-
公开(公告)号：CN112330355B
公开(公告)日：2023-05-30
申请号：CN202011082535.X
申请日：2020-10-12
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q30/0207 , G06N20/00
-
公开(公告)号：CN115827918B
公开(公告)日：2023-05-05
申请号：CN202310111717.2
申请日：2023-02-13
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/90
Abstract: 本说明书公开了一种执行业务的方法、装置、存储介质及电子设备，响应于用户的业务请求，确定输入目标模型的业务数据以及该目标模型输出的业务结果，在该业务数据的数据维度对应的维度空间中，根据预设的距离，确定封闭空间，并确定在该封闭空间表面上的历史业务数据，作为相关数据，根据该业务数据及该相关数据，确定该相关数据的各数据维度的梯度通量，针对每个数据维度，根据各相关数据对应的该数据维度的梯度通量，确定该数据维度在该业务数据中的重要性。通过各数据维度以及各数据维度的重要性，对该目标模型输出的业务结果进行解释，获取用户的信任，提高业务执行成功率。
-
公开(公告)号：CN115567371A
公开(公告)日：2023-01-03
申请号：CN202211460171.3
申请日：2022-11-16
Applicant: 支付宝(杭州)信息技术有限公司
IPC: H04L41/0631 , H04L41/142
Abstract: 本说明书公开了一种异常检测方法、装置、设备及可读存储介质，基于每个第一检测模型输出的第一训练样本的第一异常概率，对第一训练样本排序，得到第一训练样本对应于该第一检测模型的次序，针对每个第一训练样本，将该第一训练样本对应于每个第一检测模型的次序进行融合，得到该第一训练样本的第二异常概率作为标签，并根据各第一训练样本及其标签，训练第二检测模型，以根据训练后的第二检测模型，确定待检测事件的异常概率。可见，采用对各第一训练样本对应于第一检测模型的次序进行融合，解决了不同检测模型预测的异常概率分布不同的问题，用融合得到第二异常概率训练第二检测模型，提高了线上异常检测的响应效率和隐私信息的安全性。
-
公开(公告)号：CN113191434A
公开(公告)日：2021-07-30
申请号：CN202110493567.7
申请日：2021-05-07
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训练风险识别模型的方法和装置。根据该实施例的方法，首先确定新增任务；然后确定所述新增任务与已训练得到的第一风险识别模型对应的已有任务之间的相似性；若所述相似性满足预设的条件，则依据所述新增任务在所述第一风险识别模型中修改结构，所述修改结构包括新增结构和/或删除结构；最后采用增量学习算法，利用所述新增任务对包含修改结构的第一风险识别模型进行模型参数的更新，得到第二风险识别模型。
-
公开(公告)号：CN111144899A
公开(公告)日：2020-05-12
申请号：CN201911227488.0
申请日：2019-12-04
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识别虚假交易的方法及装置和电子设备。所述方法包括：针对任一待识别的交易，根据若干风险维度下该交易的特征数据，获取每个风险维度对应的风险模型输出的识别结果；利用设定的潜在类别模型，计算所述若干识别结果对应的联合概率分布；根据所述联合概率分布，计算所述待识别的交易属于虚假交易的条件概率值；在所述条件概率值大于阈值时，确定所述待识别的交易为虚假交易。
-
Patent Agency Ranking
公开(公告)号：CN118260713A
公开(公告)日：2024-06-28
申请号：CN202410384289.5
申请日：2024-03-29
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多模态数据的融合方法、装置及设备，该方法包括：获取资源交易中风险防控业务的业务数据中包含的多种不同模态的模态数据，多种不同模态的模态数据中包含序列化模态的模态数据和非序列化模态的模态数据，将每种非序列化模态的模态数据分别输入到模态融合模型中的第一模态编码子模型中，得到对应的第一数据表征，获取序列化模态的模态数据对应的输入编码信息，并确定每个第一数据表征插入到输入编码信息中的位置对应的第二位置编码信息，基于每个第一数据表征和相应的第二位置编码信息，以及输入编码信息，生成输入序列编码信息，将输入序列编码信息输入到模态融合模型中的第二模态编码子模型中，得到对应的融合表征。
-
公开(公告)号：CN118194974A
公开(公告)日：2024-06-14
申请号：CN202410384323.9
申请日：2024-03-29
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书公开一种模型训练、业务风控方法、装置、存储介质及设备，在下游设备端，可以通过使每个下游设备将本地存储的图数据蒸馏到统一的基础图数据上，得到目标图数据，从而可以避免由于各个下游设备所使用的本地任务图数据之间的图异质性问题而导致联邦训练效果差的情况发生，以及，在中心服务器端，可以通过中心服务器根据每个下游设备返回的目标图数据与其他下游设备返回的目标图数据之间的相关性，将每个下游设备的模型参数与其他下游设备的模型参数进行聚合，以为每个下游设备确定一套个性化的目标模型参数，以使每个下游设备根据各自对应的目标模型参数对本地模型进行更新，进而可以提升联邦训练的训练效果。
-
公开(公告)号：CN118194928A
公开(公告)日：2024-06-14
申请号：CN202410384543.1
申请日：2024-03-29
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N3/0464 , G06N3/084 , G06N5/04
Abstract: 本说明书实施例公开了一种基于隐私推理的神经网络模型确定方法和装置，确定隐私推理模型所需进行的隐私推理任务类型，根据隐私推理任务类型，确定密态数据集和明文态数据集，以及包含各候选子结构的搜索空间，通过神经网络架构搜索，在搜索空间中搜索用于构成隐私推理模型的各候选子结构，并确定由搜索到的各候选子结构构成的初始神经网络模型。根据明文态数据集，确定初始神经网络模型的准确度损失，并，根据密态数据集，确定初始神经网络模型进行隐私推理任务类型对应的任务时对应的运算开销损失，根据准确度损失和运算开销损失，对初始神经网络模型进行优化，直至初始神经网络模型满足预设条件时，将初始神经网络确定为隐私推理模型。
-
公开(公告)号：CN118070922A
公开(公告)日：2024-05-24
申请号：CN202410276169.3
申请日：2024-03-11
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模型的处理方法、装置及设备，该方法包括：获取多个不同模态的模态数据，将多个不同模态的模态数据分别输入到表征模型中相应的模态编码器中，得到每种模态的模态数据对应的第一数据表征，基于不同模态的模态数据对应的第一数据表征，通过对比学习的方式和预设的第一损失函数，确定第一损失信息，通过表征模型将不同模态的模态数据对应的第一数据表征进行表征融合处理，并将融合后的数据表征输入表征模型中的表征增强子模型中，基于表征增强子模型的输出结果和多个不同模态的模态数据对应的标签信息，通过预设的第二损失函数，确定第二损失信息，基于第一损失信息和第二损失信息对表征模型进行预训练。
-
公开(公告)号：CN117436512A
公开(公告)日：2024-01-23
申请号：CN202311310665.8
申请日：2023-10-08
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书公开了一种模型训练的方法及装置，用于隐私保护，第一计算节点可以将本地第一图数据输入到本地预测模型中，以通过该预测模型中包含的若干图卷积层，得到中间层特征矩阵，并输入到之后的目标卷积层中，得到目标特征矩阵，向第二计算节点发送中间层特征矩阵，第二计算节点将中间层特征矩阵输入到本地预测模型中包含的与目标卷积层对应的卷积层中，得到聚合矩阵并返回给第一计算节点，而后通过第二计算节点返回的聚合矩阵对目标特征矩阵进行更新，得到更新后矩阵，进而确定基于更新后矩阵的预测结果，以对第一计算节点本地预测模型进行训练，从而实现不同计算节点拥有不同业务类型的图数据的情况下的联邦学习，提高了业务执行的准确率。
-
-
-
-
-
-
-
-
-
Search Results
57
records
(took 0.035 seconds)
