本公开实施例用于人工智能的数据处理方法及装置，其中方法包括当人工智能应用被触发数据处理请求后，用户端设备获取待处理的数据，其中，所述用户端设备包括用户终端、和/或预设服务器；用户端设备通过第一模型对所述待处理数据处理，得到降维后的数据；将所述降维后的数据发送至部署所述智能应用的服务端，以使服务端对通过第二模型该降维后的数据进行预设处理后输出。通过将人工智能模型的不同网络结构层部署在不同位置，保证了用户数据的安全性，以及保证了人工智能程序的安全性，克服了相关技术中用户隐私数据无法保证使用安全性，无法保证人工智能应用程序的安全性等。无法保证人工智能应用程序的安全性等。无法保证人工智能应用程序的安全性等。
【技术实现步骤摘要】
人工智能的数据处理方法及装置
[0001]本公开涉及数据处理
，具体涉及到一种用于人工智能的数据处理方法及装置。
技术介绍
[0002]人工智能应用可用于人脸识别、OCR、自然语言处理等场景。通常人工智能应用的程序被部署到其对应的远程服务器上，当需要调用智能应用的功能时，可调用它的API，而后用户通过用户端上传图像(例如，人脸照片、文字图像照片等)或文本信息(如，文字段落等)等私有数据；。
[0003]而在上述人工智能应用过程中，用户的私有数据会被遗留在人工智能应用的远程服务端上(及人工智能应用提供商处的设备上)，造成了用户的隐私信息存在被泄露的风险。
技术实现思路
[0004]本公开的主要目的在于提供一种用于人工智能的数据处理方法及装置。
[0005]为了实现上述目的，根据本公开的第一方面，提供了一种用于人工智能的数据处理，包括：当人工智能应用被触发数据处理请求后，用户端设备获取待处理的数据，其中，所述用户端设备包括用户终端、和/或预设服务器；用户端设备通过第一模型对所述待处理数据处理，得到降维后的数据；将所述降维后的数据发送至部署所述智能应用的服务端，以使服务端对通过第二模型该降维后的数据进行预设处理后输出。
[0006]可选地，方法还包括：对训练完成的神经网络模型进行自动拆分，得到第一模型、以及第二模型，其中，所述第一模型、和第二模型分别为同一个训练完成的神经网络模型的不同网络层，所述第一模型、和第二模型合并后可组成同一个神经网络模型。
[0007]可选地，所述第一模型包括组成神经网络模型的池化层。
[0008]可选地，所述第二模型包括组成神经网络的全连接层。
[0009]可选地，当人工智能应用被触发数据处理请求后，用户端设备获取待处理的数据包括：当用于图像处理的人工智能应用被触发图像数据处理请求后，用户端设备获取待处理的图像数据；和/或，当用于文本处理的人工智能应用被触发文本数据处理请求后，用户端设备获取待处理的文本数据。
[0010]根据本公开的第二方面，提供了一种用于人工智能的数据处理装置，包括：数据获取单元，当人工智能应用被触发数据处理请求后，用户端设备获取待处理的数据，其中，所述用户端设备包括用户终端、和/或预设服务器；数据处理单元，被配置成用户端设备通过第一模型对所述待处理数据处理，得到降维后的数据；发送单元，被配置成将所述降维后的数据发送至部署所述智能应用的服务端，以使服务端对通过第二模型该降维后的数据进行预设处理后输出。
[0011]可选地，方法还包括：对训练完成的神经网络模型进行自动拆分，得到第一模型、
以及第二模型，其中，所述第一模型、和第二模型分别为同一个训练完成的神经网络模型的不同网络层，所述第一模型、和第二模型合并后可组成同一个神经网络模型。
[0012]可选地，所述第一模型包括组成神经网络模型的池化层。
[0013]根据本公开的第三方面，提供了一种计算机可读存储介质，存储有计算机指令，所述计算机指令用于使所述计算机执行第一方面任意一项实现方式所述的用于人工智能的数据处理方法。
[0014]根据本公开的第四方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器执行第一方面任意一项实现方式所述的用于人工智能的数据处理方法。
[0015]在本公开实施例用于人工智能的数据处理方法及装置中，包括当人工智能应用被触发数据处理请求后，用户端设备获取待处理的数据，其中，所述用户端设备包括用户终端、和/或预设服务器；用户端设备通过第一模型对所述待处理数据处理，得到降维后的数据；将所述降维后的数据发送至部署所述智能应用的服务端，以使服务端对通过第二模型该降维后的数据进行预设处理后输出。通过将人工智能模型的不同网络结构层部署在不同位置，保证了用户数据的安全性，以及保证了人工智能程序的安全性，克服了相关技术中用户隐私数据无法保证使用安全性，无法保证人工智能应用程序的安全性等。
附图说明
[0016]为了更清楚地说明本公开具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本公开的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0017]图1是根据本公开实施例的用于人工智能的数据处理方法的流程图；
[0018]图2是根据本公开实施例的电子设备的示意图。
具体实施方式
[0019]为了使本
的人员更好地理解本公开方案，下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本公开一部分的实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本公开保护的范围。
[0020]需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0021]在本公开中，术语“上”、“下”、“左”、“右”、“前”、“后”、“顶”、“底”、“内”、“外”、
“
中”、“竖直”、“水平”、“横向”、“纵向”等指示的方位或位置关系为基于附图所示的方位或位置关系。这些术语主要是为了更好地描述本公开及其实施例，并非用于限定所指示的装置、元件或组成部分必须具有特定方位，或以特定方位进行构造和操作。
[0022]并且，上述部分术语除了可以用于表示方位或位置关系以外，还可能用于表示其他含义，例如术语“上”在某些情况下也可能用于表示某种依附关系或连接关系。对于本领域普通技术人员而言，可以根据具体情况理解这些术语在本公开中的具体含义。
[0023]此外，术语“安装”、“设置”、“设有”、“连接”、“相连”、“套接”应做广义理解。例如，可以是固定连接，可拆卸连接，或整体式构造；可以是机械连接，或电连接；可以是直接相连，或者是通过中间媒介间接相连，又或者是两个装置、元件或组成部分之间内部的连通。对于本领域普通技术人员而言，可以根据具体情况理解上述术语在本公开中的具体含义。
[0024]需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
[0025]相关技术中，在解决本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种用于人工智能的数据处理方法，其特征在于，包括：当人工智能应用被触发数据处理请求后，用户端设备获取待处理的数据，其中，所述用户端设备包括用户终端、和/或预设服务器；用户端设备通过第一模型对所述待处理数据处理，得到降维后的数据；将所述降维后的数据发送至部署所述智能应用的服务端，以使服务端对通过第二模型该降维后的数据进行预设处理后输出。2.根据权利要求1所述的用于人工智能的数据处理方法，其特征在于，方法还包括：对训练完成的神经网络模型进行自动拆分，得到第一模型、以及第二模型，其中，所述第一模型、和第二模型分别为同一个训练完成的神经网络模型的不同网络层，所述第一模型、和第二模型合并后可组成同一个神经网络模型。3.根据权利要求2所述的用于人工智能的数据处理方法，其特征在于，所述第一模型包括组成神经网络模型的池化层。4.根据权利要求2所述的用于人工智能的数据处理方法，其特征在于，所述第二模型包括组成神经网络的全连接层。5.根据权利要求1所述的用于人工智能的数据处理方法，其特征在于，当人工智能应用被触发数据处理请求后，用户端设备获取待处理的数据包括：当用于图像处理的人工智能应用被触发图像数据处理请求后，用户端设备获取待处理的图像数据；和/或，当用于文本处理的人工智能应用被触发文本数据处理请求后，用户端设备获取待处理的文本数据。6.一种用于人工智能的数据处理装...
【专利技术属性】
技术研发人员：龚海刚，
申请(专利权)人：上海铂英飞信息技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。