【技术实现步骤摘要】
模型训练方法、装置、计算机设备和存储介质
[0001]本申请涉及信息安全
,特别是涉及一种模型训练方法
、
装置
、
计算机设备和存储介质
。
技术介绍
[0002]近年来,深度学习如同雨后春笋,在各个领域得到了广泛的应用,并创造了巨大的价值,也正因为此,不仅仅是数据的安全需要保障,模型的安全性也受到了质疑,模型是非常有价值的知识产权资产,例如,银行保险库的人脸识别模型
、
医疗公司的患者病历和诊病模型
、
银行内部的推荐模型或者客户发现的模型,这些模型一旦被攻击盗用,造成的损失可谓巨大
。
[0003]传统技术中,缺乏对模型安全性保护,故,存在安全隐患,亟需改进
。
技术实现思路
[0004]基于此,有必要针对上述技术问题,提供一种能够提高模型使用安全性的模型训练方法
、
装置
、
计算机设备和存储介质
。
[0005]第一方面,本申请提供了一种模型训练方法,该方法包括:
[0006]获取原始数据集;
[0007]基于所述原始数据集和预设的噪声幅度,生成训练噪声数据集;
[0008]基于所述训练噪声数据集,对初始模型进行训练,得到目标模型;
[0009]向终端下发所述目标模型,以供所述终端基于所述目标模型,对加噪后的待处理数据进行处理
。
[0010]在其中一个实施例中,所述基于所述训练噪声数据集,对初始 ...
【技术保护点】
【技术特征摘要】
1.
一种模型训练方法,其特征在于,所述方法包括:获取原始数据集;基于所述原始数据集和预设的噪声幅度,生成训练噪声数据集;基于所述训练噪声数据集,对初始模型进行训练,得到目标模型;向终端下发所述目标模型,以供所述终端基于所述目标模型,对加噪后的待处理数据进行处理
。2.
根据权利要求1所述的方法,其特征在于,所述基于所述训练噪声数据集,对初始模型进行训练,得到目标模型,包括:基于所述训练噪声数据集,对初始模型进行训练,直至经训练的初始模型精度达到目标精度时,将经训练的初始模型作为目标模型;其中,所述目标精度是参考模型的精度,所述参考模型是基于所述原始数据集,对所述初始模型进行训练得到
。3.
根据权利要求1所述的方法,其特征在于,所述基于所述原始数据集和预设的噪声幅度,生成训练噪声数据集,包括:将所述原始数据集输入至对抗生成网络,得到所述对抗生成网络基于预设的噪声幅度,生成的训练噪声数据集
。4.
根据权利要求1所述的方法,其特征在于,所述方法还包括:基于所述原始数据集和所述训练噪声数据集,对可逆模型进行训练;其中,所述训练完成的可逆模型用于对加噪后的待处理数据进行还原
。5.
根据权利要求4所述的方法,其特征在于,所述可逆模型包括压缩函数
、
拆分函数和流函数;所述基于所述原始数据集和所述训练噪声数据集,对可逆模型进行训练,包括:针对于所述训练噪声数据集中的任一训练噪声数据,以及该训练噪声数据在所述原始数据集中的原始数据,基于所述压缩函数对该训练噪声数据和该原始数据进行压缩,得到压缩后的输入数据对;基于所述拆分函数对压缩后的输入数据对进行拆分,得到通道维度数据对和特征维度数据对,并将所述通道维度数据对和所述特征维度数据对进行双向连接,得到双向连接后的输入数据对;基于所述流函数中的原子层,对双向连接后的输入数据对进行前向计算,得到前向计算后的输入数据对;基于所述流函数中的可逆卷积,对前向计算后的输...
【专利技术属性】
技术研发人员:葛琪超,林子涯,杜亚东,
申请(专利权)人:中国工商银行股份有限公司,
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。