【技术实现步骤摘要】
本专利技术涉及计算机，具体涉及一种数据处理方法、装置、设备及存储介质。
技术介绍
1、随着互联网和大数据时代的到来，各领域对人工智能性能需求的不断提升。为了提高数据处理、计算以及存储效率，云服务器网络分布式在线机器学习应运而生。然而在云服务器网络进行数据预测的过程中，由于云服务器网络中存在大量的工作机，但各工作机在面对外部的完整性攻击时较为脆弱，从而导致工作机容易产生错误的局部模型参数或者预测值。
技术实现思路
1、有鉴于此，本专利技术提供了一种数据处理方法、装置、设备及存储介质，以解决现有云服务器网络进行数据预测的过程中，由于云服务器网络中各工作机在面对外部的完整性攻击时较为脆弱，从而导致工作机容易产生错误的局部模型参数或者预测值的问题。
2、第一方面，本专利技术提供了一种数据处理方法，应用于云服务器网络中的云服务器，该方法包括：接收所连接的多个工作机上传的局部预测数据，所述局部预测数据为对应工作机在攻击风险下所生成的预测数据；获取多个所述局部预测数据中容错评分最低的目标局部...
【技术保护点】
1.一种数据处理方法，其特征在于，应用于云服务器网络中的云服务器，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述局部预测数据包括局部预测期望以及对应的局部预测方差，所述获取多个所述局部预测数据中容错评分最低的目标局部预测数据，包括：
3.根据权利要求2所述的方法，其特征在于，所述计算排序后多个所述局部预测期望中任一局部预测期望与其他局部预测期望的容错评分，得到评分最低的目标局部预测期望，包括：
4.根据权利要求2所述的方法，其特征在于，所述计算排序后多个所述局部预测方差中任一局部预测方差与其他局部预测方差的容错评分，...
【技术特征摘要】
1.一种数据处理方法，其特征在于，应用于云服务器网络中的云服务器，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述局部预测数据包括局部预测期望以及对应的局部预测方差，所述获取多个所述局部预测数据中容错评分最低的目标局部预测数据，包括：
3.根据权利要求2所述的方法，其特征在于，所述计算排序后多个所述局部预测期望中任一局部预测期望与其他局部预测期望的容错评分，得到评分最低的目标局部预测期望，包括：
4.根据权利要求2所述的方法，其特征在于，所述计算排序后多个所述局部预测方差中任一局部预测方差与其他局部预测方差的容错评分，得到评分最低的目标局部预测方差，包括：
5.根据权利要求2所述的方法，其特征在于，所述基于多个所述局部预测数据与所述目标局部预测数据的数据距离，确定目标邻域，包括：
6.根据权利要求5所述的方法，其特征在于，所述基于所述局部预测期望与所述目标局部预测期望的数据距离，确定目标期望邻域，包括：
7.根据权利要求5所述的方法，其特征在于，所述基于所述局部预测方差与所述目标局部预测方差的数据距离，确定目标方差邻域，包括：
【专利技术属性】
技术研发人员：张旭，孙华锦，胡雷钧，王小伟，
申请(专利权)人：苏州元脑智能科技有限公司，
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。