识别模型的更新方法、装置、设备及存储介质制造方法及图纸

本发明专利技术公开了一种识别模型的更新方法、装置、设备及存储介质，涉及金融科技领域，该方法包括步骤：当接收到各终端设备发送的用户标识后，检测各终端设备中待更新模型的类型；若检测到各终端设备中待检测模型属于第一类型，则根据用户标识进行样本对齐，得到对齐后的用户标识；根据对齐后的用户标识构造训练样本，并根据用户标识将训练样本发送给各终端设备，以供各终端设备根据所接收的训练样本计算得到样本向量；接收各终端设备发送的样本向量，根据样本向量计算得到损失值，并将损失值发送给各终端设备，以供各终端设备根据损失值更新对应的第一识别模型。本发明专利技术避免了训练数据泄露的问题出现，提高了所更新的识别模型的识别准确率。

【技术实现步骤摘要】
识别模型的更新方法、装置、设备及存储介质
本专利技术涉及金融科技(Fintech)的数据处理
，尤其涉及一种识别模型的更新方法、装置、设备及存储介质。
技术介绍
随着计算机技术的发展，越来越多的技术应用在金融领域，传统金融业正在逐步向金融科技(Fintech)转变，数据处理技术也不例外，但由于金融行业的安全性、实时性要求，也对数据处理技术提出的更高的要求。现有的声纹识别模型，都是采用各自本地的数据或者部分公开数据集进行模型训练，而声纹识别需要精确抽取声纹的特征，因此需要大量的数据进行训练，且要求同一用户要有尽可能长的有效语音的数据。然而，在现实场景中，很少有企业能够拥有大量不同用户的音频数据，也很难拥有同一用户足够长的音频数据，因此用目前所拥有的音频数据训练出来的声纹识别模型，往往有很大的局限性，对于同一用户的类内间距，以及不同用户之间的类间间距，学习得不够准确，从而使得声纹识别模型的泛化能力不好，声纹识别的准确率不够高。目前，往往是从数据层面进行解决，比如进行音频数据共享，以获取大量的音频数据进行声纹识别模型训练。但是用户音频数本文档来自技高网...

【技术保护点】
1.一种识别模型的更新方法，其特征在于，所述识别模型的更新方法应用于终端设备，所述识别模型的更新方法包括以下步骤：/n将获取的用户标识发送给服务端，以供所述服务端在接收到用户标识，且确定各终端设备中待更新模型属于第一类型时，返回基于所述用户标识构造的训练样本；/n接收服务端发送的训练样本，并根据所述训练样本计算得到样本向量；/n将所述样本向量发送给所述服务端，以供所述服务端根据所述样本向量计算得到损失值；/n接收所述服务端发送的损失值，根据所述损失值更新预存的第一识别模型。/n

【技术特征摘要】
1.一种识别模型的更新方法，其特征在于，所述识别模型的更新方法应用于终端设备，所述识别模型的更新方法包括以下步骤：
将获取的用户标识发送给服务端，以供所述服务端在接收到用户标识，且确定各终端设备中待更新模型属于第一类型时，返回基于所述用户标识构造的训练样本；
接收服务端发送的训练样本，并根据所述训练样本计算得到样本向量；
将所述样本向量发送给所述服务端，以供所述服务端根据所述样本向量计算得到损失值；
接收所述服务端发送的损失值，根据所述损失值更新预存的第一识别模型。


2.如权利要求1所述的识别模型的更新方法，其特征在于，所述第一识别模型为声纹识别模型，所述接收所述服务端发送的损失值，根据所述损失值更新预存的第一识别模型的步骤之后，还包括：
当侦测到声纹识别的识别请求后，获取所述识别请求对应的声纹数据；
将所述声纹数据输入至更新后的声纹识别模型中，以确定所述声纹数据对应的用户。


3.一种识别模型的更新方法，其特征在于，所述识别模型的更新方法应用于服务端，所述识别模型的更新方法包括以下步骤：
当接收到各终端设备发送的用户标识后，检测各终端设备中待更新模型的类型；
若检测到各终端设备中待检测模型属于第一类型，则根据所述用户标识进行样本对齐，得到对齐后的用户标识；
根据对齐后的用户标识构造训练样本，并根据所述用户标识将所述训练样本发送给各终端设备，以供各终端设备根据所接收的训练样本计算得到样本向量；
接收各终端设备发送的样本向量，根据所述样本向量计算得到损失值，并将所述损失值发送给各终端设备，以供各终端设备根据所述损失值更新对应的第一识别模型。


4.如权利要求3所述的识别模型的更新方法，其特征在于，所述根据对齐后的用户标识构造训练样本的步骤包括：
根据对齐后的用户标识构造训练样本中的锚定训练样本、正例训练样本和负例训练样本，以得到训练样本，其中，同一训练样本中的锚定训练样本和正例训练样本对应的用户标识相同，同一训练样本中的负例训练样本对应用户标识与正例训练样本对应用户标识不相同。


5.如权利要求3所述的识别模型的更新方法，其特征在于，所述接收各终端设备发送的样本向量，根据所述样本向量计算得到损失值，并将所述损失值发送给各终端设备，以供各终端设备根据所述损失值更新对应的第一识别模型的步骤包括：
接收各终端设备发送的，经过同态加密后的样本向量，得到加密后的样本向量；
通过加密后的样本向量计算得到损失值，并加密所述损失值，得到加密后的损失值；
将加密后的损失值发送给各终端设备，以供各终端设备解密所接收的加密后的损失值，得到解密后的损失值，并根据解密后的损失值计算第一梯度值，根据所述第一梯度值更新对应的第一识别模型。


6.如权利要求5所述的识别模型的更新方法，其特征在于，所述通过加密后的样本向量计算得到损失值的步骤包括：
确定加密后的样本向量中，各训练样本对应锚定训练样本的锚定向量、正例训练样本的正例向量和负例训练样本的负例向量；
通过所述锚定向量和所述正例向量计算得到第一数值，以及通过所述锚定向量和所述负例向量计算得到第二数值；
根据所述第一数值、所述第二数值和预设的常数变量计算得到损失值。


7.如权利要求3所述的识别模型的更新方法，其特征在于，所述根据所述用户标识将所述训练样本发送给各终端设备，以供各终端设备根据所...

【专利技术属性】
技术研发人员：彭金华，陈潮涛，姜迪，李牧之，周古月，徐倩，杨强，
申请(专利权)人：深圳前海微众银行股份有限公司，
类型：发明
国别省市：广东;44