-
公开(公告)号：CN114091651A
公开(公告)日：2022-02-25
申请号：CN202111297665.X
申请日：2021-11-03
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供一种保护隐私数据的多方联合训练图神经网络的方法、装置及系统，方法包括：第一方利用图神经网络的第一参数部分，处理样本对象的第一特征部分，得到第一处理结果；利用控制器的目标公钥，对第一处理结果进行同态加密，得到第一加密结果；从第二方接收第二加密结果；基于第一加密结果和第二加密结果，及预设的损失函数，通过同态运算得到第一梯度密文；在第一梯度密文上添加对第一噪声加密的第一噪声密文，得到第一加密加噪数据；将其发送至控制器；从控制器接收对第一加密加噪数据解密后的第一加躁数据，从其中去除第一噪声，得到第一梯度明文；根据第一梯度明文，更新第一参数部分。
-
公开(公告)号：CN113961965A
公开(公告)日：2022-01-21
申请号：CN202111266339.2
申请日：2021-10-28
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供了一种基于隐私保护防止模型被窃取的方法和装置。该方法的一具体实施方式包括：响应于确定第一用户为异常用户，将第一用户通过终端发送的至少一个预测请求确定为目标预测请求；针对各目标预测请求，将其中包含的待预测数据输入预设的模型，得到上述待预测数据的原始分类结果，其中，上述原始分类结果包括上述待预测数据属于各类别的概率值，其中最大概率值对应于第一类别，最小概率值对应于第二类别；调整上述原始分类结果中的概率值，使得调整后，第二类别的概率值增大至满足预设条件，且第一类别的概率值仍为最大；将调整后的分类结果发送给上述终端。
-
公开(公告)号：CN113792889B
公开(公告)日：2023-10-31
申请号：CN202111094859.X
申请日：2021-09-17
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N20/00 , G06F18/214 , G06F18/24 , G06N3/096 , G06N3/084
Abstract: 本说明书实施例公开了一种模型的更新方法、装置及设备，所述方法包括：根据目标模型中待修改的模型功能的信息，获取与所述待修改的模型功能的信息相匹配的第一训练集，并基于所述待修改的模型功能的信息，从对所述目标模型进行模型训练所使用的模型训练集中获取第二训练集；基于所述第一训练集和所述第二训练集，确定所述目标模型对应的第一模型损失，以及基于所述第二训练集，确定所述目标模型对应的第二模型损失；基于所述第一模型损失和所述第二模型损失，通过反向传播算法对所述目标模型进行更新训练，以对所述目标模型中待修改的模型功能进行修改，得到更新后的所述目标模型。
-
公开(公告)号：CN113157938A
公开(公告)日：2021-07-23
申请号：CN202110320889.1
申请日：2021-03-25
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供一种保护隐私数据的多个知识图谱联合处理的方法、装置和系统，方法包括：多个服务提供方中的任一服务提供方针对本方具有的知识图谱，从所述各实体中选择任意一个实体作为目标实体，通过邻域采样的方式，采样所述目标实体的K度邻居，得到所述目标实体对应的目标子图；将所述目标子图发送到所述目标实体对应的终端设备，以使所述终端设备对从所述多个服务提供方分别接收的多个目标子图进行融合，得到所述多个知识图谱链接后的所述目标实体对应的完整子图。能够提供更强的分析能力，并且保护隐私数据。
-
公开(公告)号：CN112948885A
公开(公告)日：2021-06-11
申请号：CN202110320900.4
申请日：2021-03-25
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供一种实现隐私保护的多方协同更新模型的方法、装置及系统，服务器可以向每个参与方i下发第t轮公共样本的聚合结果。每个参与方i根据第t轮公共样本和聚合结果，对本地的第i模型进行第一更新。每个参与方i基于本地样本集中固定的第一私有样本及其样本标签，对第一更新后的第i模型进行第二更新。每个参与方i将用于下一轮迭代的第t+1轮公共样本，输入第二更新后的第i模型，并将输出的第二预测结果发送给服务器，以供服务器聚合对应于n个参与方的n份第二预测结果，并在下一轮迭代开始之后使用。在多轮迭代结束之后，每个参与方i可以将其第二更新后的第i模型，作为其与其它参与方协同更新的模型。
-
Patent Agency Ranking
公开(公告)号：CN114091651B
公开(公告)日：2024-05-24
申请号：CN202111297665.X
申请日：2021-11-03
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供一种保护隐私数据的多方联合训练图神经网络的方法、装置及系统，方法包括：第一方利用图神经网络的第一参数部分，处理样本对象的第一特征部分，得到第一处理结果；利用控制器的目标公钥，对第一处理结果进行同态加密，得到第一加密结果；从第二方接收第二加密结果；基于第一加密结果和第二加密结果，及预设的损失函数，通过同态运算得到第一梯度密文；在第一梯度密文上添加对第一噪声加密的第一噪声密文，得到第一加密加噪数据；将其发送至控制器；从控制器接收对第一加密加噪数据解密后的第一加躁数据，从其中去除第一噪声，得到第一梯度明文；根据第一梯度明文，更新第一参数部分。
-
公开(公告)号：CN112948885B
公开(公告)日：2023-10-27
申请号：CN202110320900.4
申请日：2021-03-25
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供一种实现隐私保护的多方协同更新模型的方法、装置及系统，服务器可以向每个参与方i下发第t轮公共样本的聚合结果。每个参与方i根据第t轮公共样本和聚合结果，对本地的第i模型进行第一更新。每个参与方i基于本地样本集中固定的第一私有样本及其样本标签，对第一更新后的第i模型进行第二更新。每个参与方i将用于下一轮迭代的第t+1轮公共样本，输入第二更新后的第i模型，并将输出的第二预测结果发送给服务器，以供服务器聚合对应于n个参与方的n份第二预测结果，并在下一轮迭代开始之后使用。在多轮迭代结束之后，每个参与方i可以将其第二更新后的第i模型，作为其与其它参与方协同更新的模型。
-
公开(公告)号：CN113297396B
公开(公告)日：2022-05-20
申请号：CN202110824981.1
申请日：2021-07-21
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供了一种基于联邦学习的模型参数更新方法、装置及设备，其中，该方法包括：接收联邦学习服务端下发的针对目标图神经网络模型的模型参数更新指令，所述模型参数更新指令携带有第一共享参数，所述目标图神经网络模型为多个所述联邦学习客户端的共有模型；基于所述第一共享参数、本地存储的第一独立参数，以及由本地用户私有数据构建的图谱数据，对所述目标图神经网络模型进行训练，得到训练后的所述目标图神经网络模型的模型参数；将所述第二共享参数发送给所述联邦学习服务端，以使所述联邦学习服务端基于多个联邦学习客户端发送的第二共享参数，对所述目标图神经网络模型的第一共享参数进行更新处理。
-
公开(公告)号：CN113157938B
公开(公告)日：2022-05-17
申请号：CN202110320889.1
申请日：2021-03-25
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供一种保护隐私数据的多个知识图谱联合处理的方法、装置和系统，方法包括：多个服务提供方中的任一服务提供方针对本方具有的知识图谱，从所述各实体中选择任意一个实体作为目标实体，通过邻域采样的方式，采样所述目标实体的K度邻居，得到所述目标实体对应的目标子图；将所述目标子图发送到所述目标实体对应的终端设备，以使所述终端设备对从所述多个服务提供方分别接收的多个目标子图进行融合，得到所述多个知识图谱链接后的所述目标实体对应的完整子图。能够提供更强的分析能力，并且保护隐私数据。
-
公开(公告)号：CN113221183A
公开(公告)日：2021-08-06
申请号：CN202110657041.8
申请日：2021-06-11
Applicant: 支付宝(杭州)信息技术有限公司
Inventor： 吕灵娟
Abstract: 本说明书实施例提供一种实现隐私保护的多方协同更新模型的方法及装置，在协同更新模型的方法中，每个参与方i根据本地样本集以及当前模型参数，确定对应的局部梯度向量，并利用满足差分隐私的随机化算法，对局部梯度向量中的各元素进行随机二值化处理，得到扰动梯度向量。每个参与方i将各自确定的扰动梯度向量发送给服务器。服务器聚合n份扰动梯度向量，并根据当前聚合结果中各元素的正负号，对各元素进行二值化表示，得到目标梯度向量。每个参与方i从服务器接收目标梯度向量，并根据目标梯度向量更新当前模型参数，以用于下一轮迭代。在多轮迭代后，每个参与方i将其得到的当前模型参数，作为其与其它参与方协同更新的业务预测模型。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.042 seconds)
