-
公开(公告)号：CN118113478A
公开(公告)日：2024-05-31
申请号：CN202410334206.1
申请日：2024-03-21
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F9/50
Abstract: 本说明书实施例公开了一种设备的调度方法、装置及设备，该方法包括：在检测到终端设备获取到风险防控业务的业务处理请求时，获取边缘服务器与终端设备之间的设备性能信息，以及边缘服务器的历史工作负载信息；基于设备性能信息，确定业务处理请求对应的调度评估指标；如果调度评估指标满足第一调度条件，则基于设备性能信息，以及边缘服务器的历史工作负载信息，确定业务处理请求对应的调度策略，若调度策略指示由边缘服务器执行风险防控处理，则以预设的决策概率调度边缘服务器中的第一风险防控模型执行业务处理请求对应的风险防控处理；否则，调度终端设备中的第二风险防控模型执行业务处理请求对应的风险防控处理。
-
公开(公告)号：CN117992787A
公开(公告)日：2024-05-07
申请号：CN202410139381.5
申请日：2024-01-31
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/214 , G06N20/00 , G06F11/34 , G06F11/30
Abstract: 本说明书公开了一种模型训练的方法、任务执行的方法及装置。该模型训练的方法包括：获取行为序列数据，并将获取到的行为序列数据中包含的各行为事件的事件数据转换为文本数据，得到行为序列数据对应的行为文本数据，进而将得到的行为文本数据输入到待训练的识别模型中，以使得待训练的识别模型根据输入的行为文本数据，输出针对行为序列数据的识别结果，作为待验证结果，最后，以最小化识别模型输出的待验证结果与行为序列数据对应的实际识别结果之间的偏差为优化目标，对待训练的识别模型进行训练。
-
公开(公告)号：CN117933361A
公开(公告)日：2024-04-26
申请号：CN202410137262.6
申请日：2024-01-31
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多任务模型训练的方法、装置及电子设备。所述方法包括：获取已训练的至少包括问答任务分支的多任务模型；在接收到对问答任务分支的输出数据进行检测的指令的情况下，在多任务模型中增加检测任务分支，并获取训练语料集；将训练文本输入所述多任务模型，在所述多任务模型中各个神经网络层生成数据并传递给下一神经网络层时，将所述问答任务分支的第一分支参数对应的数据进行掩盖，以得到所述检测任务分支输出的所述训练文本对应的预测结果；根据所述训练文本对应的标签和预测结果，对所述检测任务分支的第二分支参数进行调整，以得到训练后的多任务模型，所述第二分支参数为对所述基础参数进行调整的参数。
-
公开(公告)号：CN117932615A
公开(公告)日：2024-04-26
申请号：CN202410077208.7
申请日：2024-01-18
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书公开了一种风险检测方法、装置、存储介质以及电子设备，通过对获取到的明文数据进行脱敏处理，确定出对应的脱敏后数据。然后将脱敏后数据输入到预先经过训练的数据重构模型中，以使得数据重构模型能够根据脱敏后数据，生成出针对明文数据的重构数据。进而根据明文数据和脱敏后数据，以及明文数据对应的重构数据，确定通过脱敏后数据得到明文数据的最小错误率。最后根据最小错误率，对明文数据的脱敏后数据进行风险检测。通过本说明书中的方法能够精准的识别出对原明文数据所对应的脱敏数据是否具有泄露明文数据的风险，有效提高了原明文数据在使用和传输时的安全性，极大程度上维护了原明文数据所属用户或团体的信息安全和数据隐私。
-
公开(公告)号：CN117932572A
公开(公告)日：2024-04-26
申请号：CN202410109966.2
申请日：2024-01-25
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溯源方法、装置、设备及可读存储介质，获取待检测数据，并对待检测数据进行水印检测，得到待检测数据的水印检测结果，从水印检测结果中提取生成待检测数据所采用的待检测模型对应的目标信息，根据目标信息和数据库中包含的各参考模型的参考信息，确定待检测数据对应的模型溯源结果。可见，通过对待检测数据进行水印检测，并从水印检测结果中提取目标信息的方式，能够有效地验证生成待检测数据所采用的机器学习模型的信息，进而确定待检测数据是否是在机器学习模型被授权使用的前提下生成的，以便即使检测出窃取机器学习模型的功能的攻击者的攻击行为，减少机器学习模型的提供方所收到的侵害以及提高隐私数据的安全性。
-
Patent Agency Ranking
公开(公告)号：CN117787418A
公开(公告)日：2024-03-29
申请号：CN202311870367.4
申请日：2023-12-29
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N5/04 , G06N5/022 , G06F16/332 , G06F16/338 , G06F16/33 , G06Q20/40
Abstract: 本说明书公开了一种风险识别方法、装置、存储介质及电子设备。获取目标用户在目标业务下的业务数据，并确定对所述目标用户所需识别的目标风险类型；根据所述目标风险类型，在预先设置的风险规则中，确定用于识别所述目标风险类型的风险规则，作为目标规则；在所述业务数据中筛选与所述目标规则匹配的数据，作为可用数据；根据所述目标风险类型、所述目标规则、所述可用数据构建提示信息；将所述提示信息输入预先训练的生成式模型，得到所述生成式模型输出的对所述目标用户的风险描述。
-
公开(公告)号：CN116957329A
公开(公告)日：2023-10-27
申请号：CN202310868025.2
申请日：2023-07-14
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q10/0635 , G06F18/22 , G06F16/36
Abstract: 本说明书公开了一种风险识别方法、装置、设备及可读存储介质，通过待识别业务对象的特征和各候选业务对象的特征之间的相似度，从各候选业务对象中确定待识别业务对象的各关联业务对象，进而以待识别业务对象和各关联对象分别为节点，以待识别业务对象和各关联对象之间的业务关系为边，构建目标拓扑图，将目标拓扑图和各节点的特征作为输入，通过风险识别模型得到待识别业务对象的预测风险类型。可见，通过特征相似度，将对识别出待识别业务对象的预测风险类型更为重要的关联对象筛选出来构建目标拓扑图，不仅提高了风险识别的准确度和隐私数据的安全性，还降低风险识别模型的输入的维度，减少了计算资源的耗费。
-
公开(公告)号：CN114692892B
公开(公告)日：2023-08-29
申请号：CN202210285951.2
申请日：2022-03-23
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例描述了对数值特征进行处理的方法、模型训练方法和装置。根据实施例的方法，考虑对数值特征进行二进制编码，然后根据得到的二进制数值特征中的值可以确定出特征矩阵。如此实现了对数值特征可能值都进行了编码，能够降低特征信息损失的可能。进一步，对得到的特征矩阵进行数据域覆盖，能够使得利用该数值特征训练得到的模型在预测应用时，对未参与模型训练的数值输入值也能具有较好的输出。
-
公开(公告)号：CN116612057A
公开(公告)日：2023-08-18
申请号：CN202310608634.4
申请日：2023-05-26
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06T5/50 , G06V30/146 , G06V30/19 , G06V30/18 , G06N20/00
Abstract: 本公开涉及基于自合成的图像生成方法和系统。该方法包括：对原始图像进行目标检测以确定感兴趣目标的边界框；确定所述边界框内的OCR内容；计算出能够包含所述OCR内容的最小边界框；选择掩模区域，所述掩模区域在所述感兴趣目标的边界框之内并且包含所述最小边界框；对所述掩模区域进行图像增强；以及将经图像增强的所述掩模区域混合到所述原始图像中，以得到自合成的图像。本公开还涉及一种用于交互式限流的系统和装置以及一种非瞬态处理器可读存储介质。
-
公开(公告)号：CN116150622B
公开(公告)日：2023-08-11
申请号：CN202310183952.0
申请日：2023-02-17
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/214 , G06N20/00 , G06F21/62
Abstract: 本说明书公开了一种模型训练方法、装置、存储介质及电子设备。确定当前迭代过程对应的噪声值，以及基于每个训练样本分别确定出的调整模型参数的梯度，根据各梯度以及预设的第一超参数，分别确定各梯度权重，根据各梯度以及各梯度权重，确定各自适应梯度，基于训练样本确定出的梯度越大则自适应梯度与预设的梯度期望值的差越小，根据噪声值对各各自适应梯度之和加噪，以得到当前迭代过程的批次平均梯度，最后根据批次平均梯度，调整所述待训练模型的参数。可以减少小梯度样本对模型参数影响程度，使得模型训练效果更好，基于训练得到的模型执行业务的结果更准确。
-
-
-
-
-
-
-
-
-
Search Results
500
records
(took 0.055 seconds)
