(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111574447.6 (22)申请日 2021.12.21 (71)申请人 支付宝 （杭州） 信息技 术有限公司 地址 310000 浙江省杭州市西湖区西溪路 556号8层B段801-1 1 (72)发明人 张长浩　傅欣艺　王维强　 (74)专利代理 机构 北京国昊天诚知识产权代理 有限公司 1 1315 代理人 姚琳洁 (51)Int.Cl. G06F 21/32(2013.01) G06F 21/62(2013.01) G06N 3/08(2006.01) G06N 20/00(2019.01) (54)发明名称 数据处理方法、 装置及设备 (57)摘要 本说明书实施例提供了一种数据处理方法、 装置及设备， 所述方法包括： 接收目标用户针对 目标业务的触发执行指令， 并响应于所述触发执 行指令， 获取所述目标用户对应的第一图像； 基 于预先训练的图像脱 敏模型， 确定与所述第一图 像对应的目标脱敏图像， 所述图像脱敏模型为基 于第一损失函数、 第二损失函数以及历史第一图 像， 对由预设深度学习算法构建的模 型进行训练 得到， 所述第一损失函数用于使所述图像脱 敏模 型输出的脱敏图像 符合预设图像脱敏需求， 所述 第二损失函数用于使所述图像脱敏模型输出的 脱敏图像符合所述目标业务的预设图像使用需 求； 将所述目标脱敏图像发送给服务器， 以使所 述服务器基于所述目标脱敏图像执行所述目标 业务。 权利要求书4页 说明书20页 附图7页 CN 114238910 A 2022.03.25 CN 114238910 A 1.一种数据处 理方法， 包括： 接收目标用户针对目标业务的触发执行指令， 并响应于所述触发执行指令， 获取所述 目标用户对应的第一图像， 所述第一图像包 含所述目标用户的生物特 征数据； 基于预先训练的图像脱敏模型， 确定与所述第一图像对应的目标脱敏图像， 所述图像 脱敏模型为基于第一损失函数、 第二损失函数以及历史第一图像， 对由预设深度学习算法 构建的模型进 行训练得到， 所述第一损失函数用于使 所述图像脱敏模型输出的脱敏图像符 合预设图像脱敏需求， 所述第二损失函数用于使 所述图像脱敏模型输出的脱敏图像符合所 述目标业 务的预设图像使用需求； 将所述目标脱敏图像发送给服务器， 以使所述服务器基于所述目标脱敏图像执行所述 目标业务。 2.根据权利要求1所述的方法， 在所述基于预先训练 的图像脱敏模型， 确定与 所述第一 图像对应的目标脱敏图像之前， 还 包括： 获取所述历史第一图像； 将所述历史第一图像输入所述图像脱敏模型， 得到历史第一脱敏图像； 根据所述历史第一图像、 所述历史第一脱敏图像、 所述第一损 失函数和所述第二损 失 函数， 确定是否对所述图像脱敏模型进行 再训练， 以得到训练后的所述图像脱敏模型。 3.根据权利要求2所述的方法， 所述第一损失函数通过所述历史第一图像和所述历史 第一脱敏图像， 确定所述图像脱敏模型是否满足预设图像脱敏需求， 所述第二损失函数通 过所述历史脱敏图像确定所述图像脱敏模型 是否满足所述目标业 务的预设图像使用需求。 4.根据权利要求3所述的方法， 所述第 一损失函数通过第 一损失分值、 第 二损失分值和 第三损失分值中的一个或多个， 确定所述图像脱敏模型是否满足预设图像脱敏需求， 所述 第一损失分值用于确定所述历史第一图像和所述历史第一脱敏图像在像素层面的脱敏效 果， 所述第二损失分值用于确定所述历史第一图像和所述历史第一脱敏图像在特征向量层 面的脱敏效果， 所述第三损失分值用于确定所述历史第一图像和所述历史第一脱敏图像在 识别效果层面的脱敏效果。 5.根据权利要求4所述的方法， 所述根据所述历史第一图像、 所述历史第一脱敏图像、 所述第一损失函数和所述第二损失函数， 确定是否对所述图像脱敏模型进行 再训练， 包括： 基于预设图像降维算法， 获取与所述历史第一图像对应的第一向量， 以及与所述历史 第一脱敏图像对应的第二向量， 并基于所述第一向量和所述第二向量， 确定所述第一损失 分值； 基于预先训练的特征提取模型， 获取与所述历史第一图像对应的第三向量， 以及与所 述历史第一脱敏图像对应的第四向量， 并基于所述第三向量和所述第四向量， 确定所述第 二损失分值， 所述特征提取模型为基于历史第二图像， 对预设特征提取算法构建的模型进 行训练得到； 基于预先训练的第一识别模型， 获取与所述历史第一图像对应的第一识别率， 以及与 所述历史第一脱敏图像对应的第二识别率， 并基于所述第一识别率和所述第二识别率， 确 定所述第三损失分值， 所述第一识别模型为基于所述历史第二图像， 对预设图像识别算法 构建的模型进行训练得到； 基于预先训练的第二识别模型， 获取与所述历史第一脱敏图像对应的第三识别率， 并权　利　要　求　书 1/4 页 2 CN 114238910 A 2基于所述第三识别率， 确定第四损失分值， 所述第二识别模型为基于所述历史第二脱敏图 像， 对预设第二识别算法构建的模型进行训练得到， 所述历史第二脱敏图像为对所述历史 第二图像进行脱敏处 理得到； 基于所述第一损 失分值、 所述第二损 失分值和所述第三损 失分值中的一个或多个， 以 及所述第四损失分值， 确定是否对所述图像脱敏模型进行 再训练。 6.根据权利要求5所述的方法， 所述将所述历史第 一图像输入所述图像脱敏模型， 得到 历史第一脱敏图像， 包括： 基于预设图像卷积算法， 对所述历史第一图像进行 特征提取处 理， 得到第二图像； 基于预设图像重组算法， 对所述第二图像进行图像重组处理， 得到所述历史第一脱敏 图像。 7.根据权利要求6所述的方法， 所述基于预设图像卷积算法， 对所述历史第 一图像进行 特征提取处 理， 得到第二图像， 包括： 基于预设归一化算法和预设信号卷积算法， 对所述历史第一图像进行压缩处理， 得到 所述第二图像； 所述基于所述第一损失分值、 所述第二损失分值和所述第三损失分值中的一个或多 个， 以及所述第四损失分值， 确定是否对所述图像脱敏模型进行 再训练， 包括： 对所述第二图像进行解压缩处 理， 得到第三图像； 基于所述第三图像和所述第一图像， 确定第五损 失值， 所述第五损 失值用于确定所述 第一图像和所述第三图像之间的差异程度； 基于所述第一损 失分值、 所述第二损 失分值和所述第三损 失分值中的一个或多个， 以 及所述第四损失分值和所述第五损失值， 确定是否对所述图像脱敏模型进行 再训练。 8.一种数据处 理方法， 包括： 获取针对目标业务的训练数据集， 所述训练数据集包含多个第一图像， 所述第一图像 包含用户的生物特 征数据； 基于所述第一图像、 第一损 失函数和第二损 失函数， 对由预设深度学习算法构建的图 像脱敏模型进行训练， 得到训练后的图像脱敏模型， 所述第一损失函数用于使所述图像脱 敏模型输出的脱敏图像满足预设图像脱敏需求， 所述第二损失函数用于使 所述图像脱敏模 型输出的脱敏图像满足所述目标业 务的预设图像使用需求； 将所述训练后的图像脱敏模型发送至客户端， 以使所述客户端基于所述训练后的图像 脱敏模型， 对 包含目标用户的生物特 征数据的目标图像进行处 理。 9.根据权利要求8所述的方法， 所述方法还 包括： 接收所述客户端发送的目标脱敏图像， 所述目标脱敏图像为所述客户端基于所述训练 后的图像脱敏模型， 确定的与所述目标图像对应的脱敏图像； 基于所述目标脱敏图像， 对所述目标业 务进行处 理。 10.一种数据处 理装置， 包括： 指令接收模块， 用于接收目标用户针对目标业务的触发执行指令， 并响应于所述触发 执行指令， 获取所述 目标用户对应的第一图像， 所述第一图像包含所述 目标用户的生物特 征数据； 图像确定模块， 用于基于预先训练的图像脱敏模型， 确定与所述第一图像对应的目标权　利　要　求　书 2/4 页 3 CN 114238910 A 3