-
公开(公告)号：CN118502714A
公开(公告)日：2024-08-16
申请号：CN202410405260.0
申请日：2024-04-03
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安全根号逆方法和装置。方法包括：第一方本地执行第一四元组中第一指数的分片对2取模，得到标识结果的分片；利用标识结果的分片，与第二方联合执行第一选择处理，从而根据标识结果，从中间指数的分片以及该分片加1中，选择一个作为结果四元组中目标指数的分片；中间指数是第一指数的相反数右移一位；利用标识结果的分片，与第二方联合执行第二选择处理，从而根据标识结果，从第一四元组中第一尾数的扩张分片以及该分片乘以2中，选择一个作为中间尾数的分片；利用中间尾数的分片，与第二方联合执行包含联合查表的安全两方计算，得到结果四元组中目标尾数的分片。能够在保证高精度的同时降低通信量。
-
-
公开(公告)号：CN118261209A
公开(公告)日：2024-06-28
申请号：CN202410437771.0
申请日：2024-04-11
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N3/0464 , G06N3/048 , G06N3/098
Abstract: 本说明书实施例涉及一种神经网络结构搜索方法及装置，方法包括：首先，构造搜索空间，其中包括若干神经网络结构，任一神经网络结构对应于多个处理特征图的算子的组合，所述算子包括，包含若干种候选激活函数的卷积算子。其次，对搜索策略进行多轮更新，得到目标搜索策略，用于在所述搜索空间中采样出适用于差分隐私联邦学习的目标神经网络结构，其中，任意一轮更新包括：使用当前搜索策略，从所述搜索空间中采样得到候选神经网络结构；将所述候选神经网络结构发送给基于差分隐私的联邦学习系统，使其训练并评估所述候选神经网络结构，并返回评估结果；基于接收到的所述评估结果，对所述搜索策略进行更新。
-
公开(公告)号：CN117910540A
公开(公告)日：2024-04-19
申请号：CN202311550868.4
申请日：2023-11-17
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N3/09 , G06N3/0464 , G06F18/214 , G06F18/24
Abstract: 本说明书实施例提供一种保护数据隐私的多方联合训练方法，其中多方各自持有共有样本的不同特征部分，多方之一还持有样本标签。该方法包括：多方各自基于本地样本，采用对比学习确定本地两个嵌入模型各自的第一训练损失；本地样本包括私有样本和共有样本；多方各自计算两个嵌入模型针对各个本地样本的稳定性指标，将其中稳定性更高的嵌入模型针对该本地样本输出的嵌入向量作为标签，确定另一嵌入模型针对该本地样本的第二训练损失；标签方基于两个嵌入模型中的指定模型针对各个共有样本输出的第一嵌入向量，以及其他方各自提供的第一嵌入向量、本地部署的融合模型和样本标签，确定第三训练损失；上述各训练损失用于训练多方各自部署在本地的模型。
-
公开(公告)号：CN117557853A
公开(公告)日：2024-02-13
申请号：CN202311560322.7
申请日：2023-11-20
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/047 , G06N3/09
Abstract: 本说明书实施例提供一种图像识别模型的隐私泄露风险测评方法及装置，在线上图像识别模型不存在分类器及样本标签的情况下，通过图像识别模型的模型参数，挖掘样本图像的残留信息，从而在将当前图像的输入特征与图像识别模型的网络层参数进行比较的情况下，得到参考数据输入判别模型，来判断所使用的图像是否属于图像识别模型的样本成员，并据此确定图像识别模型的隐私泄露风险。如此，可以提高对图像识别模型隐私泄露风险测评的有效性。
-
Patent Agency Ranking
公开(公告)号：CN117521772A
公开(公告)日：2024-02-06
申请号：CN202311548821.4
申请日：2023-11-20
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N3/09 , G06N3/0464 , G06F18/214 , G06F18/24
Abstract: 本说明书实施例提供一种保护数据隐私的多方联合训练方法及装置，其中多方各自持有共有样本的不同特征部分，该方法应用于多方中还持有样本标签的标签方，包括：利用本地第一嵌入模型处理共有样本，得到第一嵌入向量；利用本地第一预测模型处理第一嵌入向量和其他各方针对共有样本提供的嵌入向量之间的融合向量，得到第一预测结果，并结合样本标签确定第一训练损失；利用本地第二嵌入模型和第二预测模型处理共有样本，得到第二预测结果，并结合样本标签确定第二训练损失；将两个训练损失中的较小值所对应嵌入模型输出的嵌入向量作为标签，确定另一嵌入模型针对该共有样本的第三训练损失；其中确定的各项训练损失用于训练多方各自部署在本地的模型。
-
公开(公告)号：CN116318812A
公开(公告)日：2023-06-23
申请号：CN202211704903.9
申请日：2022-12-29
Applicant: 支付宝(杭州)信息技术有限公司
IPC: H04L9/40
Abstract: 本说明书实施例提供一种安全多方计算中的校验方法和装置，所述安全多方计算由第一方和第二方共同执行，所述方法由所述第一方执行，包括：获取自身在执行所述安全多方计算过程中得到的第一中间数据，所述第一中间数据为待发送给所述第二方的数据；判断所述第一中间数据是否符合均匀分布；若判断出所述第一中间数据不符合均匀分布，则确定所述第一中间数据的校验结果为不安全。能够提升校验效率和准确率。
-
公开(公告)号：CN115795446A
公开(公告)日：2023-03-14
申请号：CN202211733513.4
申请日：2022-12-30
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在可信计算平台中处理数据的方法和管理装置，其中可信计算平台提供可信执行环境TEE，方法通过在TEE中运行的管理服务应用执行。该方法包括：从第一用户接收对目标作业的执行请求，该作业至少包括第一处理任务，其至少涉及第一TEE应用和对应于第一用户的第一数据，所述第一数据预先利用第一用户数据密钥加密存储。接着，管理服务确定第一处理任务的第一元信息，其中包括上述第一用户数据密钥。于是，可以将该第一元信息加密提供给第一TEE应用，使其根据第一用户数据密钥解密得到第一数据，执行第一处理逻辑，并将生成的第一中间数据利用TEE密钥加密存储，其中TEE密钥由所述管理服务应用生成，并通知给第一TEE应用。
-
公开(公告)号：CN115409198A
公开(公告)日：2022-11-29
申请号：CN202211066469.6
申请日：2019-12-11
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书中的实施例提供了分布式预测方法及其系统。两个以上用户节点保存有各自的用户模型，各用户模型对应预测模型的一部分。一个或多个用户节点至少基于用户模型和本地特征数据获得本地预测结果，预测节点基于一个或多个用户节点的本地预测结果得到针对待预测对象的标识信息的预测结果。如此，可以有效保护各方的数据隐私。
-
公开(公告)号：CN115186876A
公开(公告)日：2022-10-14
申请号：CN202210711306.2
申请日：2022-06-22
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数据隐私的两方联合训练业务预测模型的方法及装置。该方法包括：两方各自利用本地部署的表征层处理本方的训练样本的特征部分，得到对应的表征；第二方对两方表征进行融合处理，并利用随机生成的可逆函数处理融合表征，得到混淆表征，以使第一方利用预测层处理此混淆表征，得到混淆预测结果；第二方利用可逆函数的反函数处理混淆预测结果，得到真实预测结果，以使第一方利用此真实预测结果和样本标签计算预测层的梯度和传播至表征层的目标梯度；第二方根据上述反函数以及上述融合处理的对应方式，处理目标梯度，从而确定传播至第一表征层的第一梯度和第二表征层的第二梯度，进而各方根据梯度完成本地模型参数的更新。
-
-
-
-
-
-
-
-
-
Search Results
189
records
(took 0.073 seconds)
