应于所述查询请求的接收，向所述请求应用程序发送响应，所述响应不暴露所述一个或多个第一和第二新训练样本中的哪个被存储在所述集中式样本数据库中，使得所述请求应用程序不能检测所述第一应用程序在隐身收集模式下的操作。

2.根据权利要求1所述的计算机实现的方法，还包括：

由所述计算装置至少部分地基于由所述集中式样本数据库存储的训练样本来使得第一机器学习模型被重新训练，其中，所述第一机器学习模型至少部分地基于所述一个或多个第一新训练样本进行重新训练。

3.根据权利要求2所述的计算机实现的方法，还包括：

由所述计算装置接收来自所述第一应用程序的指令，以至少部分地基于由所述集中式样本数据库存储的所述一个或多个第一新训练样本对由所述计算装置存储的第一机器学习模型进行重新训练；并且

其中，由所述计算装置至少部分地基于由所述集中式样本数据库存储的所述一个或多个第一新训练样本，使得对第一机器学习模型进行重新训练是响应于所述指令来实现的。

4.根据权利要求3所述的计算机实现的方法，还包括：

由所述计算装置使用重新训练的第一机器学习模型，以至少部分地基于经由所述第一应用程序提供的输入数据来生成至少一个推断；以及

由所述计算装置经由一个或多个机器学习应用程序编程接口将由重新训练的第一机器学习模型生成的所述至少一个推断提供给所述第一应用程序。

5.根据权利要求3所述的计算机实现的方法，还包括：

由所述计算装置确定更新，所述更新描述重新训练的第一机器学习模型的一个或多个参数，或者在所述第一机器学习模型的重新训练期间发生的对所述第一机器学习模型的一个或多个参数的一个或多个改变；以及

将所述更新传输到中央服务器计算装置，以与由其他计算装置提供的其他更新进行聚合。

6.根据权利要求1所述的计算机实现的方法，还包括：

由所述计算装置确定由所述计算装置接收到的新训练样本的总计数，其中，所述新训练样本的总计数包括所述一个或多个第一新训练样本和所述一个或多个第二新训练样本二者；以及

由所述计算装置从在所述计算装置上存储的多个应用程序中的请求应用程序接收查询请求，所述查询请求对与所述集中式样本数据库中存储的所述训练样本的状态相关联的信息进行请求；以及

响应于接收到所述查询请求，由所述计算装置将所述新训练样本的总计数提供给所述请求应用程序。