-
公开(公告)号：CN115550071B
公开(公告)日：2023-04-07
申请号：CN202211509843.5
申请日：2022-11-29
Applicant: 支付宝(杭州)信息技术有限公司
IPC: H04L9/40 , G06F21/62 , G06F16/906
Abstract: 本说明书公开了一种数据处理方法、装置、存储介质及设备。数据发送方通过将隐私数据输入分类模型的特征提取层，通过特征提取层提取特征，以将得到的特征输入归一化层，得到归一化层输出的第一归一化特征，并根据第一归一化特征，确定传输数据，将传输数据发送至数据接收方，使数据接收方将噪声数据输入该分类模型，得到分类模型的归一化层输出的第二归一化特征，并以第一归一化特征与第二归一化特征间差异最小化为优化目标调整噪声数据，得到隐私数据的解密结果。数据发送方能够基于分类模型输出的归一化特征确定传输数据，以在保护隐私数据的前提下将传输数据传输至数据接收方，使得数据接收方可基于相同的分类模与传输数据进行解密。
-
公开(公告)号：CN115544580B
公开(公告)日：2023-04-07
申请号：CN202211507939.8
申请日：2022-11-29
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保护数据隐私的两方联合训练预测模型的方法及装置，其中第一方和第二方对应部署预测模型中的序列表征层和预测层。所述方法应用于第一方，包括：利用序列表征层处理其持有的用户行为序列，其中包括样本用户在T个时刻做出的T个行为，具体地，利用行为表征子层确定T个行为对应的T个行为表征；利用注意力子层确定该T个行为表征对应的T个注意力权重，并用其对T个行为表征进行加权求和，得到原始序列表征；利用加噪子层对该原始序列表征添加基于行为个数T而确定的差分隐私噪声，得到加噪序列表征；从第二方接收其基于该加噪序列表征、其持有的对应用户行为序列的序列标签和预测层而确定的针对序列表征层的训练梯度。
-
公开(公告)号：CN115456788B
公开(公告)日：2023-03-21
申请号：CN202211387148.6
申请日：2022-11-07
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风险群组的检测方法、装置及设备，该方法包括：接收风险群组的检测请求，获取待处理的多个不同用户的目标数据，并对多个不同用户的目标数据进行聚类处理，得到一个或多个由目标数据构成的用户群组，目标数据中包括一种或多种不同的数据特征；基于多个不同用户的目标数据，确定每种数据特征对应的出现概率，并基于每个用户群组和每个用户群组中包含的目标数据，分别确定每个用户群组中包含的用户数量和每种数据特征的数量；基于每种数据特征对应的出现概率，以及每个用户群组中包含的用户数量和每个数据特征的数量，确定每个用户群组中包含的每种数据特征分布的出现概率，进而确定存在预设风险的用户群组。
-
公开(公告)号：CN115423485B
公开(公告)日：2023-03-21
申请号：CN202211369675.4
申请日：2022-11-03
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q20/40 , G06Q30/012 , G06Q40/03 , G06F40/284 , G06F40/289 , G06F40/30
Abstract: 本说明书实施例提供了一种数据处理方法、装置及设备，所述方法包括：获取待检测的目标数据，并获取所述目标数据与每个候选用户意图对应的目标概率，所述目标数据包括人机交互过程中用户的输入数据；对所述目标数据进行划分，得到多个子数据，并基于预设梯度积分算法，获取每个所述子数据对所述目标数据属于每个所述候选用户意图的贡献度；基于所述目标数据与每个候选用户意图对应的目标概率，以及所述每个所述子数据对所述目标数据属于每个所述候选用户意图的贡献度，确定所述目标数据对应的目标用户意图。
-
公开(公告)号：CN115545172B
公开(公告)日：2023-02-07
申请号：CN202211507949.1
申请日：2022-11-29
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兼顾隐私保护和公平性的图神经网络的训练方法及装置，该方法包括：利用图神经网络，对用户关系网络图中N个目标用户对应的节点进行表征聚合，得到N个目标用户的用户表征；至少基于各目标用户的用户表征，采用与目标业务相关的预设损失函数，确定各目标用户对应的预测损失；根据各预测损失，确定各目标用户对应的权重值，使得预测损失越大，所对应目标用户的权重值越大；基于各目标用户的预测损失和权重值，确定总预测损失；以最小化总预测损失为目标，调整图神经网络的参数。
-
Patent Agency Ranking
公开(公告)号：CN115618237A
公开(公告)日：2023-01-17
申请号：CN202211590716.2
申请日：2022-12-12
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/214 , G06F18/24
Abstract: 本说明书提供了一种模型训练的方法、装置、存储介质及电子设备。在本说明书提供的模型训练方法中，获取训练样本、样本标签以及打标环境信息；将所述训练样本输入待训练的目标模型中，确定所述目标模型的输出结果；将所述打标环境信息输入置信度网络中，通过所述置信度网络输出所述样本标签的置信度；根据所述样本标签的置信度，调整所述目标模型的输出结果，得到修正结果；以所述修正结果与所述样本标签之间的差异最小为优化目标，对所述目标模型与所述置信度网络进行训练。采用本说明书提供的模型训练方法对模型进行有监督训练时，能够根据样本标签的可信程度对模型的输出结果进行修正，保证模型的训练效果，同时使标签的利用率最大化。
-
公开(公告)号：CN115456788A
公开(公告)日：2022-12-09
申请号：CN202211387148.6
申请日：2022-11-07
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风险群组的检测方法、装置及设备，该方法包括：接收风险群组的检测请求，获取待处理的多个不同用户的目标数据，并对多个不同用户的目标数据进行聚类处理，得到一个或多个由目标数据构成的用户群组，目标数据中包括一种或多种不同的数据特征；基于多个不同用户的目标数据，确定每种数据特征对应的出现概率，并基于每个用户群组和每个用户群组中包含的目标数据，分别确定每个用户群组中包含的用户数量和每种数据特征的数量；基于每种数据特征对应的出现概率，以及每个用户群组中包含的用户数量和每个数据特征的数量，确定每个用户群组中包含的每种数据特征分布的出现概率，进而确定存在预设风险的用户群组。
-
公开(公告)号：CN115423485A
公开(公告)日：2022-12-02
申请号：CN202211369675.4
申请日：2022-11-03
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q20/40 , G06Q30/00 , G06Q40/02 , G06F40/284 , G06F40/289 , G06F40/30
Abstract: 本说明书实施例提供了一种数据处理方法、装置及设备，所述方法包括：获取待检测的目标数据，并获取所述目标数据与每个候选用户意图对应的目标概率，所述目标数据包括人机交互过程中用户的输入数据；对所述目标数据进行划分，得到多个子数据，并基于预设梯度积分算法，获取每个所述子数据对所述目标数据属于每个所述候选用户意图的贡献度；基于所述目标数据与每个候选用户意图对应的目标概率，以及所述每个所述子数据对所述目标数据属于每个所述候选用户意图的贡献度，确定所述目标数据对应的目标用户意图。
-
公开(公告)号：CN111476668A
公开(公告)日：2020-07-31
申请号：CN202010585710.0
申请日：2020-06-24
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可信关系的识别方法、装置、存储介质和计算机设备。该方法包括：获取用户的行为数据，行为数据包括目标主体的主体特征和多个对象主体的主体特征；根据目标主体的主体特征和多个对象主体的主体特征，利用预先训练的图神经网络模型，生成目标主体对应的第一节点嵌入向量和多个对象主体对应的第二节点嵌入向量；根据第一节点嵌入向量和各个第二节点嵌入向量，生成目标主体与各个对象主体之间的向量距离；判断多个向量距离是否均大于或等于设定阈值；若判断出多个向量距离中至少一个向量距离小于设定阈值，将小于设定阈值的向量距离对应的第一节点嵌入向量和第二节点嵌入向量，确定为可信关系对。
-
公开(公告)号：CN110852761A
公开(公告)日：2020-02-28
申请号：CN201910962393.7
申请日：2019-10-11
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书涉及制定反作弊策略的方法、装置及电子设备。该方法包括：匹配目标活动是否属于已有活动类型；在目标活动属于已有活动类型的情况下，设置匹配于所属活动类型的反作弊策略作为目标活动的反作弊策略；在目标活动不属于已有活动类型的情况下，构建目标活动的反作弊策略。在一个实施例中，该方法能够有效识别和应对营销活动中的风险。
-
-
-
-
-
-
-
-
-
Search Results
87
records
(took 0.037 seconds)
