用于信息处理的方法、电子设备和计算机程序产品技术

本公开的实施例涉及用于信息处理的方法、电子设备和计算机程序产品。根据本公开的示例性实现，一种用于信息处理的方法，包括：在第一设备处获取与目标对象相关联的第一特征；将第一特征应用于被部署在第一设备处的经训练的第一模型，以确定第一置信度，第一置信度与第一模型将目标对象确定为真实对象的概率和虚假对象的概率相关联；如果第一置信度低于第一阈值置信度，向第二设备发送用于验证目标对象的请求，第二设备被部署有用于验证目标对象的经训练的第二模型，第二模型的复杂度高于第一模型；以及基于来自第二设备的针对请求的响应，更新第一模型。由此，可以跨不同的设备实现堆叠式机器学习策略。堆叠式机器学习策略。堆叠式机器学习策略。

【技术实现步骤摘要】
用于信息处理的方法、电子设备和计算机程序产品


[0001]本公开的实施例总体涉及信息处理，具体涉及用于信息处理的方法、电子设备和计算机程序产品。

技术介绍

[0002]目前，随着物联网(IoT，Internet of Things)技术的演进，各种类型的大量边缘设备接入了物联网。然而，在物联网应用中，不同的边缘设备的感知能力存在较大差异，并且边缘设备与诸如云服务器的核心设备的性能也存在较大差距。因此，难以跨不同的设备实现堆叠式机器学习策略。

技术实现思路

[0003]本公开的实施例提供了用于信息处理的方法、电子设备和计算机程序产品。
[0004]在本公开的第一方面，提供了一种用于信息处理的方法。该方法包括：在第一设备处获取与目标对象相关联的第一特征；将第一特征应用于被部署在第一设备处的经训练的第一模型，以确定第一置信度，第一置信度与第一模型将目标对象确定为真实对象的概率和虚假对象的概率相关联；如果第一置信度低于第一阈值置信度，向第二设备发送用于验证目标对象的请求，第二设备被部署有用于验证目标对象的经训练的第二模型，第二模本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于信息处理的方法，包括：在第一设备处获取与目标对象相关联的第一特征；将所述第一特征应用于被部署在所述第一设备处的经训练的第一模型，以确定第一置信度，所述第一置信度与所述第一模型将所述目标对象确定为真实对象的概率和虚假对象的概率相关联；如果所述第一置信度低于第一阈值置信度，向第二设备发送用于验证所述目标对象的请求，所述第二设备被部署有用于验证所述目标对象的经训练的第二模型，所述第二模型的复杂度高于所述第一模型；以及基于来自所述第二设备的针对所述请求的响应，更新所述第一模型。2.根据权利要求1所述的方法，其中所述第一特征包括以下至少一项：击键模式，手势，指纹，声音，和脸部。3.根据权利要求1所述的方法，其中所述响应包括针对所述目标对象的验证结果，并且更新所述第一模型包括：至少基于所述第一特征和所述验证结果，重新训练所述第一模型。4.根据权利要求3所述的方法，其中重新训练所述第一模型包括：获取训练特征，所述训练特征与用于训练所述第一模型的训练对象相关联；获取训练标签，所述训练标签指示所述训练对象是否为真实对象；以及基于所述训练特征、所述训练标签、所述第一特征和所述验证结果，重新训练所述第一模型。5.根据权利要求1所述的方法，其中所述响应包括由所述第二设备重新训练的第一模型，并且更新所述第一模型包括：利用所述重新训练的第一模型，来替换所述第一模型。6.一种用于信息处理的方法，包括：在第二设备处接收来自第一设备的用于验证目标对象的请求；基于所述请求，获取与所述目标对象相关联的第二特征；将所述第二特征应用于被部署在所述第二设备处的经训练的第二模型，以确定第二置信度，所述第二置信度与所述第二模型将所述目标对象确定为所述真实对象的概率和所述虚假对象的概率相关联；以及基于所述第二置信度，向所述第一设备发送针对所述请求的响应，以用于更新被部署在所述第一设备处的用于验证所述目标对象的第一模型，所述第二模型的复杂度高于所述第一模型。7.根据权利要求6所述的方法，其中所述第二特征包括以下至少一项：击键模式，手势，指纹，
声音，和脸部。8.根据权利要求6所述的方法，其中向所述第一设备发送所述响应包括：如果所述第二置信度低于第二阈值置信度，获取与所述目标对象相关联的第三特征；将所述第三特征应用于被部署在所述第二设备处的经训练的第三模型，以确定第三置信度，所述第三置信度与所述第三模型将所述目标对象分类为所述真实对象的概率和所述虚假对象的概率相关联，所述第三模型的复杂度高于所述第二模型；以及基于所述第三置信度，向所述第一设备发送所述响应。9.根据权利要求6所述的方法，其中向所述第一设备发送所述响应包括：如果所述第二置信度超过第二阈值置信度，生成所述目标对象为所述真实对象的验证结果；将所述验证结果包括在所述响应中；以及向所述第一设备发送所述响应。10.根据权利要求6所述的方法，其中向所述第一设备发送所述响应包括：如果所述第二置信度超过第二阈值置信度，生成所述目标对象为所述真实对象的验证结果；至少基于所述第一特征和所述验证结果，重新训练所述第一模型；以及向所述第一设备发送所述响应，所述响应包括重新训练的第一模型。11.根据权利要求10所述的方法，其中重新训练所述第一模型包括：获取训练特征，所述训练特征与用于训练所述第一模型的训练对象相关联；获取训练标签，所述训练标签指示所述训练对象是否为真实对象；以及基于所述训练特征、所述训练标签、所述第一特征和所述验证结果，重新训练所述第一模型。12.根据权利要求10所述的方法，其中发送所述响应包括：调整所述重新训练的第一模型中的层的参数，以压缩所述重新训练的第一模型；将压缩的所述第一模型包括在所述响应中；以及向所述第一设备发送所述响应。13.一种电子设备，包括：至少一个处理单元；至少一个存储器，所述至少一个存储器被耦合到所述至少一个处理单元并且存储用于由所述至少一个处理单元执行的指令，所述指令当由所述至少一个处理单元执行时，使得所述设备执行动作，所述动作包括：在第一设备处获取与目标对象相关联的第一特征；将所述第一特征应用于被部署在所述第一设备处的经训练的第一模型，以确定第一置信度，所述第一置信度与所述第一模型将所述目标对象确定为真实对象...

【专利技术属性】
技术研发人员：倪嘉呈，刘金鹏，陈强，贾真，
申请(专利权)人：伊姆西IP控股有限责任公司，
类型：发明
国别省市：