-
公开(公告)号：CN116956254A
公开(公告)日：2023-10-27
申请号：CN202310779782.2
申请日：2023-06-28
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用于生物特征识别的方法和装置。该方法的一具体实施方式包括：对目标生物对象的生物特征进行处理，得到目标特征；采用预设的切片方式对所述目标特征进行切片处理，得到所述目标特征对应的目标切片序列，其中，所述目标切片序列包括多个切片；获取注册切片序列，其中，所述注册切片序列是采用所述切片方式对注册特征进行切片得到的，所述注册特征为注册生物对象对应的特征；基于所述目标切片序列和注册切片序列，对所述目标生物对象进行识别。
-
公开(公告)号：CN114357519A
公开(公告)日：2022-04-15
申请号：CN202210017820.6
申请日：2022-01-07
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编码器训练方法、数据脱敏方法和系统，方法包括：通过编码器处理样本数据，得到样本编码数据；基于预设位置从样本编码数据中提取部分数据以确定样本数据对应的样本脱敏数据；通过至少一个任务处理模型分别处理其对应的样本脱敏数据，得到各任务处理模型对应的任务预测结果；通过数据重构模型处理样本编码数据，得到重构数据；至少调整编码器的模型参数，以使得各任务预测结果与对应的参考标准的差异减小，以及使得重构数据与样本数据的差异增大。还包括利用训练好的编码器处理原始数据，得到编码数据；基于预设位置从编码数据中提取部分数据；基于所述部分数据确定原始数据对应的脱敏数据。
-
公开(公告)号：CN112990476B
公开(公告)日：2022-04-12
申请号：CN202110177803.4
申请日：2021-02-08
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N20/00
Abstract: 本说明书一个或多个实施例涉及一种基于联邦学习进行模型参数更新的方法，所述方法由参与方中的任一训练成员实现，包括：获取当前轮对应的待训练模型；基于自身持有的训练样本对所述待训练模型进行训练，获得当前轮对应的第一模型；将与所述第一模型上传给服务器，并获取当前轮下发的聚合模型；将来自一轮或多轮迭代更新的一个或多个聚合模型与来自一轮或多轮迭代更新的一个或多个第一模型通过杂交函数处理，获取多个子代模型；基于突变比例以及预设的突变函数对多个子代模型进行处理，获取突变后的多个子代模型；对突变后的多个子代模型进行性能评估，并筛选出性能最优的子代模型作为下一轮迭代的待训练模型或者基于此确定该训练成员的最终模型。
-
公开(公告)号：CN112966737A
公开(公告)日：2021-06-15
申请号：CN202110238513.6
申请日：2021-03-04
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例公开了图像处理、图像识别模型的训练、图像识别的方法和系统。其中所述方法包括：获取待处理图像数据；对所述待处理图像数据进行分解，获取所述待处理图像数据对应的多个特征图；对所述多个特征图进行处理，获得用于表征所述待处理图像数据的脱敏图像数据；其中，所述处理包括：对所述多个特征图进行筛选，保留其中部分特征图；对筛选后的特征图进行损失处理；对经过损失处理后的特征图进行融合处理，以获取数量少于损失处理后的特征图的一个或多个融合特征图。
-
公开(公告)号：CN111931876B
公开(公告)日：2021-02-05
申请号：CN202011082434.2
申请日：2020-10-12
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书一个或多个实施例涉及一种用于分布式模型训练的目标数据方筛选方法和系统，所述方法包括：从任务方获取训练任务信息；所述训练任务信息包括待预训练模型信息以及待训练目标模型信息；接收来自至少一个数据方的接受任务指示，得到备选数据方集合；将所述待预训练模型信息下发给所述备选数据方集合中的各数据方；获取所述各数据方的预训练模型；其中，所述各数据方的预训练模型是基于自身持有的训练样本以及所述待预训练模型信息进行模型训练得到的；获取各预训练模型的性能指标参数；至少基于各预训练模型的性能指标参数，从备选数据方集合中确定一个或多个目标数据方；将所述待训练目标模型信息下发给各目标数据方。
-
Patent Agency Ranking
公开(公告)号：CN112257697A
公开(公告)日：2021-01-22
申请号：CN202011532933.7
申请日：2020-12-23
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图像处理、图像识别模型的训练、图像识别的方法和系统。该方法包括：获取待处理图像数据；对所述待处理图像数据进行分解，获取所述待处理图像数据对应的多个特征图；对所述多个特征图进行处理，获得用于表征所述待处理图像数据的脱敏图像数据；其中，所述处理包括：对所述多个特征图进行筛选，保留其中部分特征图；基于所述待处理图像数据和/或其对应的多个特征图确定归一化参数，基于所述归一化参数对多个特征图进行归一化处理；以及，对多个特征图进行融合处理，以获取数量少于特征图的一个或多个融合特征图。
-
公开(公告)号：CN118228304A
公开(公告)日：2024-06-21
申请号：CN202410303969.X
申请日：2024-03-15
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实现隐私保护的多方协同更新大模型的方法及系统，在协同更新大模型的方法中，各参与方利用本地样本集，对预训练后具有基础参数集的基础模型进行微调，其中包括，更新参数量远小于基础参数集的参数组。各参与方将更新后参数组的参数组合结果进行加密，并将加密结果提供给服务器。服务器将n个参与方发送的n份加密结果加载到其可信执行环境TEE中，在TEE中，解密n份加密结果，得到n份参数组合结果，以及基于预先部署在TEE中的基础参数集，以及n份参数组合结果，确定n个参与方协同更新的大模型。
-
公开(公告)号：CN118153623A
公开(公告)日：2024-06-07
申请号：CN202410371380.3
申请日：2024-03-28
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基于秘密分享的模型预测方法和装置。模型为二值化神经网络，方法由多方安全计算MPC系统的第一计算方执行，该方法的一具体实施方式包括：获取模型的参数分片；接收数据提供方提供的待预测样本的特征数据分片；与其他计算方进行交互，将特征数据分片从算术形式转换为布尔形式；与其他计算方进行联合模型运算，联合模型运算包括：基于布尔形式的当前特征向量和当前参数向量各自的本方分片，联合进行二值化运算，得到当前特征向量和当前参数向量的内积结果；针对内积结果，利用预定的分布式比较函数DCF的函数分片与其他计算方进行联合比较，得到布尔形式的比较结果的本方分片，用于形成后续的布尔形式的特征向量的本方分片。
-
公开(公告)号：CN118153088A
公开(公告)日：2024-06-07
申请号：CN202410072296.1
申请日：2024-01-17
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基于隐私保护的联合训练大语言模型的方法、系统及装置，该大语言模型包括，第一部分网络和第二部分网络，第一部分网络设置于至少两个客户端中各客户端的第一TEE且包括待调整的第一参数；第二部分网络设置于各客户端的第一REE且参数固定；方法包括：客户端分别在第一TEE和第一REE中，通过第一部分网络和第二部分网络处理私有样本，得到预测数据；在第一TEE中，基于预测数据确定各第一参数对应的更新梯度，并对其进行加密，将更新梯度密文发送至服务端；在第一TEE中，从服务端获取其基于至少两个客户端发送的更新梯度密文进行聚合所得的各第一参数对应的聚合梯度；在第一TEE中，基于各第一参数对应的聚合梯度，更新各第一参数。
-
公开(公告)号：CN118135626A
公开(公告)日：2024-06-04
申请号：CN202410039635.6
申请日：2024-01-10
Applicant: 上海大学 , 支付宝(杭州)信息技术有限公司
IPC: G06V40/16
Abstract: 本说明书实施例提供了通用对抗扰动、人脸对抗样本生成方法及装置。该方法涉及若干轮次迭代优化，其中任一轮次迭代优化包括：对于训练集中的各个目标人脸图像，基于其在频域中不同频段的人脸信息和对抗扰动图像在不同频段的扰动信息，确定各个目标人脸图像各自在空域中对应的不同频段的人脸图像、不同频段的对抗图像和全频段对抗图像；获取由人脸识别模型提取的预设图像的第一图像特征，及全频段对抗图像的第二图像特征，预设图像远离整个训练集中任一图像；以减小第一图像特征与第二图像特征之间的差异，及减小不同频段的人脸图像与对应频段的对抗图像之间的差异为目标，优化对抗扰动图像中的参数。
-
-
-
-
-
-
-
-
-
Search Results
45
records
(took 0.054 seconds)
