[發明專利]一種保護數據隱私的分布式深度學習推理部署方法在審
| 申請號： | 202010639114.6 | 申請日： | 2020-07-06 |
| 公開（公告）號： | CN111832729A | 公開（公告）日： | 2020-10-27 |
| 發明（設計）人： | 張文;崔浩亮;陳軼;牛少彰;王讓定 | 申請（專利權）人： | 東南數字經濟發展研究院 |
| 主分類號： | G06N5/04 | 分類號： | G06N5/04;G06F21/62 |
| 代理公司： | 深圳紫晴專利代理事務所(普通合伙) 44646 | 代理人： | 雒盛林 |
| 地址： | 324000 浙江省衢州市*** | 國省代碼： | 浙江;33 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 保護 數據 隱私 分布式 深度 學習 推理 部署 方法 | ||
1.一種保護數據隱私的分布式深度學習推理部署方法，其特征在于，包括以下步驟：
步驟S1：將數據模型分割成兩部分，且一部分部署于客戶端，另一部分部署于第一服務器端；
步驟S2：將客戶端最后一層隱含層參數發送至第一服務器端，完成模型推理過程；
步驟S3：用第二服務器端用完整模型進行增量訓練，將訓練好的模型參數按照步驟S1的分割方式一部分發送到客戶端，一部分發送到第一服務器端。
2.根據權利要求1所述的保護數據隱私的分布式深度學習推理部署方法，其特征在于，所述S1中部署于客戶端的層級數小于等于部署于服務器端的層級數。
3.根據權利要求1所述的保護數據隱私的分布式深度學習推理部署方法，其特征在于，所述的客戶端和第一服務器端分別部署深度學習模型的不同模塊，兩部分的模塊相結合為完整的深度學習模型且完整備份于第二服務器端。
4.根據權利要求3所述的保護數據隱私的分布式深度學習推理部署方法，其特征在于，所述的深度學習模型以遷移學習和增量學習相結合的形式進行訓練。
5.根據權利要求4所述的保護數據隱私的分布式深度學習推理部署方法，其特征在于，所述的遷移學習將模型訓練依次分為預訓練和微調兩個階段，所述的增量學習發生在預訓練階段。
6.根據權利要求5所述的保護數據隱私的分布式深度學習推理部署方法，其特征在于，所述的增量學習所適用的數據來自互聯網公開數據。
7.根據權利要求5所述的保護數據隱私的分布式深度學習推理部署方法，其特征在于，所述增量學習采用自監督學習或無監督學習方式。
8.根據權利要求5所述的保護數據隱私的分布式深度學習推理部署方法，其特征在于，微調后將訓練所得的參數同步更新到客戶端、第一服務器端中。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于東南數字經濟發展研究院，未經東南數字經濟發展研究院許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202010639114.6/1.html，轉載請聲明來源鉆瓜專利網。
- 上一篇：一種紙箱生產用紙板輸送裝置及輸送方法
- 下一篇：一種自動修正沖量力矩的輪滑鞋
- 數據顯示系統、數據中繼設備、數據中繼方法、數據系統、接收設備和數據讀取方法
- 數據記錄方法、數據記錄裝置、數據記錄媒體、數據重播方法和數據重播裝置
- 數據發送方法、數據發送系統、數據發送裝置以及數據結構
- 數據顯示系統、數據中繼設備、數據中繼方法及數據系統
- 數據嵌入裝置、數據嵌入方法、數據提取裝置及數據提取方法
- 數據管理裝置、數據編輯裝置、數據閱覽裝置、數據管理方法、數據編輯方法以及數據閱覽方法
- 數據發送和數據接收設備、數據發送和數據接收方法
- 數據發送裝置、數據接收裝置、數據收發系統、數據發送方法、數據接收方法和數據收發方法
- 數據發送方法、數據再現方法、數據發送裝置及數據再現裝置
- 數據發送方法、數據再現方法、數據發送裝置及數據再現裝置
