-
公开(公告)号：CN112035881B
公开(公告)日：2021-02-09
申请号：CN202011208957.7
申请日：2020-11-03
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F21/62
Abstract: 本说明书实施例公开了一种基于隐私保护的应用程序识别方法、装置及设备，该方法包括：获取用户访问目标应用程序的过程中产生的行为序列数据和所述目标应用程序的程序标识，所述目标应用程序为搭载在宿主程序中的小程序；对所述目标应用程序的程序标识进行差分隐私处理，得到处理后的所述程序标识；将所述处理后的所述程序标识和所述程序标识对应的所述行为序列数据发送给服务器，以使所述服务器对所述处理后的所述程序标识进行聚合还原处理，并基于还原后的所述程序标识对应的行为序列数据，确定所述目标应用程序是否为存在不合规内容的风险应用程序。
-
公开(公告)号：CN110598062A
公开(公告)日：2019-12-20
申请号：CN201910904975.X
申请日：2019-09-24
Applicant: 支付宝(杭州)信息技术有限公司
Inventor： 侯辉超
IPC: G06F16/901 , G06Q10/06
Abstract: 本说明书实施例提供一种数据资产的重要度量化方法、装置及电子设备。其中，重要度量化方法包括：获取目标对象的至少两个数据节点的链接日志信息。基于所述链接日志信息，构建所述至少两个数据节点的链接关系向量图。按照所述链接关系向量图所示的链接关系，确定所述目标对象的数据节点对应的权值。基于所述目标对象的数据节点对应的权值，对所述目标对象的数据节点的重要程度进行量化评估。
-
公开(公告)号：CN112084493B
公开(公告)日：2024-03-26
申请号：CN202010988095.8
申请日：2020-09-18
Applicant: 支付宝(杭州)信息技术有限公司
Inventor： 侯辉超
IPC: G06F21/54
Abstract: 本说明书实施例提供了基于差分隐私保护的内容风险小程序识别方法及装置，该方法的一具体实施方式包括：响应于监控到用户通过服务平台承载的小程序执行的目标操作，获取操作源是否属于风险操作源的判定结果，其中，操作源包括用户与其使用设备的组合，判定结果利用风险识别策略组而确定；响应于判定操作源属于风险操作源，利用满足本地化差分隐私保护的随机响应技术，对该小程序的程序标识进行扰动，得到扰动程序标识；将操作源的操作源标识和扰动程序标识发送至服务平台的服务端，以使服务端利用随机响应技术，根据已接收的多个扰动程序标识，识别该小程序是否为内容风险小程序。
-
公开(公告)号：CN111782813B
公开(公告)日：2023-10-31
申请号：CN202010647688.8
申请日：2020-07-07
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/35 , G06Q30/0601 , G06Q50/00
Abstract: 本说明书实施例公开了一种用户社群的评价方法、装置及设备，该方法包括获取多个不同用户对商户的评论信息；基于所述多个不同用户对商户的评论信息，构建用户与商户之间的二部图，其中，所述二部图中的节点基于用户和商户确定，所述二部图中的边线基于用户对商户的评论信息确定；基于所述多个不同用户的信息、相应商户的信息和所述用户与商户之间的二部图进行图嵌入Graph Embedding处理，得到所述多个不同用户的嵌入Embedding特征；基于所述多个不同用户的Embedding特征，对所述多个不同用户进行聚类，得到分簇的用户社群；针对每个所述分簇的用户社群，基于所述分簇的用户社群中用户对商户的评论信息，确定所述分簇的用户社群是否为恶意评论社群。
-
公开(公告)号：CN112149179B
公开(公告)日：2022-09-02
申请号：CN202010986615.1
申请日：2020-09-18
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F21/62 , G06F40/289 , G06F40/30
Abstract: 本说明书一个或多个实施例公开了一种基于隐私保护的风险识别方法及装置，以解决现有的利用终端边缘计算能力进行风险防控效果不佳、且局限性较大的问题。所述方法包括：获取目标小程序的运行过程中所产生的第一文本数据。利用预先部署于所述客户端的语义表征模型，对所述第一文本数据进行语义识别，得到所述第一文本数据对应的语义表征向量。其中，所述语义表征模型基于预设语料库训练、并利用预设知识蒸馏方法处理后得到。所述预设语料库包括具有风险内容的第一类样本语料和不具有风险内容的第二类样本语料。根据所述语义表征向量对所述第一文本数据进行风险识别，得到所述第一文本数据对应的风险识别结果。
-
Patent Agency Ranking
公开(公告)号：CN112182419A
公开(公告)日：2021-01-05
申请号：CN202010953821.2
申请日：2020-09-11
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/9536 , G06F21/62 , G06K9/62 , G06Q50/00
Abstract: 本说明书一个或多个实施例公开了一种基于隐私保护的社群聚类方法及装置，以解决现有的社群聚类效率低、且无法充分保护用户隐私的问题。所述方法包括：采集多个待聚类的目标社群的社群信息。根据所述社群信息，统计各所述目标社群在多个指定单位时段内的用户发言信息，得到各所述目标社群分别对应的、包含多个所述用户发言信息的用户发言信息集。对各所述目标社群分别对应的所述用户发言信息集中的所述用户发言信息进行脱敏处理，得到各所述目标社群分别对应的脱敏信息集。向网络侧发送各所述目标社群分别对应的所述脱敏信息集。所述网络侧用于根据所述脱敏信息集，确定各所述目标社群之间的距离，以及根据所述距离对各所述目标社群进行聚类。
-
公开(公告)号：CN111782813A
公开(公告)日：2020-10-16
申请号：CN202010647688.8
申请日：2020-07-07
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例公开了一种用户社群的评价方法、装置及设备，该方法包括获取多个不同用户对商户的评论信息；基于所述多个不同用户对商户的评论信息，构建用户与商户之间的二部图，其中，所述二部图中的节点基于用户和商户确定，所述二部图中的边线基于用户对商户的评论信息确定；基于所述多个不同用户的信息、相应商户的信息和所述用户与商户之间的二部图进行图嵌入Graph Embedding处理，得到所述多个不同用户的嵌入Embedding特征；基于所述多个不同用户的Embedding特征，对所述多个不同用户进行聚类，得到分簇的用户社群；针对每个所述分簇的用户社群，基于所述分簇的用户社群中用户对商户的评论信息，确定所述分簇的用户社群是否为恶意评论社群。
-
公开(公告)号：CN112364367B
公开(公告)日：2025-01-28
申请号：CN202011359630.X
申请日：2020-11-27
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例公开了一种基于隐私保护的对象处理方法、装置及设备，该方法包括：获取用户访问的对象的对象标识和对象的内容风险信息，对对象标识进行差分隐私处理，得到处理后的对象标识，内容风险信息包括对象是否存在风险的信息和对象的访问量；将处理后的对象标识和对象的内容风险信息发送给服务器，以使服务器对处理后的对象标识进行还原处理，得到对象标识，基于对象标识和内容风险信息，确定对象中存在风险的目标对象；接收服务器发送的目标对象的对象标识，并基于目标对象的对象标识获取用户访问目标对象所产生的目标数据；对目标对象的对象标识进行差分隐私处理，并将处理后的目标对象的对象标识和目标数据发送给服务器。
-
公开(公告)号：CN116188023A
公开(公告)日：2023-05-30
申请号：CN202310202513.X
申请日：2023-02-23
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q20/40 , G06F18/25 , G06N3/08 , G06N3/0464
Abstract: 在本说明书提供的风险识别模型训练的方法中，获取多模态数据的训练样本，确定所述训练样本的标注，通过风险识别模型的编码子网，将所述训练样本中各模态的数据分别转化为矩阵，得到各第一特征矩阵，根据各第一特征矩阵确定多通道的第二特征矩阵，将所述第二特征矩阵输入到该模型的三维卷积子网中进行特征融合，根据融合后得到特征融合矩阵，确定预测结果，并根据所述预测结果和所述训练样本的标注对该模型进行训练。上述方法可以看出，将不同模态的数据转化为矩阵后再进行融合，方便了多种模态数据的特征融合，融合后得到的特征融合矩阵并不单纯依赖其中任何一种模态的数据，而是一次性充分融合了各模态的数据，提高了数据融合的效果和效率。
-
公开(公告)号：CN115600155B
公开(公告)日：2023-05-12
申请号：CN202211399727.2
申请日：2022-11-09
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/25 , G06F16/28 , G06F16/906 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06Q20/40
Abstract: 本说明书实施例公开了一种数据处理方法、装置及设备，该方法包括：获取目标用户执行目标业务时产生的目标数据，目标数据中包括结构化数据和/或非结构化数据，非结构化数据中包括文本数据、图像数据和时序数据中的一种或多种；将目标数据转换为标记序列，并根据目标数据中包含的数据内容和标记序列的对应关系，为标记序列中的每个标记信息设置相应的位置，根据目标数据中包含的数据类型的不同，为标记序列设置相应的数据分块信息；将标记序列、设置的相应位置和设置的相应数据分块信息输入到预设的编码模型中，得到标记序列中的每个标记信息对应的编码信息；基于标记序列中的每个标记信息对应的编码信息进行相应的业务处理。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.024 seconds)
