-
公开(公告)号：CN116432039A
公开(公告)日：2023-07-14
申请号：CN202310702653.3
申请日：2023-06-13
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/214 , G06F18/213
Abstract: 本说明书实施例披露一种协同训练方法及装置，以及一种业务预测方法及装置。协同训练方法由第一方执行，包括：先利用第一方部署的第一预测模型中的第一嵌入层处理训练样本的第一特征部分，得到第一嵌入表征，并从第二方接收第二嵌入表征，其由第二方利用第二预测模型中的第二嵌入层处理训练样本的第二特征部分而得到；再利用第一预测模型中的第一预测层处理第一嵌入表征和第二嵌入表征的第一融合表征，得到第一预测结果，并从第二方接收第二预测结果，其由第二方利用第二预测模型对训练样本进行预测而得到；之后基于第一预测结果、第二预测结果和训练样本的真实标签，训练第一预测模型。上述业务预测方法由第一方基于训练好的第一预测模型而执行。
-
公开(公告)号：CN111340241A
公开(公告)日：2020-06-26
申请号：CN202010409779.8
申请日：2020-05-15
Applicant: 支付宝(杭州)信息技术有限公司
Inventor： 林建滨
IPC: G06N20/00
Abstract: 本说明书实施例公开了一种数据处理方法，该方法包括：获取待处理数据，所述待处理数据可以以以下中的一种形式表示：向量、数组或矩阵。可以对所述待处理数据中的元素进行调整，确定所述元素的调整值。可以基于所述调整值更新所述待处理数据。将更新完毕后的待处理数据输入至机器学习模型，获取处理结果。该方法通过对待处理数据中的元素进行调整，可以破坏样本中所包含的后门的后门值，进而实现对后门攻击的有效防御。
-
公开(公告)号：CN112418444B
公开(公告)日：2022-03-29
申请号：CN202011480599.5
申请日：2020-05-27
Applicant: 支付宝(杭州)信息技术有限公司
Inventor： 林建滨
IPC: G06N20/00
Abstract: 本说明书的实施例提供一种联盟学习方法。联盟包括至少两个第一成员节点以及第二成员节点，每个第一成员节点具有本地数据，第二成员节点维护全局模型。在该方法中，各个第一成员节点从第二成员节点获取当前全局模型；使用本地数据训练当前全局模型，并且按照模型分解策略来将训练好的当前全局模型分解为多个分解模型并发送给第二成员节点，所述多个分解模型的模型参数的数据总量小于当前全局模型的模型参数的数据量。第二成员节点使用各个第一成员节点的分解模型的模型参数数据来按照与模型分解策略对应的模型重构策略进行模型重构，并且使用重构后的各个第一成员节点处的当前全局模型来进行模型整合，得到当前目标全局模型。
-
公开(公告)号：CN111353554B
公开(公告)日：2020-08-25
申请号：CN202010384204.5
申请日：2020-05-09
Applicant: 支付宝(杭州)信息技术有限公司
Inventor： 林建滨
Abstract: 本说明书实施例提供一种预测缺失的用户业务属性的方法，用于基于多个业务方在保护数据隐私的前提下共同训练的业务模型，由多个业务方中的第一方预测针对第一用户的业务数据中缺失的第一业务属性。该方法的一个实施方式包括：针对与第一用户对应的第一业务数据，基于业务模型提取其对应的各个参考特征，单个参考特征根据业务模型针对第一业务数据的业务处理结果对相应业务特征的梯度确定；将各个参考特征输入预先训练的预测模型，得到输出结果，其中，预测模型通过第一方中具有第一业务属性的多条业务数据构造的各个训练样本进行训练；根据输出结果确定第一用户的第一业务属性。该实施方式可以有效预测当前业务方部分缺失的业务属性。
-
公开(公告)号：CN111401475A
公开(公告)日：2020-07-10
申请号：CN202010296739.7
申请日：2020-04-15
Applicant: 支付宝(杭州)信息技术有限公司
Inventor： 林建滨
Abstract: 本说明书实施例公开了一种生成攻击样本的方法及系统，包括：获取第一样本集，将第一样本集作为目标模型的测试数据；使用第一样本集，获取重要特征；从第一样本集中选取至少一条样本作为原始样本，并基于原始样本和重要特征，构造第二样本集；其中，第二样本集包括正第二样本和负第二样本；将第二样本集输入目标模型，基于目标模型输出的结果，确定扰动特征；其中，扰动特征包括正扰动特征和负扰动特征，扰动特征由重要特征中的至少一个组成；使用扰动特征构造攻击样本；攻击样本用于攻击目标模型，从而根据攻击结果确定目标模型的鲁棒性，判断目标模型是否可以抵御数据中毒，保护个人数据。
-
Patent Agency Ranking
公开(公告)号：CN111353554A
公开(公告)日：2020-06-30
申请号：CN202010384204.5
申请日：2020-05-09
Applicant: 支付宝(杭州)信息技术有限公司
Inventor： 林建滨
Abstract: 本说明书实施例提供一种预测缺失的用户业务属性的方法，用于基于多个业务方在保护数据隐私的前提下共同训练的业务模型，由多个业务方中的第一方预测针对第一用户的业务数据中缺失的第一业务属性。该方法的一个实施方式包括：针对与第一用户对应的第一业务数据，基于业务模型提取其对应的各个参考特征，单个参考特征根据业务模型针对第一业务数据的业务处理结果对相应业务特征的梯度确定；将各个参考特征输入预先训练的预测模型，得到输出结果，其中，预测模型通过第一方中具有第一业务属性的多条业务数据构造的各个训练样本进行训练；根据输出结果确定第一用户的第一业务属性。该实施方式可以有效预测当前业务方部分缺失的业务属性。
-
公开(公告)号：CN117851355A
公开(公告)日：2024-04-09
申请号：CN202410039258.6
申请日：2024-01-10
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/172 , G06F16/182
Abstract: 本说明书一个或多个实施例提供一种用于边节点的数据缓存方法、装置、设备及介质。本说明书通过获取第一边节点在第一时间段内下发过、且下发次数大于第一次数阈值的第一数据，并获取位于第一边节点对应的预设地理区域内的第二边节点在第一时间段内下发过、且下发次数大于第一次数阈值的第二数据，从而确定第一数据、第二数据以及第一边节点已缓存的第三数据的预测命中概率，以便基于第一数据、第二数据以及第三数据中预测命中概率满足设定条件的目标数据，对第一边节点的缓存进行更新，以保证第一边节点的缓存中存储的为预测命中概率较高的数据，提高缓存命中率。
-
公开(公告)号：CN116432039B
公开(公告)日：2023-09-05
申请号：CN202310702653.3
申请日：2023-06-13
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/214 , G06F18/213
Abstract: 本说明书实施例披露一种协同训练方法及装置，以及一种业务预测方法及装置。协同训练方法由第一方执行，包括：先利用第一方部署的第一预测模型中的第一嵌入层处理训练样本的第一特征部分，得到第一嵌入表征，并从第二方接收第二嵌入表征，其由第二方利用第二预测模型中的第二嵌入层处理训练样本的第二特征部分而得到；再利用第一预测模型中的第一预测层处理第一嵌入表征和第二嵌入表征的第一融合表征，得到第一预测结果，并从第二方接收第二预测结果，其由第二方利用第二预测模型对训练样本进行预测而得到；之后基于第一预测结果、第二预测结果和训练样本的真实标签，训练第一预测模型。上述业务预测方法由第一方基于训练好的第一预测模型而执行。
-
公开(公告)号：CN116644802A
公开(公告)日：2023-08-25
申请号：CN202310889891.X
申请日：2023-07-19
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模型训练方法及装置，涉及计算机技术领域。该方法包括：采集样本数据；将所述样本数据输入第一初始模型，得到所述样本数据对应的损失函数，所述第一初始模型为部署于所述端节点上的待训练模型；根据所述损失函数，计算所述样本数据对应的梯度；将所述梯度上传至边缘节点，以使所述边缘节点根据所述梯度更新第二初始模型中的参数，得到最终模型，所述第二初始模型为部署于所述边缘节点上的所述待训练模型。本说明书提供的方案能够在模型的训练过程能够充分利用各个节点上的计算算力和网络带宽，同时保证模型的地域性和时效性。
-
公开(公告)号：CN111368984B
公开(公告)日：2021-01-05
申请号：CN202010463531.X
申请日：2020-05-27
Applicant: 支付宝(杭州)信息技术有限公司
Inventor： 林建滨
Abstract: 本说明书的实施例提供一种联盟学习方法。联盟包括至少两个第一成员节点以及第二成员节点，每个第一成员节点具有本地数据，第二成员节点维护全局模型。在该方法中，各个第一成员节点从第二成员节点获取当前全局模型；使用本地数据训练当前全局模型，并且按照模型分解策略来将训练好的当前全局模型分解为多个分解模型并发送给第二成员节点，所述多个分解模型的模型参数的数据总量小于当前全局模型的模型参数的数据量。第二成员节点使用各个第一成员节点的分解模型的模型参数数据来按照与模型分解策略对应的模型重构策略进行模型重构，并且使用重构后的各个第一成员节点处的当前全局模型来进行模型整合，得到当前目标全局模型。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.059 seconds)
