[发明专利]信息处理方法、装置、设备、存储介质及程序产品

权利要求书

1.一种信息处理方法，其特征在于，所述方法应用于参与联邦学习的多个参与方中的数据提供方，用于训练得到特征生成模型和分类模型，将待预测图像依次输入特征生成模型和分类模型后，得到对应的分类结果；所述方法包括：

获取服务器发送的第N次融合后的分类模型以及第N次融合后的特征生成模型；其中，特征生成模型用于生成图像特征；

根据所述第N次融合后的特征生成模型和所述第N次融合后的分类模型，训练第N次的数据生成模型和第N次的特征提取模型，得到第N+1次的数据生成模型和第N+1次中第一次更新的特征提取模型，所述数据生成模型用于生成伪图像，所述特征提取模型用于提取图像特征；

根据第N+1次的数据生成模型生成的伪图像以及真实图像，训练第N+1次中第一次更新的特征提取模型和第N次融合后的分类模型，得到第N+1次的分类模型和第N+1次中第二次更新的特征提取模型，其中，分类模型用于根据图像特征确定对应的结果，所述第N+1次中第二次更新的特征提取模型作为第N+1次的特征提取模型；

以第N+1次的特征提取模型提取的图像特征作为真数据，以第N次融合后的特征生成模型生成的图像特征作为伪数据，通过对抗网络，训练第N次融合后的特征生成模型，使得特征生成模型的输出结果，逼近特征提取模型输出的结果。

2.根据权利要求1所述的方法，其特征在于，所述根据所述第N次融合后的特征生成模型和所述第N次融合后的分类模型，训练第N次的数据生成模型和第N次的特征提取模型，得到第N+1次的数据生成模型和第N+1次中第一次更新的特征提取模型，包括：

将随机数中的第一目标随机数以及所述第一目标随机数对应的第一预设类别标签输入到第N次的数据生成模型，得到第一伪图像，所述第一伪图像对应的真实标签为所述第一预设类别标签；

将所述第一伪图像输入到第N次的特征提取模型，得到第一图像特征；

将所述随机数中的第二目标随机数以及所述第二目标随机数对应的第二预设类别标签输入到第N次融合后的特征生成模型，得到第二图像特征，所述第二图像特征对应的真实标签为所述第二预设类别标签，所述第一预设类别标签与所述第二预设类别标签相同；

根据所述第一图像特征和所述第二图像特征，通过第N次融合后的分类模型，确定第N+1次的数据生成模型和第N+1次中第一次更新的特征提取模型；其中，所述第N+1次中第一次更新的特征提取模型用于支持更新分类模型。

3.根据权利要求2所述的方法，其特征在于，所述根据所述第一图像特征和所述第二图像特征，通过第N次融合后的分类模型，确定第N+1次的数据生成模型和第N+1次中第一次更新的特征提取模型，包括：

将所述第一图像特征和所述第二图像特征输入到第N次融合后的分类模型，得到第一图像类别概率分布和第二图像类别概率分布；

计算所述第一图像类别概率分布和所述第二图像类别概率分布的距离损失值；

通过所述距离损失值，分别计算第N次的数据生成模型的梯度值和第N次的特征提取模型的第一梯度值；

根据第N次的数据生成模型的梯度值更新第N次的数据生成模型，得到第N+1次的数据生成模型，以及根据第一梯度值更新第N次的特征提取模型，得到第N+1次本地训练中第一次更新的特征提取模型。