[发明专利]模型训练及数据检测方法、装置、设备及介质

说明书

本公开提供一种模型训练及数据检测方法、装置、设备及介质，其中方法包括：一种模型训练方法，所述方法包括：将公开数据输入预先训练得到的教师综合模型，由所述教师综合模型输出第一标签值；其中，所述教师综合模型是根据私有数据训练得到；将所述公开数据输入待训练的学生模型，由所述学生模型输出第一预测值，并根据所述第一预测值与所述第一标签值的差异调整所述学生模型的网络参数。

技术领域

本公开涉及计算机技术领域，具体涉及一种模型训练及数据检测方法、装置、设备及介质。

背景技术

随着机器学习的快速发展，机器学习模型已经广泛应用于各个行业场景中。如今，机器学习已经形成一个商业模式“机器学习即服务”，可以为不同的数据持有者基于所持有的私有数据训练特定的预测模型。在机器学习模型的训练或应用过程中，如何合理保护数据持有者的私有数据成为亟需解决的问题。

发明内容

本公开提供了一种模型训练及数据检测方法、装置、设备及介质。

根据本公开实施例的第一方面，提供一种模型训练方法，所述方法包括：将公开数据输入预先训练得到的教师综合模型，由所述教师综合模型输出第一标签值；其中，所述教师综合模型是根据私有数据训练得到；将所述公开数据输入待训练的学生模型，由所述学生模型输出第一预测值，并根据所述第一预测值与所述第一标签值的差异调整所述学生模型的网络参数。

根据本公开实施例的第二方面，提供一种数据检测方法，所述方法包括：将待检测数据输入预先训练得到的学生模型，由所述学生模型输出检测值；其中，所述学生模型是根据第一方面提供的模型训练方法得到；根据所述检测值与预先设置的动态阈值，确定所述待检测数据的检测结果；其中，所述动态阈值根据不同的动态信息变化。

根据本公开实施例的第三方面，提供一种模型训练装置，所述装置包括：第一标签值输出模块，用于将公开数据输入预先训练得到的教师综合模型，由所述教师综合模型输出第一标签值；其中，所述教师综合模型是根据私有数据训练得到；学生模型参数调整模块，用于将所述公开数据输入待训练的学生模型，由所述学生模型输出第一预测值，并根据所述第一预测值与所述第一标签值的差异调整所述学生模型的网络参数。

根据本公开实施例的第四方面，提供一种数据检测装置，所述装置包括：

检测值输出模块，用于将待检测数据输入预先训练得到的学生模型，由所述学生模型输出检测值；其中，所述学生模型是根据第一方面提供的任一项的模型训练方法得到；检测结果确定模块，用于根据所述检测值与预先设置的动态阈值，确定所述待检测数据的检测结果；其中，所述动态阈值根据不同的动态信息变化。

根据本公开实施例的第五方面，提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现第一方面中任一项所述的模型训练方法，或者实现第二方面中任一项所述的数据检测方法。

根据本公开实施例的第六方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现第一方面中任一项所述的模型训练方法，或者实现第二方面中任一项所述的数据检测方法。

本公开实施例中，可以预先根据私有数据训练得到教师综合模型，再基于教师综合模型对公开数据进行标注，得到第一标签值；从而，可以利用公开数据实现对学生模型的训练。该模型训练方式中，私有数据仅参与教师综合模型的训练，并不直接参与学生模型的训练过程。而是，利用私有模型训练的教师综合模型实现对公开数据的标注，间接参与到学生模型的训练过程中。该模型训练方式，可以很大程度上实现对私有数据的保护。攻击者即便通过大量查询的方式能够反向推断出学生模型，也并不能得到任何教师综合模型中的内部参数。或者，攻击者在推断出学生模型后，也仅仅能够根据学生模型模拟出由教师综合模型进行标注的公开数据，并不能得到更多关于私有数据的信息。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本公开。