-
公开(公告)号：CN112579979B
公开(公告)日：2024-06-25
申请号：CN202011521825.X
申请日：2020-12-21
Applicant: 支付宝(杭州)信息技术有限公司
Inventor： 吴若凡
IPC: G06F17/18
Abstract: 本说明书实施例提供了一种自适应数据分析中的错误发现率控制方法及装置。控制系统包括外层的控制单元和内层的分析单元，而第一分析试验和第二分析试验是分析试验序列中依次排列的两个分析试验，各个分析试验针对包含私有数据的原始数据进行自适应数据分析。控制单元获取第一分析单元发送的针对第一分析试验的第一显著性检验结果，该结果是根据第一分析试验对应的假设的显著性P值与第一显著性阈值的比较得到；控制单元根据已获得的多个显著性检验结果以及目标错误发现率，确定第二显著性阈值，并将其发送至用于执行第二分析试验的第二分析单元，以使第二分析单元将第二显著性阈值应用于第二分析试验的检验结果判断中。
-
公开(公告)号：CN118194974A
公开(公告)日：2024-06-14
申请号：CN202410384323.9
申请日：2024-03-29
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书公开一种模型训练、业务风控方法、装置、存储介质及设备，在下游设备端，可以通过使每个下游设备将本地存储的图数据蒸馏到统一的基础图数据上，得到目标图数据，从而可以避免由于各个下游设备所使用的本地任务图数据之间的图异质性问题而导致联邦训练效果差的情况发生，以及，在中心服务器端，可以通过中心服务器根据每个下游设备返回的目标图数据与其他下游设备返回的目标图数据之间的相关性，将每个下游设备的模型参数与其他下游设备的模型参数进行聚合，以为每个下游设备确定一套个性化的目标模型参数，以使每个下游设备根据各自对应的目标模型参数对本地模型进行更新，进而可以提升联邦训练的训练效果。
-
公开(公告)号：CN118194928A
公开(公告)日：2024-06-14
申请号：CN202410384543.1
申请日：2024-03-29
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N3/0464 , G06N3/084 , G06N5/04
Abstract: 本说明书实施例公开了一种基于隐私推理的神经网络模型确定方法和装置，确定隐私推理模型所需进行的隐私推理任务类型，根据隐私推理任务类型，确定密态数据集和明文态数据集，以及包含各候选子结构的搜索空间，通过神经网络架构搜索，在搜索空间中搜索用于构成隐私推理模型的各候选子结构，并确定由搜索到的各候选子结构构成的初始神经网络模型。根据明文态数据集，确定初始神经网络模型的准确度损失，并，根据密态数据集，确定初始神经网络模型进行隐私推理任务类型对应的任务时对应的运算开销损失，根据准确度损失和运算开销损失，对初始神经网络模型进行优化，直至初始神经网络模型满足预设条件时，将初始神经网络确定为隐私推理模型。
-
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。
-
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。
-
Patent Agency Ranking
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：CN115293025A
公开(公告)日：2022-11-04
申请号：CN202210788679.X
申请日：2022-07-06
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F30/27 , G06F119/02
Abstract: 本说明书实施例提供了一种图数据的处理方法及对应装置。其中方法包括：获取利用用户的网络行为数据构建的图数据，图数据包括节点的数据和边的数据，节点包括行为主体和行为对象，边依据行为主体和行为对象之间的行为关系确定；获取风险识别模型的权重参数矩阵和图数据对应的节点特征矩阵，利用权重参数矩阵和节点特征矩阵确定线性化后的特征矩阵；利用线性化后的特征矩阵，确定图数据中的各节点对产生攻击扰动的重要度；依据重要度从图数据中的各节点中选择锚节点；在图数据中删除目标节点与锚节点相连的边，得到去噪后的图数据。通过本申请能够有效降低风险识别模型受对抗攻击的影响，从而提高风险识别模型的鲁棒性。
-
公开(公告)号：CN115081640A
公开(公告)日：2022-09-20
申请号：CN202210636831.2
申请日：2020-12-06
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基于差分隐私的联邦学习方法及装置、电子设备，该方法应用于任一终端设备，包括多次迭代，每次迭代包括：基于训练数据和当前本地参数，确定待处理的第一梯度向量，对第一梯度向量进行多级量化处理，得到第二梯度向量，在第二梯度向量的向量空间中，基于第二梯度向量，生成第一向量集合和第二向量集合，进行满足差分隐私的采样，以从第一向量集合或第二向量集合中随机采样出第三梯度向量。对第三梯度向量进行归一化，得到目标梯度向量，并向服务器上传目标梯度向量。能够提高联邦学习过程中的通讯效率，从而提高了联邦学习的效率。
-
公开(公告)号：CN112016123B
公开(公告)日：2021-09-07
申请号：CN202010922588.1
申请日：2020-09-04
Applicant: 支付宝(杭州)信息技术有限公司
Inventor： 吴若凡
IPC: G06F21/62
Abstract: 本说明书实施例提供一种隐私保护算法的验证方法、装置及电子设备，根据该方法，获取第一隐私仿真数据集、第二隐私仿真数据集以及待验证的隐私保护算法，多次调用上述隐私保护算法处理第一隐私仿真数据集，得到多个第一结果，以及多次调用上述隐私保护算法处理第二隐私仿真数据集，得到多个第二结果。构建多个第一结果的累积分布函数，确定每个第二结果针对上述累积分布函数的p值，得到多个p值，并利用上述多个p值构建权衡函数，以利用该权衡函数的图像验证上述隐私保护算法的隐私保护性能。如此能够便捷且准确地对隐私保护算法的隐私保护性能做出决策。
-
公开(公告)号：CN112541592A
公开(公告)日：2021-03-23
申请号：CN202011409580.1
申请日：2020-12-06
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基于差分隐私的联邦学习方法及装置、电子设备，该方法应用于任一终端设备，包括多次迭代，每次迭代包括：基于训练数据和当前本地参数，确定待处理的第一梯度向量，该第一梯度向量的欧式范数小于等于预设范数，对第一梯度向量进行多级量化处理，得到第二梯度向量，在第二梯度向量的向量空间中，基于第二梯度向量，生成第一向量集合和第二向量集合，进行满足差分隐私的采样，以从第一向量集合或第二向量集合中随机采样出第三梯度向量。对第三梯度向量进行归一化，得到目标梯度向量，并向服务器上传目标梯度向量。能够提高联邦学习过程中的通讯效率，从而提高了联邦学习的效率。
-
-
-
-
-
-
-
-
-
Search Results
71
records
(took 0.036 seconds)
