公开(公告)号：CN111079153A

公开(公告)日：2020-04-28

申请号：CN201911299874.0

申请日：2019-12-17

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 赵原 ,  殷山

IPC: G06F21/57

Abstract: 本说明书实施例公开一种安全建模方法、装置、存储介质即电子设备，该电子设备可以是基于SGX(Software Guard Extensions，软件保护扩展)的服务端设备，所电子备上包括不可信内存以及基于可信执行环境的安全内存，不可信内存中保存有用于训练目标模型的训练样本密文。以流式解密方式，从不可信内存中逐个读取并解密训练样本密文至安全内存，在安全内存中完成对模型参数的迭代，得到模型参数经迭代后的模型参数值，其中，解密出的当前训练样本明文覆盖上一训练样本明文对安全内存的占用空间。经过M轮次以上的迭代后若满足预设收敛条件，得到经训练的目标模型。

公开(公告)号：CN111027018A

公开(公告)日：2020-04-17

申请号：CN201911324820.5

申请日：2019-12-20

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 赵原 ,  殷山

IPC: G06F17/16 ,  G06F17/18 ,  G06F17/15 ,  G06F7/544 ,  G06F7/57 ,  G06N20/00

Abstract: 本说明书实施例提供了一种加速计算设备建模的方法、装置、计算设备及介质，通过在目标模型训练过程中，对模型参数以及每个训练样本各自的特征数据进行向量划分，实现对模型参数以及特征数据的向量化，然后，针对每轮迭代训练过程中的训练样本，调用预设的向量浮点乘加指令，对向量划分得到的参数向量序列以及特征向量序列进行乘加处理，得到训练样本的目标值；进而，得到经训练的目标模型。例如，在个性化推荐场景下，上述特征数据可以是用户的个人信息，如用户画像信息等。

公开(公告)号：CN111026359A

公开(公告)日：2020-04-17

申请号：CN201911301908.5

申请日：2019-12-17

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 张祺智 ,  李漓春 ,  殷山

IPC: G06F7/02 ,  G06F7/72 ,  G06N3/02

Abstract: 本说明书实施例提供一种多方联合判定隐私数据的数值范围的方法和装置，方法基于多方安全计算，包括：第一方获取第一和数据的最高位，将该最高位作为第一子结果；获取除最高位的剩余位作为第一比较数据；通过安全比较协议对第一比较数据与第二比较数据进行安全比较，得到第一比较结果；该安全比较还对应生成存储于第二方的第二比较结果；第二比较数据为第二方根据第二和数据进行运算后得到的；对第一子结果和第一比较结果求和，得到第一判定结果；将第一判定结果提供给业务处理模型，使其基于隐私数据的范围判定结果进行业务处理，范围判定结果基于第一判定结果与第二方基于第二比较结果得到的第二判定结果而得到。减少交互次数，提高效率。

公开(公告)号：CN111008406A

公开(公告)日：2020-04-14

申请号：CN201911328101.0

申请日：2019-12-20

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 张祺智 ,  李漓春 ,  殷山

IPC: G06F21/71 ,  G06F21/62

Abstract: 本说明书实施例提供了基于隐私数据的一致性检测进行业务处理的方法和装置，可以在多方安全计算的业务处理过程中，涉及到两个以上数据方的隐私数据比较时，通过将N比特数据的比较，转化为不经意传输的和共享比较结果与log2(N+Q)位和值满足的等式条件的检测，其中，Q是大于0的数。如此，可以大大减少数据方间的通信次数，提高安全计算的有效性。

公开(公告)号：CN110990829A

公开(公告)日：2020-04-10

申请号：CN201911151159.2

申请日：2019-11-21

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 赵原 ,  殷山

IPC: G06F21/53 ,  G06N5/00 ,  G06N20/00

Abstract: 本说明书实施例提供一种在可信执行环境中训练GBDT模型的方法、装置及设备，在训练方法中，将D维特征依次作为当前特征，对当前节点进行节点分割判断，该判断包括：将当前特征的N个特征值依次作为当前特征值，基于第一数组，判断对应的当前样本是否落入当前节点中。若是，则对样本集进行假定分割。基于假定分割结果，确定当前最佳分裂特征和当前最佳特征阈值。在基于每项特征进行节点分割判断之后，将当前最佳分裂特征和当前最佳特征阈值作为其分裂特征和特征阈值，对样本集进行分割，生成对应的子节点。基于子节点的节点编号，对第一数组进行更新，并对下一节点进行节点分割判断，直至到达叶子节点。由此，可实现基于私有数据对GBDT模型的安全训练。

公开(公告)号：CN110990650A

公开(公告)日：2020-04-10

申请号：CN201911232034.2

申请日：2019-12-04

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 张祺智 ,  李漓春 ,  殷山

IPC: G06F16/903 ,  G06F21/62

Abstract: 本说明书实施例公开了一种判断多个数据终端持有隐私数据中极大值的方法及系统。所述方法基于安全多方计算，可处理隐私数据，包括：多个数据终端分别使用第一预设规则，生成用于表示自己持有隐私数据大小的第一字符串组，第一字符串组包括H个字符串，且第一字符串组由第一类字符串、第二类字符串和第三类字符串组成；其中，第二类字符串为值固定的数据串，H个字符串的长度相同；对第一字符串组加密，获取第二字符串组，并将第二字符串组发送给查询终端；所述查询终端对多个第二字符串组做加和取模计算，获取第三字符串组；基于第三字符串组中非零数据串的位置，确定多个数据终端持有隐私数据中的极大值；基于极大值进行业务处理。