-
公开(公告)号：CN116629381A
公开(公告)日：2023-08-22
申请号：CN202310613933.7
申请日：2023-05-26
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书公开了一种联邦迁移学习方法、装置、存储介质及电子设备。在本说明书提供的联邦迁移学习方法中，确定与第二参与方的共有样本对象，作为目标样本对象；将所述目标样本对象在所述第一参与方的第一数据输入待训练的第一提取子网，获得所述第一提取子网输出的待优化特征；将所述待优化特征发送给第三方服务器，以使所述第三方服务器确定所述待优化特征与标准特征之间的特征损失，其中，所述标准特征是所述第二参与方将所述目标样本对象在所述第二参与方的第二数据输入预先训练的第二提取子网得到并发送给所述第三方服务器的；接收所述第三方服务器返回的特征损失，并采用所述特征损失训练所述第一提取子网。
-
公开(公告)号：CN115204395A
公开(公告)日：2022-10-18
申请号：CN202210707219.X
申请日：2022-06-21
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数据的处理方法、装置及设备，所述方法包括：获取第一对象的第一行为数据和所述第一对象的风险标签；基于所述第一行为数据生成第二行为数据；基于预先训练的因果推断模型和所述第二行为数据，得到所述第二行为数据对应的第一特征向量，所述第一特征向量为所述预先训练的因果推断模型基于所述第二行为数据内的不同数据之间的依赖关系，生成的能够表征所述第二行为数据内的不同数据之间相关性的特征向量；将所述第一对象的风险标签确定为所述第一特征向量的风险标签，并基于所述第一特征向量和所述第一特征向量的风险标签，对由深度学习算法构建的风险识别模型进行对抗训练，得到训练后的风险识别模型。
-
公开(公告)号：CN114999611A
公开(公告)日：2022-09-02
申请号：CN202210908680.1
申请日：2022-07-29
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G16H20/70 , G16H50/70 , G06F16/635
Abstract: 本说明书公开了一种模型训练和信息推荐的方法及装置，可以获取用户情绪信息以及用户情绪信息对应的标准音频数据，并将该用户情绪信息输入到待训练的生成模型中，以使该生成模型根据预先构建出的知识图谱中与用户情绪信息相匹配的目标节点，确定图谱特征，并根据该图谱特征，生成目标音频，其中，这里提到的知识图谱用于表征各种音频相关信息与各类用户情绪信息之间的关联关系，而后，可以以最小化该目标音频与标准音频数据之间的差异为优化目标，对生成模型进行训练，训练后的生成模型用于根据目标用户的用户情绪信息，为目标用户生成音频，从而在一定程度上生成适合用户的音频，以及提高为用户生成音频的合理性。
-
公开(公告)号：CN114444074A
公开(公告)日：2022-05-06
申请号：CN202210074156.9
申请日：2022-01-21
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书公开了一种异常区块链节点检测方法及装置。所述方法包括：针对区块链网络中至少2个区块链节点构建图结构，各个图节点与各个区块链节点一一对应，每个图节点连接至少一个边，任一个边的权重正相关于该边所连接的两个图节点之间的相似度，两个图节点之间的相似度为相应两个区块链节点的区块链上相同地址的数据之间的相似度；将图结构对应的原始表示输入图神经网络进行映射处理，得到图结构对应的映射表示；原始表示包括每个图节点的原始特征以及每个边的权重，映射表示包括每个图节点的映射特征；在各个图节点的映射特征中应用异常检测算法，确定出异常映射特征，将具有异常映射特征的图节点所对应的区块链节点，确定为异常区块链节点。
-
公开(公告)号：CN118568469A
公开(公告)日：2024-08-30
申请号：CN202410712787.8
申请日：2024-06-03
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/213 , G06F18/241 , G06F18/25 , G06N3/0455 , G06N3/084 , G06F21/62
Abstract: 本说明书公开了一种特征提取方法、装置、介质及设备，将原始用户信息输入编码层，得到用户特征，将用户特征输入解码层，得到混淆用户信息。根据混淆用户信息和原始用户信息确定损失，根据损失至少确定编码层的第一梯度。通过梯度反转层中预设的反转系数，将第一梯度取反，根据取反后的第一梯度，对编码层的参数进行调整。响应于目标用户信息的特征提取请求，将目标用户信息输入训练完成的隐私保护模型中的编码层，确定用户特征并返回。降低了用户特征被解码层逆向还原的概率，减小了用户信息泄露的风险。
-
Patent Agency Ranking
公开(公告)号：CN117575611A
公开(公告)日：2024-02-20
申请号：CN202311636825.8
申请日：2023-11-30
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识别的方法、装置、存储介质和电子设备，包括：从所有风险类型中确定当前业务场景所需识别的风险类型为各待识别类型，确定各待识别类型对应的配置信息。在预先训练的风险识别模型中，确定各待识别类型对应的各目标参数。根据配置信息，调整各目标参数，确定目标识别模型。确定待识别用户的信息，将信息输入目标识别模型，确定待识别用户的风险识别结果。根据风险识别结果，对待识别用户进行风险控制。通过当前场景下的各待识别类型的配置信息，对风险识别模型中各待识别类型对应的模型参数进行调整，并使用目标识别模型对待识别用户进行风险识别，可以控制模型输出的风险类型，灵活地适用于各种业务场景下的风险识别。
-
公开(公告)号：CN111538794B
公开(公告)日：2023-10-03
申请号：CN202010334175.1
申请日：2020-04-24
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融合方法、装置及设备。方案包括：获取第一数据集中的第一实体数据的第一基础数据；获取第二数据集中的第二实体数据的第二基础数据；基于所述第一基础数据和所述第二基础数据判断所述第一实体与所述第二实体是否为同一行为实体，得到判断结果；当所述判断结果表示所述第一实体与所述第二实体为同一行为实体时，将所述第一实体数据和所述第二实体数据合并为第三实体数据，所述第三实体数据用于描述所述行为实体，所述第三实体数据中包含的基础数据的信息大于所述第一实体数据，且大于所述第二实体数据。
-
公开(公告)号：CN115017528A
公开(公告)日：2022-09-06
申请号：CN202210756064.9
申请日：2022-06-29
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自编码模型、异常检测方法及装置，模型包括各客户端的编码网络及服务端的解码网络，第一客户端利用第一编码网络处理第一样本图数据，得到各样本用户的第一样本表征，多个样本用户是多个客户端共有的用户；加密第一样本图数据及各第一样本表征；将得到的第一样本图数据密文和各第一样本表征密文发送至服务端，服务端基于各客户端发送的样本表征密文确定各样本用户的用户表征，利用解码网络和各用户表征，确定图重构数据，基于图重构数据和第一样本图数据密文确定第一预测损失；从服务端获取第一梯度密文，第一梯度密文由服务端基于第一预测损失确定并加密得到；根据第一梯度密文，更新第一编码网络。
-
公开(公告)号：CN111401914B
公开(公告)日：2022-07-22
申请号：CN202010256586.3
申请日：2020-04-02
Applicant: 支付宝(杭州)信息技术有限公司
Inventor： 许小龙
Abstract: 本说明书实施例提供一种风险评估模型的训练、风险评估方法及装置，在训练方法中，收集一批用户样本，其中的每个用户样本包括用户特征和风险标签，风险标签用于指示出用户的总风险评分以及对应于各预定风险类型的多个单独风险评分。基于各用户样本的用户特征以及风险标签中的总风险评分，对特征编码层进行训练，得到训练的特征编码层，并基于训练的特征编码层，获取各用户样本的特征编码结果。基于各用户样本的特征编码结果以及风险标签中的总风险评分，对综合风险评估层进行训练。对于各单一风险评估层中的每个单一风险评估层，基于各用户样本的特征编码结果以及风险标签中的对应风险类型的单独风险评分，对该单一风险评估层进行训练。
-
公开(公告)号：CN114638998A
公开(公告)日：2022-06-17
申请号：CN202210222892.4
申请日：2022-03-07
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06V10/774 , G06V10/84 , G06V10/776 , G06V10/764 , G06V10/82 , G06K9/62 , G06F21/60 , G06F21/64 , G06N3/04 , G06N3/08
Abstract: 本说明书实施例提供了一种模型更新方法、装置、系统及设备，其中，该方法包括：接收针对第一特征提取模型的更新请求，并基于待训练的第一特征提取模型和第一图结构数据，确定与所述第一图结构数据对应的第一特征向量，所述第一图结构数据由目标用户的第一特征信息确定；将所述第一特征向量发送给服务端，并接收所述服务端发送的模型参数，所述模型参数由所述服务端基于所述第一特征向量、第二特征向量，对待训练的第一分类模型进行训练，得到的训练后的第一分类模型的参数；基于所述模型参数，对所述第一特征提取模型进行更新处理，并基于更新处理后的第一特征提取模型对本地用户数据进行分类处理。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.063 seconds)
