-
公开(公告)号：CN118747681A
公开(公告)日：2024-10-08
申请号：CN202410781192.8
申请日：2024-06-17
Applicant: 浙江大学 , 支付宝(杭州)信息技术有限公司
Abstract: 本说明书公开了一种多机构协同风控的方法、装置、存储介质、设备，针对任一机构，确定该机构中每个账户的跨机构交易,利用加密算法，对该机构中各账户的跨机构交易的交易信息进行加密，得到该机构的加密交易信息，并存储；不同机构的所使用的加密算法均相同,当对指定机构中的指定账户进行风控时，确定所述指定账户的跨机构交易对应的加密交易信息，作为待检交易信息,确定所述待检交易信息是否与其他机构存储的加密交易信息匹配,根据匹配结果，确定所述指定账户的风险状态,使每个参与机构均利用相同的加密算法对自身机构中各账户的跨机构交易进行加密，在不泄露自身交易数据的情况下，即可利用其他机构的交易数据完成对自身内部账户的风控。
-
公开(公告)号：CN118675188A
公开(公告)日：2024-09-20
申请号：CN202410651821.5
申请日：2024-05-23
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06V30/41 , G06V30/19 , G06V30/18 , G06T7/50 , G06T5/50 , G06T5/90 , G06V10/82 , G06N3/0464 , G06N3/0455
Abstract: 本说明书实施例提供了一种凭证检测方法、装置、存储介质及设备，其中方法包括：对待检测图像进行深度估计，得到待检测图像对应的深度特征图，然后基于深度特征图和待检测图像融合生成深度图像，再对深度图像进行低光照图像增强处理，得到增强后的增强图像，最后基于增强图像进行凭证检测，得到凭证检测结果，采用此方法，能够有效提升凭证检测准确性和鲁棒性。
-
公开(公告)号：CN118036710A
公开(公告)日：2024-05-14
申请号：CN202410233517.9
申请日：2024-02-29
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N3/098 , G06N3/045 , G06Q30/0207
Abstract: 本说明书实施例公开了一种预测模型训练的方法、装置及电子设备。所述方法包括：获取用于对预测模型训练的样本数据，所述预测模型包含分离网络和预测网络；将所述商户特征输入所述分离网络中的第一子分离网络，基于所述第一子分离网络对所述商户特征的分离处理，得到第一直接特征；根据第一分布和第二分布之间的差异，确定所述第一子分离网络的第一直接损失函数，所述第一分布为所述激励措施为所述第一措施的样本数据对应的第一直接特征的分布，所述第二分布为所述激励措施为所述第二措施的样本数据对应的第一直接特征的分布；通过最小化至少包含所述第一直接损失函数的目标损失函数，对所述预测模型进行训练，得到训练后的预测模型。
-
公开(公告)号：CN117573495A
公开(公告)日：2024-02-20
申请号：CN202311558299.8
申请日：2023-11-21
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F11/34
Abstract: 本说明书实施例公开了一种模型效果的评估方法、装置及设备，该方法包括：获取不同用户执行目标业务的过程中产生的业务数据构成的数据集。分别将所述数据集中的业务数据输入到所述目标业务对应的目标模型中，通过所述目标模型确定所述数据集中的业务数据对应的特征分布信息和/或所述数据集中的业务数据对应的模型预测结果的分布信息。基于所述数据集中的业务数据对应的特征分布信息和/或所述数据集中的业务数据对应的模型预测结果的分布信息，通过预设的效果评估策略对所述目标模型进行效果评估，得到对所述目标模型的效果评估结果，所述效果评估策略是基于对所述目标模型进行模型训练过程中使用的业务数据样本集进行处理所构建的策略。
-
公开(公告)号：CN117454147A
公开(公告)日：2024-01-26
申请号：CN202311414663.3
申请日：2023-10-27
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/213 , G06F18/2433 , G06F16/35
Abstract: 本说明书公开了一种异常检测模型的训练方法及装置，根据用于描述参考用户在各历史时刻的业务行为的各参考文本以及特征提取模型，确定各参考文本的特征，根据各参考文本的特征以及参考文本序列确定参考文本序列的特征，从而，将参考文本序列的特征输入待训练的异常检测模型，得到异常检测结果，获取参考用户的业务行为标签，根据业务行为标签和异常检测结果训练异常检测模型。可见，通过在异常检测模型的训练过程中，首先对每个参考文本进行单独的特征提取，再基于各参考文本的特征得到参考文本序列的特征的方式，训练时无需直接采用过长的参考文本序列作为训练样本，提高了人工智能模型训练的效率以及隐私数据的安全性。
-
Patent Agency Ranking
公开(公告)号：CN116824331A
公开(公告)日：2023-09-29
申请号：CN202310650574.2
申请日：2023-06-02
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06V10/82 , G06N3/08 , G06V10/764 , G06V10/40
Abstract: 本说明书公开了一种模型训练、图像识别方法、装置、设备及存储介质，用于隐私保护，可以通过将样本图像属于每个父类别的概率值和样本图像属于每个类别下的子类别的概率值之间的偏差为约束条件，以使图像识别模型输出的样本图像属于任意一个父类别的概率值和图像识别模型输出的样本图像属于这个父类别下的子类别的概率值保持一致，从而使得在对图像识别模型进行训练过程中，可以在使用细粒度的各样本图像对图像识别模型进行训练的同时，使用部分粗粒度的样本图像对图像识别模型进行训练，进而可以在给定的数量有限的细粒度样本图像的基础上，提升图像识别模型的训练效果。
-
公开(公告)号：CN116739874A
公开(公告)日：2023-09-12
申请号：CN202310618073.6
申请日：2023-05-29
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06T1/00 , G06F21/16 , G06N3/0475 , G06N3/094 , G06N3/084
Abstract: 本说明书实施例公开了一种对抗噪声生成模型的训练方法，包括：将噪声生成模型输出的第一类型对抗噪声添加到原始图像上，获得扰动图像；在扰动图像上嵌入水印获得载印图像；对所述载印图像进行水印抹除，获得目标图像以及水印特征，水印特征用于输入噪声生成模型，从而输出第一类型对抗噪声；以目标图像与原始图像的差异最大化为目标对所述噪声生成模型进行训练；当需要对指定图像嵌入水印时，将待嵌入所述指定图像的水印的水印特征输入训练后的噪声生成模型，将所述训练后的噪声生成模型输出的第一类型对抗噪声添加到所述指定图像上，并将水印嵌入到添加了第一类型对抗噪声的指定图像中。相应地，本发明公开了对抗噪声生成模型的训练装置。
-
公开(公告)号：CN116246314A
公开(公告)日：2023-06-09
申请号：CN202211610853.8
申请日：2022-12-14
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06V40/16 , G06V40/40 , G06V10/774
Abstract: 本发明公开了一种活体检测模型训练和活体检测的方法，包括：根据输入帧样本集，获取所述样本集中各帧对应的人脸辅助视图和所述输入帧样本集对应的活体真值；通过所述特征提取主干网络提取所述输入帧训练集的样本特征序列；将所述样本特征序列输入辅助监督网络，根据输出的辅助估计图和所述人脸辅助视图计算辅助损失；将所述样本特征序列输入所述时域检测网络，并根据输出的活体预测值与活体真值计算活体预测损失；根据所述辅助损失与所述活体预测损失确定综合损失，并以所述综合损失最小为训练目标，对所述活体检测模型进行训练。相应地，本发明公开了活体检测模型训练和活体检测的装置。
-
公开(公告)号：CN116187424A
公开(公告)日：2023-05-30
申请号：CN202211680275.5
申请日：2022-12-26
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N3/094 , G06N3/0475 , G06V40/40 , G06V10/82
Abstract: 本发明公开了一种基于样本训练的活体检测模型训练与使用方法，包括：获取目标物的实体模型数据和数字模型数据；将所述实体模型数据和所述数字模型数据输入所述第一样本训练网络，通过第一特征提取器提取模型特征，通过所述第一判别器判断所述模型特征属于所述数字模型数据还是所述实体模型数据，计算所述第一特征提取器与所述第一判别器组成的生成对抗网络对应的第一训练损失；以所述数字模型数据和所述实体模型数据作为样本数据对所述活体判断网络进行训练，并计算所述活体判断网络的判断损失；根据所述第一训练损失和所述判断损失对所述活体检测模型进行训练。相应地，本发明公开了基于样本训练的活体检测模型训练与使用装置。
-
公开(公告)号：CN116109833A
公开(公告)日：2023-05-12
申请号：CN202310090653.2
申请日：2023-01-17
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本发明公开了一种图像特征提取模型训练和图像比对的方法，包括：获取样本图像，对所述样本图像进行图像变换，以至少得到对应的第一变化视图和第二变化视图；将所述第一变化视图输入知识蒸馏网络中的老师网络，通过所述老师网络提取特征；将所述第二变化视图输入所述知识蒸馏网络中的学生网络，通过所述学生网络提取特征；根据所述第二变化视图的特征进行图像恢复，得到恢复视图；根据所述第一变化视图的特征和所述第二变化视图的特征确定蒸馏损失；根据所述恢复视图和所述样本图像确定复原损失；根据所述蒸馏损失和所述复原损失对所述老师网络进行训练。相应地，本发明公开了图像特征提取模型训练和图像比对的装置。
-
-
-
-
-
-
-
-
-
Search Results
66
records
(took 0.041 seconds)
