[發明專利]跨平臺的數據處理方法、裝置、設備及可讀存儲介質

在審

• 申請號: 202010012671.5
• 申請日: 2018-11-16
• 公開（公告）號: CN111191738A
• 公開（公告）日: 2020-05-22
• 發明（設計）人: 張鈞波;鄭宇;劉洋;劉志潔
• 申請（專利權）人: 京東城市（南京）科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 霍莉莉;劉芳

本公開提供一種跨平臺的數據處理方法、裝置、設備及可讀存儲介質。本公開提供的跨平臺的數據處理方法、裝置、設備及可讀存儲介質中，在各個平臺中根據數據進行模型訓練，再將訓練結果匯聚到服務器，由服務器確定最終的訓練結果，并將訓練結果同步到其他的平臺，能夠在不匯聚具體數據內容、不傳輸具體數據內容的前提下，實現模型訓練，并且能夠同步訓練完成的模型，從而解決現有技術的模型訓練中存在的數據聚集、數據傳輸引發數據泄露的問題。

技術領域

本公開涉及數據處理技術，尤其涉及一種跨平臺的數據處理方法、裝置、設備及可讀存儲介質。

背景技術

人工智能(Artificial Intelligence，AI)，是研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。隨著互聯網技術的快速發展使得各種數據海量爆發，推進了人工智能技術的迅猛發展。

現有技術中，在對人工智能模型進行訓練時，需要將訓練所用到的數據集中到一個服務器上進行訓練和學習；另外，若數據分散在各個企業、各個政府部門，則要把不同企業與政府機構的數據匯聚起來，再對人工智能模型進行訓練。

將大量數據進行匯聚，易引發泄露用戶隱私的風險。而將不同渠道獲得的數據進行匯聚，則會引發會泄露企業與政府數據的安全隱患。因此，如何在不對數據進行匯聚的情況下，依據這些數據對人工智能模型進行訓練，是本領域技術人員亟需解決的技術問題。

發明內容

本公開提供一種跨平臺的數據處理方法、裝置、設備及可讀存儲介質，以解決現有技術中對模型進行訓練時，需要將訓練數據匯聚到一臺服務器中，導致容易泄露用戶隱私的問題。

本公開的第一個方面是提供一種跨平臺的數據處理方法，包括：

向多個平臺發送數據標識，以使所述平臺根據所述數據標識對應的數據，確定出目標屬性信息；

接收多個所述平臺發送的目標屬性信息，根據所述目標屬性信息確定最終屬性；

根據所述最終屬性向所述平臺發送判斷標簽，以使發送所述最終屬性的所述平臺根據所述判斷標簽對所述數據進行分類；

接收發送所述最終屬性的平臺發送的數據分類結果，并將所述數據分類結果同步至全部的所述平臺。

本公開的第二個方面是提供一種跨平臺的數據處理方法，包括：

接收服務器發送的數據標識，根據所述數據標識對應的數據確定目標屬性信息；

向所述服務器發送所述目標屬性信息，以使所述服務器根據所述目標屬性信息確定最終屬性；

接收所述服務器發送的判斷標簽，根據所述判斷標簽確定所述目標屬性信息是否包括所述最終屬性，若是，則根據所述目標屬性信息對所述數據進行分類；

向所述服務器發送數據分類結果，以使所述服務器將所述分類結果同步至全部的所述平臺。

本公開的第三個方面是提供一種跨平臺的數據處理裝置，包括：

標識發送模塊，用于向多個平臺發送數據標識，以使所述平臺根據所述數據標識對應的數據，確定出目標屬性信息；

屬性接收模塊，用于接收多個所述平臺發送的目標屬性信息，根據所述目標屬性信息確定最終屬性；

標簽發送模塊，用于根據所述最終屬性向所述平臺發送判斷標簽，以使發送所述最終屬性的所述平臺根據所述判斷標簽對所述數據進行分類；

結果接收模塊，用于接收發送所述最終屬性的平臺發送的數據分類結果，并將所述數據分類結果同步至全部的所述平臺。

本公開的第四個方面是提供一種跨平臺的數據處理裝置，包括：