-
公开(公告)号：CN113792889A
公开(公告)日：2021-12-14
申请号：CN202111094859.X
申请日：2021-09-17
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更新方法、装置及设备，所述方法包括：根据目标模型中待修改的模型功能的信息，获取与所述待修改的模型功能的信息相匹配的第一训练集，并基于所述待修改的模型功能的信息，从对所述目标模型进行模型训练所使用的模型训练集中获取第二训练集；基于所述第一训练集和所述第二训练集，确定所述目标模型对应的第一模型损失，以及基于所述第二训练集，确定所述目标模型对应的第二模型损失；基于所述第一模型损失和所述第二模型损失，通过反向传播算法对所述目标模型进行更新训练，以对所述目标模型中待修改的模型功能进行修改，得到更新后的所述目标模型。
-
公开(公告)号：CN113516480A
公开(公告)日：2021-10-19
申请号：CN202110953376.4
申请日：2021-08-19
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提供了一种支付风险识别方法、装置及设备，该方法包括：若针对目标用户的本次支付交易事件执行到支付处理链路中的第一预设处理节点，则利用深度兴趣网络模型，基于目标用户的历史支付交易数据和当前支付环境数据，确定目标用户的预测支付行为数据；利用预设风险识别模型并基于上述预测支付行为数据，对本次支付交易事件进行风险识别，得到相应的预测支付风险识别结果；在本次支付交易事件执行到第二预设处理节点时，获取在本次支付交易事件执行过程中所产生的目标用户的真实支付行为数据；基于上述预测支付行为数据、真实支付行为数据和预测支付风险识别结果，确定本次支付交易事件对应的目标支付风险识别结果。
-
公开(公告)号：CN113297396A
公开(公告)日：2021-08-24
申请号：CN202110824981.1
申请日：2021-07-21
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联邦学习的模型参数更新方法、装置及设备，其中，该方法包括：接收联邦学习服务端下发的针对目标图神经网络模型的模型参数更新指令，所述模型参数更新指令携带有第一共享参数，所述目标图神经网络模型为多个所述联邦学习客户端的共有模型；基于所述第一共享参数、本地存储的第一独立参数，以及由本地用户私有数据构建的图谱数据，对所述目标图神经网络模型进行训练，得到训练后的所述目标图神经网络模型的模型参数；将所述第二共享参数发送给所述联邦学习服务端，以使所述联邦学习服务端基于多个联邦学习客户端发送的第二共享参数，对所述目标图神经网络模型的第一共享参数进行更新处理。
-
公开(公告)号：CN113221168A
公开(公告)日：2021-08-06
申请号：CN202110522696.4
申请日：2021-05-13
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F21/62 , G06F16/901
Abstract: 本发明实施例提供了一种基于差分隐私的划分业务对象集合的方法和装置，该方法包括：获取第一无向图,其中包括多个顶点、以及多个连接顶点的边,多个顶点用于分别指示多个业务对象，边用于指示业务对象之间的关系；以多个顶点的全集作为根节点，根据预定深度，构建L+1层的树结构；将预设的第一隐私预算e1，分配至树结构中除首层以外的各个层，使得各个层分配的第一子预算与该层和首层的距离负相关，且各个层的第一子预算之和等于e1；从首层至第L层，对各个层包括的各个树节点进行节点分裂，从而形成K叉树，其中，对第i层中任意的第一节点进行节点分裂包括，至少根据i+1层的第一子预算，确定第一节点在i+1层中的子节点及其所包含的顶点；至少根据K叉树，确定多个业务对象形成的若干业务对象集合。
-
公开(公告)号：CN112926559B
公开(公告)日：2021-07-30
申请号：CN202110513963.1
申请日：2021-05-12
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公开了一种人脸图像处理方法及装置。所述方法包括：获取多个第一样本人脸图像对，各第一样本人脸图像对中分别包括具有隐私信息的第一样本原始人脸图像、以及对应的具有干扰信息的第一样本目标人脸图像。然后根据各第一样本人脸图像对分别对应的图像匹配信息，确定待训练的图像编码模型对应的损失函数。进而将第一样本原始人脸图像作为输入数据、将第一样本目标人脸图像作为输出数据，并基于损失函数进行模型训练，得到图像编码模型，并利用图像编码模型对人脸图像进行隐私保护处理。
-
Patent Agency Ranking
公开(公告)号：CN111310784B
公开(公告)日：2021-07-20
申请号：CN202010035782.8
申请日：2020-01-14
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公开了一种资源数据的处理方法及装置，用以解决现有技术中数据聚类效率低以及风险管理效率低的问题。所述方法包括：基于多个资源数据的原始分割位置，确定所述多个资源数据对应的至少一个资源分割值。利用各所述资源分割值对所述多个资源数据进行聚类处理，得到多个资源聚类组。根据预设的资源评估指标，从所述多个资源聚类组中确定所述资源评估指标对应的目标资源聚类组。所述资源评估指标包含对所述资源数据进行风险评估所使用的风险评估参数。根据所述目标资源聚类组对应的目标资源分割值，确定所述资源数据对应的资源评估阈值。所述资源评估阈值用于对所述资源数据进行风险评估。
-
公开(公告)号：CN111046429B
公开(公告)日：2021-06-04
申请号：CN201911284478.0
申请日：2019-12-13
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基于隐私保护的关系网络构建方法和装置，可以在提供用户关系网络时，将用户关系预先进行聚合，添加噪声，形成满足差分隐私的关系网络，从而在有效保护用户关系隐私的基础上，减少数据处理量，提高用户关系网络的有效性。进一步地，基于隐私保护的关系网络用于用户团体发掘时，不局限于特定的数据持有方，任意有计算能力的数据处理方都可以通过团体识别模型识别关系网络中的候选复合节点集合，并经由初始关系网络的数据持有方查询确定出用户团体中包含的用户ID，以提供给相应业务方，如此，可以在保证数据安全的基础上增加团体识别的便利性。
-
公开(公告)号：CN112580085A
公开(公告)日：2021-03-30
申请号：CN202110196288.4
申请日：2021-02-22
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书提出一种模型训练方法及装置，应用于部署有可信执行环境的训练方，所述方法包括：获取来自至少两个数据提供方的加密数据；在可信执行环境中执行以下步骤：对接收到的加密数据进行解密；针对任一数据提供方的训练任务，利用接收到的数据构建该训练任务的训练样本集；其中，所述至少两个数据提供方分别对应的训练任务之间具有相关性；在得到所述至少两个数据提供方分别对应的训练样本集后，针对所述至少两个数据提供方的训练任务，利用所得到的至少两个训练样本集进行多任务学习，以得到所述至少两个数据提供方分别对应的独有模型。
-
公开(公告)号：CN112487485A
公开(公告)日：2021-03-12
申请号：CN202011475942.7
申请日：2020-05-09
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零知识证明的个人数据处理方法、装置及电子设备，在基于零知识证明的个人数据处理方法中，代表服务提供方的第一智能体向代表目标用户的第二智能体发送预设问题；第二智能体查询目标用户的个人数据库得到预设问题的答案，通过零知识证明算法生成包含所述答案的证明并发送至第一智能体；第一智能体基于所述零知识证明算法验证所述证明的正确性，并在验证正确后从所述证明中获取所述预设问题的答案，最后将所述预设问题和所述预设问题的答案确定为用于建模的特征。
-
公开(公告)号：CN112199709A
公开(公告)日：2021-01-08
申请号：CN202011173882.3
申请日：2020-10-28
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供一种基于多方的隐私数据联合训练模型的方法和装置，方法包括：多个第一方中的任一第一方利用本地第一对象集合中各对象的第一隐私数据和第一类别标签，以及其他第一方的第一隐私数据和第一类别标签，基于横向联邦学习的方式，得到第一子模型对应的多个第一方共享的第一参数集合；确定本地的第一对象集合与第二方具有的第二对象集合互相重叠的共同对象；利用本地的共同对象分别对应的第一隐私数据，以及第二方的第二隐私数据和第二类别标签，基于纵向联邦学习的方式，更新本地的第一子模型对应的第一参数集合；第二方得到其具有的第二子模型对应的第二参数集合。能够提高训练后得到的模型的预测准确率。
-
-
-
-
-
-
-
-
-
Search Results
500
records
(took 0.059 seconds)
