-
公开(公告)号：CN113360514B
公开(公告)日：2022-05-17
申请号：CN202110753197.6
申请日：2021-07-02
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联合更新模型的方法、装置及系统，在当前同步周期，各个数据方在利用本地训练样本在本地更新完模型对应的待同步参数后，可以利用本地当前的带宽，以及服务方针对单个同步周期的最大等待时长，确定在当前同步周期需向服务器上传的待同步参数数量。之后，可以根据需向服务器上传的待同步参数数量从待同步参数集中选择相应的待同步参数上传至服务方。服务方在最大等待时长到达时，将各个数据方分别发送的若干待同步参数进行聚合，形成同步参数集，反馈给各个数据方用于当前同步周期的数据同步。这种实施方式可以避免通信阻塞，提高训练效率。
-
公开(公告)号：CN114153808B
公开(公告)日：2022-05-10
申请号：CN202210121169.7
申请日：2022-02-09
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/176 , G06F21/62
Abstract: 本说明书涉及数据安全领域，特别涉及一种基于秘密分享的排序方法和系统，其中，待排序数据列以和共享分片存储于第一方和第二方，第一方持有目标排序向量，排序向量用于标识对等长序列进行排序的操作，其元素指示所述等长序列中的对位元素在结果序列中的位置；该方法由第一方执行，获得目标数据列的第一分片以及由第二方执行，获得目标数据列的第二分片。
-
公开(公告)号：CN114338017A
公开(公告)日：2022-04-12
申请号：CN202210205867.5
申请日：2022-03-04
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一种基于秘密分享的排序方法和系统，应用于多方安全计算，所述方法包括第一方基于待排序序列的第一分片，与所述第二参与方基于所述待排序序列的第二分片，通过秘密分享排列协议，对待排序序列乱序；第一方基于排序序列的第一分片，与所述第二参与方基于所述排序序列的第二分片，通过秘密分享排列协议，对排序序列乱序；第一参与方从第二参与方获得乱序排序序列的第二分片，得到乱序排序序列；第一方基于所述乱序排序序列和所述待排序乱序序列的第一分片，与所述第二参与方基于所述待排序乱序序列的第二分片，通过秘密分享排列协议，获得结果序列的第一分片；第二参与方获得结果序列的第二分片。
-
公开(公告)号：CN114330673A
公开(公告)日：2022-04-12
申请号：CN202210250437.5
申请日：2022-03-15
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供了一种对业务预测模型进行多方联合训练的方法及装置。其中，第一设备和第二设备分别拥有完整模型中的第一部分模型和第二部分模型。第一设备利用第一输入数据确定第一部分模型的第一输出数据，并将其发送至第二设备，接着，基于第一输出数据确定用于对第一部分模型进行更新的第一梯度分片。第二设备利用第一设备发送的第一输出数据确定第二部分模型的第二输出数据。然后，第二设备基于第二输出数据和第一输出数据，确定用于对第一部分模型进行更新的第二梯度分片，并将其发送至第一设备。这样，第一设备可以利用第一梯度分片和第二梯度分片，对第一部分模型进行更新。在该过程中，多个设备并不将各自的隐私数据向外发送。
-
公开(公告)号：CN112052942B
公开(公告)日：2022-04-12
申请号：CN202010986099.2
申请日：2020-09-18
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供神经网络模型训练方法及装置。神经网络模型包括位于各个第一成员设备的第一神经网络子模型。各个第一成员设备使用私有数据进行模型预测得到预测标签数据并确定第一神经网络子模型的模型更新信息，将第一神经网络子模型的模型更新信息和本地样本分布信息提供给第二成员设备。第二成员设备根据各个第一成员设备的第一神经网络子模型的模型更新信息进行神经网络模型重构，根据各个第一成员设备的本地样本分布信息确定整体样本概率分布，并将重构后的神经网络模型和整体样本概率分布分发给各个第一成员设备。各个第一成员设备根据本地样本概率分布、重构后的神经网络模型以及整体样本概率分布更新第一神经网络子模型。
-
Patent Agency Ranking
公开(公告)号：CN114282688A
公开(公告)日：2022-04-05
申请号：CN202210196287.4
申请日：2022-03-02
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两方决策树训练方法和系统以保护双方的数据隐私。对于任一特征，两方的设备可以基于排列向量通过安全排列方法按该特征的特征值对第一梯度向量和第二梯度向量排序，获得第一/二梯度排序结果向量的分片及其分组，并计算该特征下的各分组对应的梯度和的分片。两方的设备按照多方安全计算协议进行交互，以基于各特征下的各分组分别对应的梯度和分片计算各特征下的各分组分别对应的分裂增益分片。进而，两方的设备通过多方安全比较协议确定最大分裂增益对应的特征及分组，并按最大分裂增益对应的特征及分组分裂节点。
-
公开(公告)号：CN114239860A
公开(公告)日：2022-03-25
申请号：CN202111489067.2
申请日：2021-12-07
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供一种基于隐私保护的模型训练方法及装置，通过本说明书实施例提供的方法和装置，在安全计算过程中，利用高斯差分隐私和(ε，δ)差分隐私之间形成的对偶关系，以及在训练周期达到一定阈值的极限情况下高斯差分隐私空间中用于衡量累积隐私损失的参数μ与所添加的高斯噪声的方差σ2之间满足的关系，建立(ε，δ)差分隐私与所添加高斯噪声的方差σ2之间的关联关系。从而，一方面，可以根据高斯机制中的参数确定多次迭代累积的隐私损失，对模型性能进行衡量和管控，另一方面，根据给定的隐私预算，反向指导单次迭代过程中应该添加的高斯噪声的方差σ2，以加入适当的噪声。
-
公开(公告)号：CN114172631A
公开(公告)日：2022-03-11
申请号：CN202210131397.2
申请日：2022-02-14
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秘密分享的排序方法和系统。其中，该方法包括：从第二参与方获取加密第二分片；使用第一公钥对待排序序列的第一分片进行同态加密，获得加密第一分片；基于加密第一分片和加密第二分片，获取加密待排序序列；使用排序序列对加密待排序序列进行排序，获得加密目标序列；其中，目标序列等于基于排序序列对待排序序列进行排序的结果；获取随机序列作为目标序列的第一分片；基于加密目标序列和目标序列的第一分片，获取加密目标序列的第二分片；将加密目标序列的第二分片发送给第二参与方，以便第二参与方基于第一私钥解密加密目标序列的第二分片获得目标序列的第二分片。
-
公开(公告)号：CN114153808A
公开(公告)日：2022-03-08
申请号：CN202210121169.7
申请日：2022-02-09
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/176 , G06F21/62
Abstract: 本说明书涉及数据安全领域，特别涉及一种基于秘密分享的排序方法和系统，其中，待排序数据列以和共享分片存储于第一方和第二方，第一方持有目标排序向量，排序向量用于标识对等长序列进行排序的操作，其元素指示所述等长序列中的对位元素在结果序列中的位置；该方法由第一方执行，获得目标数据列的第一分片以及由第二方执行，获得目标数据列的第二分片。
-
公开(公告)号：CN110851482B
公开(公告)日：2022-02-18
申请号：CN201911080553.1
申请日：2019-11-07
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/2457
Abstract: 本说明书实施例提供了为多个数据方提供数据模型的方法和装置。根据一个实施方式，先利用多个数据方分别提供的用户数据训练第一模型，确定第一模型的多个模型参数，然后分别确定各个数据方所提供的用户数据对第一模型的各个数据贡献度，接着，按照各个数据贡献度的大小，确定分别针对各个数据方提供数据模型的各个提供方案，以根据各个提供方案向相应数据方提供第一模型。该实施方式用于多方安全计算时，可以在保护各个数据方的私有数据的基础上，激励各个数据方提供高质量的数据，达到共享数据的目的，从而提高训练的数据模型的有效性。
-
-
-
-
-
-
-
-
-
Search Results
382
records
(took 0.054 seconds)
