一种云服务的模型部署方法、装置、电子设备及存储介质

    公开(公告)号:CN116382711A

    公开(公告)日:2023-07-04

    申请号:CN202310350158.0

    申请日:2023-03-29

    Abstract: 本说明书公开了一种云服务的模型部署方法、装置、电子设备及存储介质。方法包括:基于神经网络搜索架构确定目标模型的多种神经网络结构,目标模型的神经层的结构参数作为搜索空间的超参数。根据结构参数,确定每种神经网络结构的神经层的硬件耗时和传输耗时,传输耗时是指终端将神经层的输出结果传输至云端的耗时。按照神经网络结构的总耗时最小化原则,将每种神经网络结构拆分成终端部分和云端部分,总耗时包括终端部分和云端部分中神经层的硬件耗时以及终端部分中输出结果需要传输至云端的神经层的传输耗时。基于预设策略选取出目标神经网络结构,并按照其划分的终端部分和云端部分完成对应部署,预设策略包含基于总耗时的选取维度。

    一种防御模型攻击的方法、装置、存储介质及电子设备

    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

    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。

    一种模型压缩的方法、装置、存储介质及电子设备

    公开(公告)号:CN115543945B

    公开(公告)日:2023-06-20

    申请号:CN202211509870.2

    申请日:2022-11-29

    Abstract: 本说明书公开了一种模型压缩的方法、装置、存储介质及电子设备,可以获取待压缩模型,并确定该待压缩模型的模型结构参数,以及根据模型结构参数,确定针对待压缩模型的若干种压缩方案,而后,根据各种压缩方案,确定每种压缩方案对应的待评估模型,再针对每种压缩方案,根据预设的样本数据,确定该压缩方案对应的待评估模型处理该样本数据得到输出结果所消耗的数据处理时长,作为该压缩方案对应的数据处理时长,从而根据每种压缩方案对应的数据处理时长,确定目标压缩方案,并根据目标压缩方案,对待压缩模型进行压缩,从而提高通过神经网络模型执行业务的效率,保护用户的隐私数据。

    数据处理方法、装置及设备
    325.
    发明公开

    公开(公告)号:CN116186540A

    公开(公告)日:2023-05-30

    申请号:CN202310197133.1

    申请日:2023-02-23

    Abstract: 本说明书实施例提供了一种数据处理方法、装置及设备,其中,该方法包括:获取用于训练目标模型的数据样本;将数据样本输入目标模型的第一模块,得到数据样本对应的第一分类标签以及数据样本对应的第一表征向量;基于第一表征向量和预设类别表征向量的相似度,确定数据样本对应的第二分类标签,并基于第二分类标签、第一分类标签和预设分类损失函数,得到第一损失值;将数据样本输入目标模型的第二模块,得到数据样本对应的第二表征向量,并基于第一表征向量、第二表征向量和预设对比损失函数,得到第二损失值;基于第一损失值和第二损失值,对目标模型进行迭代训练,得到训练后的目标模型。

    一种模型训练方法、装置、存储介质及电子设备

    公开(公告)号:CN116150622A

    公开(公告)日:2023-05-23

    申请号:CN202310183952.0

    申请日:2023-02-17

    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。

    一种模型训练的方法、业务风控的方法及装置

    公开(公告)号:CN115618962B

    公开(公告)日:2023-05-23

    申请号:CN202211276984.7

    申请日:2022-10-18

    Abstract: 本说明书公开了一种模型训练的方法、业务风控的方法及装置。首先,获取各用户在历史上执行业务的业务数据,以构建各样本数据。而后,按照预设的混合方式,将至少两个样本数据对应的标签数据进行混合,得到混合标签数据。然后,将至少两个样本数据输入到待训练的预测模型中,以通过特征提取层从至少两个样本数据分别提取出业务特征,并输入到特征混合层,以按照混合方式将分别提取出的业务特征进行混合,得到混合特征,接着,将混合特征输入到预测层,以根据混合特征,得到第一预测结果。最后,以最小化第一预测结果与混合标签数据之间的偏差为优化目标,对特征提取层以及预测层进行训练。本方法可以提高预测模型确定出的预测结果的准确性。

    一种端云协同执行业务的方法、装置、介质及设备

    公开(公告)号:CN115828171B

    公开(公告)日:2023-05-16

    申请号:CN202310142321.4

    申请日:2023-02-13

    Abstract: 本说明书公开了一种端云协同执行业务的方法、装置、介质及设备,响应于用户操作,确定业务请求,并根据业务请求获取用户数据,确定用户数据中的敏感数据以及非敏感数据。对敏感数据进行特征提取,确定第一特征,将非敏感数据发送到服务器,使服务器对非敏感数据进行特征提取,确定第二特征,接收服务器返回的第二特征。将第一特征与第二特征输入输出层,确定输出结果。对输出结果进行加噪,确定业务请求的加噪输出结果,并将加噪输出结果发送给服务器,使服务器根据加噪输出结果执行业务。使得即使攻击者获取到业务模型以及输出结果,也不能反推出各输出结果对应的用户数据,实现了对用户隐私数据的保护。

    对抗样本生成模型的训练方法及装置

    公开(公告)号:CN113222480B

    公开(公告)日:2023-05-12

    申请号:CN202110656184.7

    申请日:2021-06-11

    Inventor: 李辉 王维强

    Abstract: 本说明书实施例提供一种生成对抗样本的生成模型的训练方法和装置,该方法包括,首先获取原始样本构成的样本集,其中包括正常样本和风险样本;还获取风险检测模型及其对应的损失函数。针对样本集中各个原始样本,利用生成模型生成扰动变换,并将其叠加在对应原始样本上,得到各个原始样本对应的各个变换样本;利用风险检测模型确定各个变换样本的各个风险预测值;以正常样本对应的标签值为比对标签值,分别将各个风险预测值代入前述损失函数,得到各个变换样本的对抗损失;至少根据各个变换样本的对抗损失的综合确定总对抗损失;以最小化总对抗损失为目标,调整生成模型中的参数。

    基于弱介质组合的目标团体发现方法和系统

    公开(公告)号:CN116051253A

    公开(公告)日:2023-05-02

    申请号:CN202310095840.X

    申请日:2023-01-18

    Inventor: 张丽娟 王维强

    Abstract: 本公开提出了一种基于弱介质组合的目标团体发现方法和系统。该方法包括:获取与多个账户相关的风控事件数据;确定该风控事件数据中的所有弱介质和强介质;基于相关性从所有弱介质中选择多个候选弱介质;对该多个候选弱介质的组合进行穷举以形成多个候选弱介质组合,其中每个候选弱介质组合包括两个或更多个候选弱介质;利用介质类型约束和介质数量约束对该多个候选弱介质组合进行筛选以确定目标弱介质组合;以及检测该目标弱介质组合的异常并基于所检测的异常来识别目标团体。

Patent Agency Ranking