-
公开(公告)号：CN114301591A
公开(公告)日：2022-04-08
申请号：CN202111632774.2
申请日：2021-12-28
Applicant: 支付宝(杭州)信息技术有限公司
IPC: H04L9/08
Abstract: 本说明书实施例中提供了一种不经意传输协议的执行方法、装置及系统。由该系统执行的方法包括：接收方根据执行轮次i，获取随机选择以及来自第三方的选择标签，其中选择标签由第三方基于随机选择从按顺序排列的多个随机标签中选择，多个随机标签由部署在第三方的第一随机数生成器基于执行轮次i生成；接收方确定待获取的目标数据在按顺序排列的多条数据中的排列序号；接收方向发送方发送执行轮次i以及排列序号与随机选择间的差值；发送方根据执行轮次i，获取其部署的第一随机数生成器基于执行轮次i生成的多个随机标签；发送方基于差值和多个随机标签，接收方基于选择标签，对多条数据联合执行第i次不经意传输协议。
-
公开(公告)号：CN112990475A
公开(公告)日：2021-06-18
申请号：CN202110159936.9
申请日：2021-02-05
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基于多方安全计算的模型训练方法和系统。其中，所述方法包括应用于第一计算方，所述方法包括：基于模型参数矩阵的第一分片，与其他计算方协同运算，获得第一乘积矩阵的第一分片；基于第一乘积矩阵的第一分片，与其他计算方协同运算，获得激活矩阵的第一分片；基于激活矩阵的第一分片和标签矩阵，与其他计算方协同运算，获得当前轮的梯度矩阵的第一分片；基于前一轮的动量梯度矩阵的第一分片与当前轮的梯度矩阵的第一分片，确定当前轮的动量梯度矩阵的第一分片；基于模型参数矩阵的第一分片与当前轮的动量梯度矩阵的第一分片，确定更新后的模型参数矩阵的第一分片。
-
公开(公告)号：CN112511361B
公开(公告)日：2021-06-04
申请号：CN202110158418.5
申请日：2021-02-05
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训练方法、装置和计算设备。所述方法包括：第一方根据第一随机种子生成第一随机数集和第二随机数集，第一随机种子为第一方与随机数服务器协商的随机种子；随机数服务器根据第一随机种子生成第一随机数集和第二随机数集，根据第二随机种子生成第三随机数集，根据第一随机数集、第二随机数集和第三随机数集，生成第四随机数集；第二随机种子为第二方与随机数服务器协商的随机种子；随机数服务器向第二方发送第四随机数集；第二方根据第二随机种子生成第三随机数集；接收第四随机数集；以使第一方根据第一随机数集和第二随机数集，第二方根据第三随机数集和第四随机数集，联合训练模型。所述实施例可以减少传输数据量。
-
公开(公告)号：CN112597525B
公开(公告)日：2021-05-28
申请号：CN202110237534.6
申请日：2021-03-04
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书提供了基于隐私保护的数据处理方法、装置和服务器。第一服务器根据第二服务器发送的第一标签列，确定出特征数据所对应的数据标签的密文数据；再根据数据值排列特征数据，得到第一特征列；基于第一特征列，将特征数据划分为多个第一数据组，并统计出第一数据组的数据标签的密文和；第二服务器获取上述数据，并通过解密得到第一数据组的数据标签的明文和；再根据预设的卡方分组规则，对第一数据组进行进一步合并，得到合并后的第二数据组的数据标签的明文和，以及合并参数；第一服务器获取并根据上述数据计算出特征数据的信息值。从而可以在保护双方数据隐私的前提下，通过合作完成符合要求的数据分箱，并确定出特征数据的信息值。
-
公开(公告)号：CN112561085B
公开(公告)日：2021-05-18
申请号：CN202110192710.9
申请日：2021-02-20
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基于多方安全计算的多分类模型训练方法和系统，以保护模型训练过程中双方数据的隐私。对于任一参与方，基于其持有的数据与其他计算方协同运算，分别获得第一乘积矩阵的分片、激活矩阵的分片、梯度矩阵的分片以及更新后的模型参数矩阵的分片。
-
Patent Agency Ranking
公开(公告)号：CN112100678B
公开(公告)日：2021-02-05
申请号：CN202011276387.5
申请日：2020-11-16
Applicant: 支付宝(杭州)信息技术有限公司
Inventor： 周亚顺
IPC: G06F21/62 , G06F16/27 , G06F16/22 , G06F16/2458
Abstract: 本说明书提供了基于隐私保护的数据处理方法、装置和服务器。基于该方法，第一服务器可以根据与当前数据箱相关的分箱参数，在所持有的根据数据值排列的第一特征列上先确定出关于当前数据箱的第一参考分位点，并获取对应的第一参考值；同时，接收第二服务器基于相同方式所得到的第二参考值；并根据基于第一参考值和第二参考值得到的第一比较结果，确定出当前数据箱在第一特征列上的当前分位点；同时，第二服务器可以按照上述类似方式确定出当前数据箱在第二特征列上的当前分位点。从而使得第一服务器和第二服务器可以在不向对方泄露所持有的特征数据、保护数据隐私的前提下，安全地完成横向场景中的符合要求的特征数据的数据分箱。
-
公开(公告)号：CN111737755A
公开(公告)日：2020-10-02
申请号：CN202010759819.1
申请日：2020-07-31
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业务模型的联合训练方法及装置，在多方安全计算中，将非线性的复杂运算分配给第三方处理，大大降低多个业务方联合训练非线性模型的复杂度。同时，持有训练样本的特征数据或标签数据的各个业务方通过约定的随机数生成方式，生成预定数量的随机数，从而获取按顺序一一对应的训练样本的样本数据，保持数据的一致性，并且由于第三方不参与随机数的生成过程，从而各个其他业务方有效针对第三方保证了数据隐私。而各个其他业务方之间通过秘密共享方法进行交互，相互之间保证了数据隐私。总之，以上方法在隐私保护的基础上，大大降低多个业务方联合训练非线性模型的运算复杂度。
-
公开(公告)号：CN111125727A
公开(公告)日：2020-05-08
申请号：CN201911219782.7
申请日：2019-12-03
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书提供混淆电路生成方法、预测结果确定方法、装置和电子设备的实施例。所述方法包括：执行混淆电路，得到森林模型中多个叶子节点的多个标签，所述标签用于标识叶子节点的匹配状态；对所述多个标签进行求和处理，得到求和结果；将所述求和结果作为所述森林模型的预测结果；或者，向模型方发送所述求和结果，以便模型方根据所述求和结果计算所述森林模型的预测结果；或者，以所述求和结果为输入，与模型方共同执行多方安全比较算法，以比较所述森林模型的预测结果与预设值的大小。本说明的实施例，通过多方安全计算，可以在模型方不泄漏森林模型、且数据方不泄漏业务数据的条件下，获得森林模型的预测结果，实现了隐私保护。
-
公开(公告)号：CN110968886A
公开(公告)日：2020-04-07
申请号：CN201911322966.6
申请日：2019-12-20
Applicant: 支付宝(杭州)信息技术有限公司
Inventor： 周亚顺
Abstract: 本说明书实施例公开了一种机器学习模型的训练样本的筛选方法及其系统，该方法包括：标签提供方对样本的标签值进行同态加密，以生成不同样本对应的标签值密文。特征提供方根据样本对应的类别型特征值，将标签值密文与类别型特征值进行对应，以生成类别型特征值对应的特征密文。标签提供方对特征密文进行同态解密，以生成标签值与类别型特征值的对应关系。特征提供方根据对应关系，对类别型特征变量进行价值评估。特征提供方根据评估结果，对样本进行筛选。由此，特征提供方无法获知每个样本对应的标签值，标签提供方无法获知每个样本对应的类别型特征值，从而防止泄露用户的隐私数据，保护了用户的数据信息安全。
-
公开(公告)号：CN113011459B
公开(公告)日：2024-04-26
申请号：CN202110189061.7
申请日：2021-02-19
Applicant: 支付宝(杭州)信息技术有限公司 , 蚂蚁区块链科技(上海)有限公司
Abstract: 本说明书实施例公开了一种模型训练方法、装置和计算设备。所述方法包括：第一方根据特定随机种子生成第一随机数集和第二随机数集，所述特定随机种子为第一方与随机数服务器之间协商的随机种子；随机数服务器根据特定随机种子生成第一随机数集和第二随机数集；根据第一随机数集和第二随机数集生成第三随机数集和第四随机数集；向第二方发送第三随机数集和第四随机数集；第二方接收第三随机数集和第四随机数集，以使第一方根据第一随机数集和第二随机数集，第二方根据第三随机数集和第四随机数集，联合训练模型。所述实施例可以减少传输的数据量。
-
-
-
-
-
-
-
-
-
Search Results
58
records
(took 0.037 seconds)
