-
公开(公告)号：CN114912147A
公开(公告)日：2022-08-16
申请号：CN202210586386.3
申请日：2022-05-27
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本公开提供了一种基于主动攻击的模型更新方法，包括：接收来自用户端的模型更新请求；基于模型更新请求备份神经网络模型，以获取备份模型；基于模型更新请求使用可逆变换来混淆神经网络模型，以获取混淆模型；向用户端发送混淆模型和备份模型之一；接收用户端基于所发送模型和本地样本训练的本地模型的模型梯度；以及基于所接收模型梯度更新备份模型以达成模型更新。
-
公开(公告)号：CN114860905A
公开(公告)日：2022-08-05
申请号：CN202210453637.0
申请日：2022-04-24
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/332 , G06F16/33 , G06F16/35 , G06F40/30
Abstract: 本说明书实施例提供了一种意图识别方法、装置及设备，其中方法包括：对获取的待识别数据进行预处理得到目标数据；基于意图识别模型对目标数据进行特征提取处理，得到目标数据的线性特征和非线性特征；基于意图识别模型根据提取的线性特征和非线性特征进行意图识别处理，得到待识别数据的意图识别结果。其中，意图识别模型是对BERT模型进行优化并训练所得。
-
公开(公告)号：CN114817933A
公开(公告)日：2022-07-29
申请号：CN202210468467.3
申请日：2022-04-29
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F21/57
Abstract: 本说明书实施例提供了评估业务预测模型鲁棒性的方法、装置及计算设备。方法包括：对于多个业务对象的任意第一业务对象，获取业务预测模型对第一业务对象进行针对业务标签的预测结果，包括基于对应第一业务样本和第二样本分别预测得到的第一预测值和第二预测值；基于各业务对象的第一预测值和各第一预测值形成的第一集合，计算多个业务对象各自对应的第一分位数；基于各业务对象的第二预测值和第一集合，计算多个业务对象各自对应的第二分位数；基于多个业务对象各自对应的第一分位数和第二分位数确定多个业务对象各自的预测误差；基于多个业务对象各自的预测误差确定业务预测模型对抗攻击的鲁棒性得分，不依赖样本标签预测业务预测模型的鲁棒性。
-
公开(公告)号：CN114692724A
公开(公告)日：2022-07-01
申请号：CN202210208136.6
申请日：2022-03-03
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数据分类模型的训练方法、数据分类方法和装置。根据实施例的方法，首先获取标签已知的正数据样本和标签未知的灰度数据样本，然后分别确定基于该正数据样本的标准正数据概率分布和基于该灰度数据样本的拟合正数据概率分布。进一步即可根据该标准正数据概率分布和拟合正数据概率分布实现对数据分类模型的训练。如此基于灰度数据中的正数据也应服从标准正数据概率分布的原则，构建适用于对所有数据进行标签分类的数据分类模型，从而能够提高利用该数据分类模型对数据进行分类的准确性。
-
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。
-
Patent Agency Ranking
公开(公告)号：CN114638685A
公开(公告)日：2022-06-17
申请号：CN202210222836.0
申请日：2022-03-07
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识别方法、装置及设备，该方法应用于电子设备，电子设备包括可信执行环境，包括：接收第一设备发送的目标业务的风险识别请求，该风险识别请求中包括目标业务的业务标识、发起目标业务的用户的标识和对目标业务进行风险识别所需的第一业务数据，将该业务标识、用户的标识和第一业务数据传递至可信执行环境中，并从预设的风险防控系统中获取用于对目标业务进行风险识别所需的第二业务数据，将第二业务数据传递至可信执行环境中，在可信执行环境中，基于该业务标识、用户的标识、第一业务数据和第二业务数据对目标业务进行风险识别处理，将风险识别结果发送给第一设备，以对目标业务进行处理。
-
公开(公告)号：CN111026570B
公开(公告)日：2022-05-31
申请号：CN201911061421.4
申请日：2019-11-01
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F11/07
Abstract: 本说明书的实施例提供用于确定业务系统异常原因的方法及装置。在该方法中，基于归因维度集确定当前归因维度组合的维度值组合集。基于异常业务指标数据和参考业务指标数据，计算各个维度值组合的贡献度和异变度。所述维度值组合集是通过基于异变度进行的递进式深层拆分而得到的，所得到的维度值组合集构成树状结构，并且针对所计算出的贡献度大于预定阈值的各个叶子结点的维度值组合，基于该维度值组合生成业务系统异常原因。
-
公开(公告)号：CN114417987A
公开(公告)日：2022-04-29
申请号：CN202210028772.0
申请日：2022-01-11
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模型训练方法、数据识别方法、装置及设备，包括：获取多个训练样本，将多个训练样本输入至第一模型中，确定训练样本对应的字符序列中的每个字符位的字符为预设字符的第一预测概率；并将多个训练样本输入至第二模型中，确定训练样本对应的字符序列中的每个字符位的字符为预设字符的第二预测概率；基于第一预测概率和训练样本的标签信息，从多个训练样本中选取第一数量的训练样本；并基于第二预测概率和训练样本的标签信息，从多个训练样本中选取第二数量的训练样本；基于第一数量的训练样本对第二模型进行训练，并基于第二数量的训练样本对第一模型进行训练，直到训练后的第一模型和/或训练后的第二模型满足相应的收敛条件。
-
公开(公告)号：CN113992429B
公开(公告)日：2022-04-29
申请号：CN202111580928.8
申请日：2021-12-22
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事件的处理方法、装置及设备，该方法包括：获取目标事件的事件处理请求，其中，该事件处理请求中包括目标事件的事件信息，如果该事件信息满足预设的第一条件，则从预设的知识库中获取目标事件对应的风险防控规则，并将该事件信息分别与获取的目标事件对应的风险防控规则进行匹配，得到与该事件信息相匹配的第一规则，然后，可以基于与该事件信息相匹配的第一规则，确定该事件信息对应的预测风险信息，将该事件信息对应的预测风险信息和该事件信息输入到目标事件对应的风险防控模型中，得到该事件信息对应的风险信息，最终，可以基于该事件信息对应的风险信息对目标事件进行处理。
-
公开(公告)号：CN114238910A
公开(公告)日：2022-03-25
申请号：CN202111574447.6
申请日：2021-12-21
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处理方法、装置及设备，所述方法包括：接收目标用户针对目标业务的触发执行指令，并响应于所述触发执行指令，获取所述目标用户对应的第一图像；基于预先训练的图像脱敏模型，确定与所述第一图像对应的目标脱敏图像，所述图像脱敏模型为基于第一损失函数、第二损失函数以及历史第一图像，对由预设深度学习算法构建的模型进行训练得到，所述第一损失函数用于使所述图像脱敏模型输出的脱敏图像符合预设图像脱敏需求，所述第二损失函数用于使所述图像脱敏模型输出的脱敏图像符合所述目标业务的预设图像使用需求；将所述目标脱敏图像发送给服务器，以使所述服务器基于所述目标脱敏图像执行所述目标业务。
-
-
-
-
-
-
-
-
-
Search Results
500
records
(took 0.055 seconds)
