-
公开(公告)号：CN118537149A
公开(公告)日：2024-08-23
申请号：CN202410598276.8
申请日：2024-05-14
Applicant: 中移信息技术有限公司 , 中国移动通信集团有限公司
Abstract: 本申请公开了一种对账方法、装置、设备、存储介质及产品，涉及数据处理技术领域，所述对账方法包括：将待对账数据中的目标字段数据进行拼接，得到目标对账标识；基于所述目标对账标识对所述待对账数据进行安全求交，得到交集数据；基于所述交集数据进行对账，得到目标对账结果。由于本申请是将待对账数据中的目标字段数据进行拼接，得到目标对账标识；基于目标对账标识对待对账数据进行安全求交，基于交集数据进行对账。相对于现有的完全交互待对账数据进行对账的方式，本申请上述方式能够避免待对账数据泄露，且对目标字段数据进行拼接后对账，能够减少对账时的对比次数，提高对账效率。
-
公开(公告)号：CN117853252A
公开(公告)日：2024-04-09
申请号：CN202410036365.3
申请日：2024-01-08
Applicant: 中移信息技术有限公司 , 中国移动通信集团有限公司
Abstract: 本发明涉及区块链技术领域，公开了一种区块链对账系统、方法、装置、设备及存储介质，包括：隐私计算服务器基于多方安全计算协议对第一参与方的第一账本数据和第二参与方的第二账本数据进行对账计算，获得对账结果，并将对账结果发送至第一参与方，第一参与方基于零知识证明协议生成对账结果对应的对账证明，并将对账证明发送至第二参与方；第二参与方根据对账证明验证第一参与方是否拥有对账结果；由于本发明结合区块链、多方安全计算协议以及零知识证明协议进行对账，从而能够降低数据泄露和篡改的风险，提高对账的效率和准确性，并且有助于满足数据隐私和合规性的要求，增强参与方之间的信任和合作关系，进而能够在链下计算时保护数据安全。
-
公开(公告)号：CN118967226A
公开(公告)日：2024-11-15
申请号：CN202410969735.9
申请日：2024-07-18
Applicant: 中移动信息技术有限公司 , 中国移动通信集团有限公司
IPC: G06Q30/0242 , G06Q30/0241 , G06N20/00 , G06F18/214 , G06F18/24 , G06N5/01
Abstract: 本申请公开了一种广告点击率预测方法、装置、设备、介质及产品，涉及联邦学习技术领域。公开的广告点击率预测方法包括：获取待预测对象数据；将待预测对象数据输入广告点击率预测模型进行预测，获得广告点击率预测结果；其中，广告点击率预测模型包括联邦学习非线性模块与联邦学习线性模块，联邦学习非线性模块用于对待预测对象数据进行特征提取，获得特征数据，联邦学习线性模块用于基于特征数据进行预测，获得广告点击率预测结果。本申请可以提高预测精度。
-
公开(公告)号：CN116305062A
公开(公告)日：2023-06-23
申请号：CN202111516963.3
申请日：2021-12-07
Applicant: 中国移动通信有限公司研究院 , 中国移动通信集团有限公司
Abstract: 本申请提供一种数据验证方法、服务器及通信设备，所述方法包括：第一服务器获取第二服务器发送的第一密钥，所述第一密钥基于所述第二服务器的第一任务数据生成；所述第一服务器获取所述第二服务器发送的第二任务数据，所述第二任务数据为所述第二服务器执行多方安全计算任务的任务数据；所述第一服务器基于所述第二任务数据生成第二密钥；所述第一服务器将所述第二密钥与所述第一密钥进行对比，以验证所述第二任务数据与所述第一任务数据是否匹配。本申请可以提高数据的可信度。
-
公开(公告)号：CN116248345A
公开(公告)日：2023-06-09
申请号：CN202211693998.9
申请日：2022-12-28
Applicant: 中移动信息技术有限公司 , 中国移动通信集团有限公司
Abstract: 本申请公开了一种数据处理方法、装置、设备、存储介质及产品。该方法包括：第一方向第二方发送目标混淆数组和混淆数组集合，第二方接收后基于随机打乱的顺序分别进行排序，对应得到第二目标数组、目标混淆数组集合和第一目标数组，并将结果发送给第一方；第一方接收后基于混淆顺序对第二目标数组进行反混淆，得到第三目标数组；并对第一目标数组和第三目标数组中的数组求交集，得到交集数据；第二方接收交集数据后对数组进行顺序还原，得到目标交集数据。根据本申请实施例，任意一方的数据都在另一方中留有存证，若任意一方违反协议都能凭借存证进行追责，从而保障了数据求交的安全性，并且整个过程数据传输量和计算量较小，节约了时间成本。
-
Patent Agency Ranking
公开(公告)号：CN119865299A
公开(公告)日：2025-04-22
申请号：CN202510026972.6
申请日：2025-01-07
Applicant: 中移动信息技术有限公司 , 中国移动通信集团有限公司
Abstract: 本申请公开了一种代理计算方法、装置、设备、存储介质及产品，涉及数据安全技术领域，所述的方法包括：代理服务器接收来自多个客户端的重加密密钥、公钥和加密密文；根据公钥对加密密文进行同态计算；根据重加密密钥将同态计算密文结果转化为客户端对应的接收方密文；将多个接收方密文分别发送至多个客户端。本申请通过代理服务器对密文执行同态计算，可以对加密数据直接运算，并且代理服务器在计算的过程中不会获取到任何有关明文数据的信息，从而保护数据的隐私。通过代理服务器的代理计算，可将客户端的复杂计算任务交由代理服务器代为计算，从而降低用户的计算量。最后将同态计算后的密文根据重加密密钥转化为客户端能够解密的密文。
-
公开(公告)号：CN119494421A
公开(公告)日：2025-02-21
申请号：CN202411621698.9
申请日：2024-11-13
Applicant: 中移动信息技术有限公司 , 中国移动通信集团有限公司
Abstract: 本申请公开了一种自适应差分隐私的联邦学习方法、客户端、服务器、存储介质及产品，方法应用于客户端，包括：基于当前训练轮次和裁剪阈值调整策略确定梯度裁剪阈值，裁剪阈值调整策略根据数据分布相似度和各训练轮次对应的梯度变化率构建；对各样本的梯度进行裁剪，得到各样本的目标梯度；根据自适应差分隐私算法以及目标隐私预算对各样本的目标梯度添加噪声扰动，得到自适应噪声；结合目标数据集以及全局损失函数进行模型更新，得到本地模型参数，并发送至服务器，服务器根据本地模型参数更新参数得到全局模型。通过上述方式，增强了模型对噪声和攻击的鲁棒性，提高了客户端保护数据隐私的能力、模型的准确性以及模型的泛化能力。
-
公开(公告)号：CN119475283A
公开(公告)日：2025-02-18
申请号：CN202411515301.8
申请日：2024-10-28
Applicant: 中移动信息技术有限公司 , 中国移动通信集团有限公司
Abstract: 本申请公开了一种模型加密方法、装置、设备及计算机可读存储介质，其方法包括：获取待学习任务对应的数据集；基于多层神经网络以及待训练模型确定新增网络，并基于新增网络对数据集进行模型训练，获得目标模型以及训练结果；基于训练结果以及数据集，确定触发集；基于所述触发集对所述目标模型进行模型训练，获得所述目标模型对应的水印模型，并返回执行在模型学习的多个任务中依次获取当前的待学习任务的步骤，直至完成所有任务的模型学习。本申请通过触发集对当前训练的模型进行模型训练，当前训练任务的水印模型，实现在分批次数据训练的持续学习模型中使用水印技术，对模型更新的版本进行知识产权保护。
-
公开(公告)号：CN119443317A
公开(公告)日：2025-02-14
申请号：CN202411677804.5
申请日：2024-11-21
Applicant: 中移动信息技术有限公司 , 中国移动通信集团有限公司
Abstract: 本申请公开了多方联邦学习方法、系统、设备、存储介质及程序产品，涉及联邦学习技术领域，应用于区块链网络中的参与节点，该方法包括：获取中心节点发送的学习参数信息，并根据学习参数信息确定训练生成信息，其中，训练生成信息包括训练模型参数和训练模型参数对应的零知识证明；获取零知识证明在区块链网络中的安装信息，并根据安装信息确定节点诚实性；将训练模型参数和节点诚实性发送至中心节点，其中，中心节点用于基于训练模型参数和节点诚实性确定聚合模型，并在聚合模型收敛时，将聚合模型作为目标联邦学习模型。本申请解决了多方联邦学习的准确率不高的技术问题。
-
公开(公告)号：CN117495403A
公开(公告)日：2024-02-02
申请号：CN202311466126.3
申请日：2023-11-06
Applicant: 中移动信息技术有限公司 , 中国移动通信集团有限公司
IPC: G06Q30/018 , G06Q40/08 , G06Q50/40 , G06F18/214 , G06F18/22 , G06F7/58 , G06F21/64 , G06N3/006
Abstract: 本发明公开了一种车险骗保检测方法、装置、设备及存储介质，该方法包括：将客户端和服务端的车险信息进行同步，并根据同步结果将车险信息划分成多个数据集；根据目标数据求交算法对多个数据集的数据进行求交，获得目标数据集；根据预设车险反欺诈模型检测目标数据集的数据是否存在车险骗保数据。本发明根据同步结果将车险信息划分成多个数据集，并根据目标数据求交算法对多个数据集进行求交获得目标数据集，根据预设车险反欺诈模型对目标数据集进行检测判断是否存在车险骗保数据，而形成的目标数据集来自多方数据进行多方求交，从而解决了基于双方数据进行两两配对并求交集的壁垒，提高了检测车险信息对应的用户是否存在骗保行为的效率。
-
-
-
-
-
-
-
-
-
Search Results
38
records
(took 0.042 seconds)
