-
公开(公告)号：CN116579415A
公开(公告)日：2023-08-11
申请号：CN202310258491.9
申请日：2023-03-10
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N3/094 , G06F16/35 , G06F16/951
Abstract: 本说明书实施例提供了自然语言处理模型的训练方法和装置、自然语言的处理方法和装置。该训练方法包括：利用该自然语言的原始数据集生成原始样本集；利用自然语言的原始数据集生成锚点数据集；利用自然语言的原始样本集生成对抗样本集；将所述锚点数据集及所述对抗样本集分别输入预训练模型中，计算预训练模型的损失，并调整所述预训练模型的参数，直至所述预训练模型收敛，将收敛后的模型作为所述自然语言处理模型。本说明书实施例能够保证自然语言处理模型的识别效果。
-
公开(公告)号：CN116029441A
公开(公告)日：2023-04-28
申请号：CN202310090590.0
申请日：2023-01-17
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数据处理方法、装置及设备，该方法包括：获取目标业务的业务数据，将该业务数据输入到预先训练的目标模型中，通过目标模型中应用于目标业务的第一子模型和前置稳定器对该业务数据进行预测，得到针对该业务数据的预测结果，目标模型中包括第一子模型和前置稳定器，第一子模型包括多个不同的网络层，前置稳定器包括一个或多个子稳定器，子稳定器设置于第一子模型的一个网络层中，且第一子模型进行模型训练后，保持第一子模型中的模型参数不变，通过对抗样本训练前置稳定器中的参数，得到训练后的目标模型，基于该业务数据的预测结果对目标业务进行业务处理。
-
公开(公告)号：CN114241268A
公开(公告)日：2022-03-25
申请号：CN202111574537.5
申请日：2021-12-21
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06V10/774 , G06K9/62
Abstract: 本说明书实施例公开了一种模型的训练方法、装置及设备，该方法包括：获取第一数量的第一训练样本，然后，从所述第一数量的第一训练样本中选取第二数量的第一训练样本，并分别向第二数量的第一训练样本中加入相应的噪声数据，得到所述第二数量的第二训练样本，最终，可以基于剩余的第一训练样本和所述第二数量的第二训练样本，通过预设的基于梯度的对抗攻击算法对目标模型进行训练，得到训练后的目标模型。
-
公开(公告)号：CN113313575A
公开(公告)日：2021-08-27
申请号：CN202110640452.6
申请日：2021-06-08
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风险识别模型的确定方法及装置，其中，该方法包括：获取目标业务对应的模型训练样本数据和针对目标业务所配置的风控策略信息；基于该模型训练样本数据和用于风险识别的分类模型，对各风控策略信息对应的策略权重进行更新，得到更新后的策略权重；基于该模型训练样本数据和更新后的策略权重，对该分类模型的模型参数进行更新，得到更新后的分类模型；若更新后的分类模型满足预设模型优化终止条件，则将该更新后的分类模型确定为训练后的风险识别模型；若更新后的分类模型不满足预设模型优化终止条件，则将该分类模型作为下一轮策略权重更新所用的用于风险识别的分类模型。
-
Patent Agency Ranking
公开(公告)号：CN118093988A
公开(公告)日：2024-05-28
申请号：CN202311211874.7
申请日：2023-09-19
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/9535 , G06F18/214
Abstract: 本说明书公开了一种安全检测的方法及装置，涉及人工智能领域，可用于隐私保护，可以从预设的诱导信息库中获取诱导信息，所述诱导信息用于诱导生成模型生成存在风险的内容，而后，将诱导信息输入到预先训练的诱导信息补充模型中，得到用于获取诱导信息的相关内容的询问语句，将询问语句输入到待检测的生成模型中，得到生成内容，通过预先训练的风险识别模型，对生成内容进行风险识别，得到识别结果，以通过识别结果，对待检测的生成模型进行安全检测，可以看出，本方法可以自动化地对生成模型进行安全检测，从而相比于现有技术，能够提高对生成模型安全检测的效率。
-
公开(公告)号：CN116319056A
公开(公告)日：2023-06-23
申请号：CN202310377112.8
申请日：2023-04-04
Applicant: 支付宝(杭州)信息技术有限公司
IPC: H04L9/40
Abstract: 在本说明书提供的防御模型攻击的方法中，根据确定的目标业务，在预设的可执行所述目标业务的各待选模型中，确定目标模型执行所述目标业务，得到第一输出结果后，按照所述目标模型预设的变换函数，变换第一输出结果，得到第二输出结果，根据所述第二输出结果确定所述目标模型的最终输出结果，并根据所述最终输出结果执行所述目标业务。从上述方法可以看出，通过从多个待选模型中随机确定目标模型执行业务，增加了通过多次攻击破解模型结构的难度，同时通过对目标模型输出的第一输出结果进行变换，统一了不同待选模型的输出结果，进一步提高了攻击难度，提高了模型安全性。
-
公开(公告)号：CN114817933A
公开(公告)日：2022-07-29
申请号：CN202210468467.3
申请日：2022-04-29
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F21/57
Abstract: 本说明书实施例提供了评估业务预测模型鲁棒性的方法、装置及计算设备。方法包括：对于多个业务对象的任意第一业务对象，获取业务预测模型对第一业务对象进行针对业务标签的预测结果，包括基于对应第一业务样本和第二样本分别预测得到的第一预测值和第二预测值；基于各业务对象的第一预测值和各第一预测值形成的第一集合，计算多个业务对象各自对应的第一分位数；基于各业务对象的第二预测值和第一集合，计算多个业务对象各自对应的第二分位数；基于多个业务对象各自对应的第一分位数和第二分位数确定多个业务对象各自的预测误差；基于多个业务对象各自的预测误差确定业务预测模型对抗攻击的鲁棒性得分，不依赖样本标签预测业务预测模型的鲁棒性。
-
公开(公告)号：CN113992429B
公开(公告)日：2022-04-29
申请号：CN202111580928.8
申请日：2021-12-22
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事件的处理方法、装置及设备，该方法包括：获取目标事件的事件处理请求，其中，该事件处理请求中包括目标事件的事件信息，如果该事件信息满足预设的第一条件，则从预设的知识库中获取目标事件对应的风险防控规则，并将该事件信息分别与获取的目标事件对应的风险防控规则进行匹配，得到与该事件信息相匹配的第一规则，然后，可以基于与该事件信息相匹配的第一规则，确定该事件信息对应的预测风险信息，将该事件信息对应的预测风险信息和该事件信息输入到目标事件对应的风险防控模型中，得到该事件信息对应的风险信息，最终，可以基于该事件信息对应的风险信息对目标事件进行处理。
-
公开(公告)号：CN114091670A
公开(公告)日：2022-02-25
申请号：CN202111397100.9
申请日：2021-11-23
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线上更新方法及装置。所述方法包括：获取预设树模型的副本和新训练样本集合；所述预设树模型为：当前线上运行的提升树模型或当前线上运行的梯度提升决策树模型；将所述副本当前的叶子节点输出值确定为旧叶子节点输出值；在保持所述副本结构不变的情况下，根据所述新训练样本集合更新所述副本的叶子节点输出值，将更新后的叶子节点输出值确定为新叶子节点输出值；针对所述副本的每个叶子节点，计算对应的新叶子节点输出值和对应的旧叶子节点输出值的加权和，并将该叶子节点的输出值更新为所述加权和，得到新的副本树模型；将所述新的副本树模型部署到线上，所述新的副本树模型用于在预设情况下替换所述预设树模型。
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.038 seconds)
