数据处理方法、电子设备及存储介质技术

本发明专利技术实施例公开了一种数据处理方法、电子设备及存储介质。包括：获取待处理数据，并将所述待处理数据输入部署于所述客户端中的第一子网络，获得第一子结果；将所述第一子结果发送至服务端，使得服务端将所述第一子结果输入部署于服务端的第二子网络，获得第二子结果；接收服务端返回的第二子结果，并根据所述第二子结果确定最终的处理结果。本发明专利技术实施例提供的数据处理方法，将神经网络划分为包括不同功能层的子网络，并分别部署于客户端和服务端，在数据处理时，依次输入部署于客户端和服务端的子网络，获得最终的处理结果，可以防止数据的泄露，从而提高神经网络运行过程中数据的安全性。

Data processing method, electronic equipment and storage medium

【技术实现步骤摘要】
数据处理方法、电子设备及存储介质
本专利技术实施例涉及数据处理
，尤其涉及一种数据处理方法、电子设备及存储介质。
技术介绍
神经网络，尤其是深度神经网络，在图像处理、自然语言处理、语音识别等多个领域得到了广泛应用，用来执行图像分类、语义理解、文字识别等多种任务。
技术实现思路
第一方面，本专利技术实施例提供了一种数据处理方法，该方法由客户端执行，包括：获取待处理数据，并将所述待处理数据输入部署于所述客户端中的第一子网络，获得第一子结果；将所述第一子结果发送至服务端，使得服务端将所述第一子结果输入部署于服务端的第二子网络，获得第二子结果；接收服务端返回的第二子结果，并根据所述第二子结果确定最终的处理结果；其中，所述第一子网络和所述第二子网络包括同一神经网络中的不同的功能层。第二方面，本专利技术实施例还提供了一种数据处理方法，该方法由服务端执行，包括：接收客户端发送的第一子结果；所述第一子结果由客户端将待处理数据输入部署于客户端中的第一子网络获得；将所述第一子结果输入部署于服务端中的第二子网络，获得第二子结果；将所述第二子结果发送至所述客户端，使得所述客户端根据所述第二子结果确定最终的处理结果；其中，所述第一子网络和所述第二子网络包括同一神经网络中的不同的功能层。第三方面，本专利技术实施例还提供了一种电子设备，包括：处理器；存储器，用于存储程序；当所述程序被所述处理器执行，使得所述处理器实现如本专利技术实施例所述的数据处理方法。第四方面，本专利技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本专利技术实施例所述的数据处理方法。附图说明图1是本专利技术实施例中的一种数据处理方法的流程图；图2是本专利技术实施例中的对神经网络进行拆分的示例图；图3是本专利技术实施例中的一种数据处理方法的流程图；图4是本专利技术实施例中的一种数据处理装置的结构示意图；图5是本专利技术实施例中的一种数据处理装置的结构示意图；图6是本专利技术实施例中的一种数据处理系统的结构示意图；图7是本专利技术实施例中的一种计算机设备的结构示意图。具体实施方式为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例的附图，对本公开实施例的技术方案进行清楚、完整地描述。显然，所描述的实施例是本公开的一部分实施例，而不是全部的实施例。基于所描述的本公开的实施例，本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例，都属于本公开保护的范围。除非另外定义，本公开使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本公开中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。同样，“一个”、“一”或者“该”等类似词语也不表示数量限制，而是表示存在至少一个。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。在专利技术人所知的技术中，通常将神经网络部署于服务端，客户端用于向服务端发送待处理的图像、文本等数据，并接收服务端传输的处理结果(如分类结果)。该种方式，客户端将数据发送至服务端的过程中，容易被截获，造成数据的泄露；或者当服务端遭受攻击也会造成数据的泄露。为了保持本公开实施例的以下说明清楚且简明，本公开省略了已知功能和已知部件的详细说明。在下述实施例中，神经网络可以根据所要执行的功能进行选择。可以是CNN卷积神经网络及其各种具体实现如全卷积神经网络FCN、分割网络SegNet等；还可以是循环神经网络RNN及其各种具体实现如长短期记忆网络(LSTM)、门控循环单元(GRU)；还可以是各种其它的神经网络结构，例如光流神经网络FlowNet等。本领域技术人员能够理解神经网络中的组成结构。例如，卷积层可以用于执行卷积操作，提取输入的图像(例如，尺寸为227×227)的特征信息以得到特征图(例如，尺寸为13×13)；池化层可以对输入的图像进行池化操作，例如最大值合并(max-pooling)方法，均值池化(mean-pooling)方法等；激活层通过激活函数引入非线性因素，例如采用性修正单元(ReLU、Leaky-ReLU、P-ReLU、R-ReLU)函数、S型函数(Sigmoid函数)或双曲正切函数(tanh函数)等。随机失活层(Dropout)用于缓解过拟合问题，例如可以设为0.4、0.5等。全连接层用于将卷积输出的特征图转换为一维向量。为了使得神经网络具有所需要的功能，例如分类功能，可以在神经网络的输出上连接LR分类器、Softmax分类器等执行分类等功能。参考图1，在本专利技术的至少一个实施例中，提供了一种数据处理方法的流程图，本实施例可适用于将数据输入神经网络进行处理的情况，该方法可以由数据处理装置来执行，该装置可由硬件和/或软件组成，并一般可集成在具有数据处理功能的设备中。如图1所示，该方法具体包括如下步骤：步骤110，获取待处理数据，并将待处理数据输入部署于客户端中的第一子网络，获得第一子结果。其中，待处理数据可以是基于神经网络进行计算的待分析数据，最终的处理结果为分析结果，例如可以是用于人脸识别的图像数据、用于语音识别的语音数据、用于知识图谱的文本数据等。获取待处理数据的方式可以是由客户端的摄像头或麦克风采集的并经过预处理后的数据，或者存储于本地的数据，或者由其他终端发送来的数据。本实施例中，首先将神经网络拆分为两个或三个具有不同功能的子网络，分别为第一子网络、第二子网络和第三子网络。若将神经网络拆分为两个子网络，则将第一子网络部署于客户端，第二子网络部署于服务端，其中，第一子网络的输出为第二子网络的输入。若将神经网络拆分为三个子网络，则将第一子网络和第三子网络部署于客户端，第二子网络部署于服务端，其中，第一子网络的输出为第二子网络的输入，第二子网络的输出为第三子网络的输入。其中，第一子结果可以是经过第一子网络进行特征提取后的特征数据。具体的，客户端获取到待处理数据后，将待处理数据输入部署于所述客户端中的第一子网络进行分析，获得第一子结果。步骤120，将第一子结果发送至服务端，使得服务端将第一子结果输入部署于服务端的第二子网络，获得第二子结果。其中，第二子网络和第一子网络包括同一神经网络中的不同的功能层。本实施例中，将部署于客户端的第一子网络输出的第一特征图作为第一子结果发送至服务端，部署于服务端的第二子网络以第一特征图作为输入进行处理并输出第二特征图。步骤130，接收服务本文档来自技高网...

【技术保护点】
1.一种数据处理方法，其特征在于，该方法由客户端执行，包括：/n获取待处理数据，并将所述待处理数据输入部署于所述客户端中的第一子网络，获得第一子结果；/n将所述第一子结果发送至服务端，使得服务端将所述第一子结果输入部署于服务端的第二子网络，获得第二子结果；/n接收服务端返回的第二子结果，并根据所述第二子结果确定最终的处理结果；其中，所述第一子网络和第二子网络包括同一神经网络中的不同的功能层。/n

【技术特征摘要】
1.一种数据处理方法，其特征在于，该方法由客户端执行，包括：
获取待处理数据，并将所述待处理数据输入部署于所述客户端中的第一子网络，获得第一子结果；
将所述第一子结果发送至服务端，使得服务端将所述第一子结果输入部署于服务端的第二子网络，获得第二子结果；
接收服务端返回的第二子结果，并根据所述第二子结果确定最终的处理结果；其中，所述第一子网络和第二子网络包括同一神经网络中的不同的功能层。


2.根据权利要求1所述的方法，其特征在于，根据所述第二子结果确定最终的处理结果，包括：
将所述第二子结果确定为最终的处理结果；或者，
将所述第二子结果输入部署于所述客户端中的第三子网络，获得第三子结果，作为最终的处理结果；其中，所述第三子网络包括所述神经网络中区别于所述第一子网络和所述第二子网络的功能层。


3.根据权利要求2所述的方法，其特征在于，所述第一子网络和第三子网络包含的功能层数均小于所述第二子网络包含的功能层数。


4.根据权利要求2所述的方法，其特征在于，
将部署于所述客户端的第一子网络输出的第一特征图作为第一子结果发送至服务端，部署于所述服务端的第二子网络以所述第一特征图作为输入进行处理并输出第二特征图，部署于所述客户端的第三子网络以所述第二特征图作为输入进行处理并输出最终的处理结果。


5.根据权利要求2所述的方法，其特征在于，所述功能层包括卷积层、池化层、激活层、随机失活层、全连接层中的一个或多个，所述第一子网络包括输入层、一个或多个功能层；所述第二子网络包括一个或多个功能层；第三子网络包括一个或多个功能层、输出层。


6.一种数据处理方法，其特征在于，该方法由服...

【专利技术属性】
技术研发人员：马原，
申请(专利权)人：北京澎思科技有限公司，
类型：发明
国别省市：北京;11