-
公开(公告)号：CN117743863A
公开(公告)日：2024-03-22
申请号：CN202311715865.1
申请日：2023-12-13
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/22 , G06F18/2433 , G06F18/21 , G06F18/213
Abstract: 本说明书公开了一种异常图挖掘方法、装置、存储介质及电子设备。在本说明书提供的异常图挖掘方法中，获取样本业务图，将样本业务图中存在异常的节点确定为黑节点，不存在异常的节点确定为白节点；在样本业务图中确定出以黑节点为中心节点的黑样本子图，以白节点为中心节点的白样本子图；针对每个图模式，根据与该图模式同构的黑样本子图的数量，确定该图模式的黑支持度；根据该图模式中的节点特征，与白样本子图中的节点特征，对该图模式与白样本子图进行匹配，得到与该图模式匹配的白样本子图的数量，并根据与该图模式匹配的白样本子图的数量，确定该图模式的白支持度；根据该图模式的黑支持度与白支持度，判断该图模式是否为异常图模式。
-
公开(公告)号：CN117726459A
公开(公告)日：2024-03-19
申请号：CN202410077862.8
申请日：2024-01-18
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q40/08 , G06N5/022 , G06N3/0455 , G06N3/0464 , G06N3/042
Abstract: 本说明书实施例公开了一种数据的处理方法、装置及设备，该方法包括：获取针对目标商户的多种不同的模态数据，然后，可以基于多种不同的模态数据，分别通过多种不同的多模态知识图谱构建方式，构建相应的多模态知识图谱，对构建的多个多模态知识图谱中的节点之间的关系进行增补检测，并对需要进行增补的多模态知识图谱的不同节点之间的关系进行增补处理，得到增补后的多模态知识图谱，最终，可以将无需增补的多模态知识图谱和增补后的多模态知识图谱输入到预先训练的图谱表征模型中，得到针对目标商户的表征信息，基于针对目标商户的表征信息进行风险防控处理，图谱表征模型中包括注意力模块。
-
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：CN117495649A
公开(公告)日：2024-02-02
申请号：CN202410005892.8
申请日：2024-01-02
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06T1/00 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本说明书实施例公开了一种图像的处理方法、装置及设备，该方法包括：获取待保护的目标图像和包含预设水印信息的第一图像；基于预设的编码器分别对所述目标图像和所述第一图像进行编码处理，以将预设水印信息通过隐写的方式写入所述目标图像中，得到载有所述预设水印信息的载水印图像的编码信息，所述载水印图像与所述目标图像在视觉上相同，且所述载水印图像的图像特征与所述目标图像的图像特征的相似度小于预设阈值，所述编码器是基于图像样本和包含预设水印样本的第三图像进行模型训练得到的编码器；基于所述载水印图像的编码信息生成所述载水印图像。
-
公开(公告)号：CN117436512A
公开(公告)日：2024-01-23
申请号：CN202311310665.8
申请日：2023-10-08
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训练的方法及装置，用于隐私保护，第一计算节点可以将本地第一图数据输入到本地预测模型中，以通过该预测模型中包含的若干图卷积层，得到中间层特征矩阵，并输入到之后的目标卷积层中，得到目标特征矩阵，向第二计算节点发送中间层特征矩阵，第二计算节点将中间层特征矩阵输入到本地预测模型中包含的与目标卷积层对应的卷积层中，得到聚合矩阵并返回给第一计算节点，而后通过第二计算节点返回的聚合矩阵对目标特征矩阵进行更新，得到更新后矩阵，进而确定基于更新后矩阵的预测结果，以对第一计算节点本地预测模型进行训练，从而实现不同计算节点拥有不同业务类型的图数据的情况下的联邦学习，提高了业务执行的准确率。
-
Patent Agency Ranking
公开(公告)号：CN116306868B
公开(公告)日：2024-01-05
申请号：CN202310217203.5
申请日：2023-03-01
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N3/08
Abstract: 本说明书实施例公开了一种模型的处理方法、装置及设备，该方法包括：将目标域的目标数据分别输入第一教师模型和第二教师模型中，得到第一教师模型对应的第一输出数据和第二教师模型对应的第二输出数据，第一教师模型是源域的模型，第二教师模型是目标域的模型；将目标数据输入到数据选择模型中，得到第一教师模型和第二教师模型的重要性权重，并基于上述重要性权重和两个输出数据，确定目标数据对应的教师输出结果；将目标数据输入到第一学生模型中，得到目标数据对应的第一学生输出结果；基于教师输出结果、第一学生输出结果和目标数据对应的标签信息，通过预设的损失函数，使用第一教师模型和第二教师模型对第一学生模型进行知识蒸馏训练。
-
公开(公告)号：CN117315674A
公开(公告)日：2023-12-29
申请号：CN202311145850.6
申请日：2023-09-06
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06V30/164 , G06V30/18 , G06T11/60
Abstract: 本说明书一个或多个实施例公开了一种图像文本编辑的方法、装置及电子设备。所述方法包括：对原始文本图像进行针对被替换文本的OCR检测，确定所述被替换文本的位置信息，所述位置信息用于指示所述被替换文本在所述原始文本图像中出现的位置；对所述原始文本图像进行添加噪声处理，得到所述原始文本图像对应的噪声图像；在通过扩散模型对所述噪声图像进行降噪处理时，将替换文本和所述原始文本图像作为所述扩散模型的生成内容引导、将所述位置信息作为所述替换文本的生成位置引导，以生成将所述原始文本图像的被替换文本替换为所述替换文本的目标文本图像。
-
公开(公告)号：CN117151250A
公开(公告)日：2023-12-01
申请号：CN202311008652.5
申请日：2023-08-10
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N20/20 , G06F18/241 , G06F18/214 , G06F18/213 , G06N3/0442
Abstract: 本说明书公开了一种模型训练方法、装置、设备及可读存储介质，第一节点在接收到第二节点发送的第二训练样本的特征时，将第二训练样本的特征写入记忆组件，在通过第一编码器确定第一训练样本的特征时，根据第一训练样本的特征从记忆组件中读取与第一训练样本的特征存在关联关系的目标特征，从而将目标特征和第一训练样本的特征输入分类器，得到第一训练样本的预测结果，基于第一训练样本的预测结果和标注训练目标模型。可见，上述方案基于联邦学习的思想，通过记忆组件存储来自第二节点的特征，在目标模型的训练过程中有效利用第二训练样本的信息的同时，并保证了第二训练样本和第一训练样本的隐私安全，提高了模型的隐私安全性和准确性。
-
公开(公告)号：CN117093621A
公开(公告)日：2023-11-21
申请号：CN202311008506.2
申请日：2023-08-10
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/2457 , G06F21/62 , G06F16/2458
Abstract: 本说明书实施例披露一种保护数据隐私的向量检索方法及装置。该方法包括：第一方基于待检索的目标向量执行多次旋转操作，得到多个第一旋转向量，并对其中位于相同位置元素所组成的向量分别进行同态加密，得到第一密文集；第一方向第二方发送第一密文集和相似度阈值；第二方基于第一密文集、相似度阈值和第二编码集进行同态运算，得到检索结果密文，其中第二编码集是预先基于多个候选向量分别执行旋转操作，得到对应的多个第二旋转向量后，对其中位于相同位置元素所组成的向量分别进行同态加密中的编码处理而得到；第一方对接收到的检索结果密文进行同态解密，得到检索结果明文，其指示各个候选向量与目标向量之间的相似度是否大于相似度阈值。
-
公开(公告)号：CN117077807A
公开(公告)日：2023-11-17
申请号：CN202311003664.9
申请日：2023-08-10
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N20/00 , G06F16/9535 , G06F17/18
Abstract: 本说明书涉及一种数据增强方法及系统，方法包括：获取两个用户行为序列；将两个用户行为序列均调整为预设长度；从预设长度的第一用户行为序列中选择若干个第一事件，作为各待替换第一事件；将预设长度的第一用户行为序列中的各待替换第一事件替换为所述预设长度的第二用户行为序列中的相应位置的各第二事件，得到第三用户行为序列；获取第三用户行为序列的第三风险结果，以通过第三用户行为序列和第三风险结果对机器学习模型进行训练。本说明书的数据增强方法及系统，基于两个不定长的用户行为序列生成新的用户行为序列，从而增加样本量。
-
-
-
-
-
-
-
-
-
Search Results
500
records
(took 0.046 seconds)
