-
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：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：CN112948883B
公开(公告)日：2023-10-31
申请号：CN202110317328.6
申请日：2021-03-25
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保护隐私数据的多方联合建模的方法、装置和系统，方法包括：第一方将用户集中任意的第一用户对应的第一隐私数据输入第一神经网络模型，获取第一神经网络模型的目标隐层输出的中间数据；第一神经网络模型利用伪标签通过自监督方式训练得到，伪标签基于用户集中各用户的第一隐私数据而构造；将中间数据和第一用户的用户标识发送给第二方，以使第二方根据用户标识，对中间数据和第一用户对应的第二隐私数据整合后，利用第一用户对应的类别标签，对第二神经网络模型进行训练。能够在多方联合建模时，既保护隐私数据，又能够有效提升模型表现。
-
公开(公告)号：CN116704062A
公开(公告)日：2023-09-05
申请号：CN202310650738.1
申请日：2023-06-02
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06T11/00 , G06V20/60 , G06V10/774
Abstract: 本说明书公开了一种基于AIGC的数据处理方法、装置、电子设备及存储介质。方法包括：根据目标内容主体需要在创作图像中出现的目标位置，生成按照目标位置呈现目标内容主体的基准图像。基于第一文本到图像模型，根据基准图像和第一文本引导信息，生成包含目标内容主体的中间创作图像，第一文本引导信息用于描述生成目标内容主体的图像，目标内容主体在中间创作图像中的位置与目标位置对应。基于第二文本到图像模型，根据中间创作图像和中间创作图像和第二文本引导信息，在中间创作图像中针对目标内容主体生成目标背景的背景图像，得到目标创作图像，第二文本引导信息用于描述生成目标内容主体在目标背景的图像。
-
公开(公告)号：CN116403034A
公开(公告)日：2023-07-07
申请号：CN202310333647.5
申请日：2023-03-28
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06V10/764 , G06V10/774 , G06N3/04 , G06N3/08 , G06Q40/04 , G06Q10/0635
Abstract: 在本说明书提供的图数据模型训练的方法中，根据历史业务记录确定训练样本，通过图数据模型确定训练样本的风险评估值，当训练样本为无标签样本时，根据各无标签样本的风险评估值确定分布；并根据有标签样本的标签，确定所述分布中与所述标签相匹配的区间，以各有标签样本的风险评估值落入与所述标签相匹配的区间为目标，训练所述待训练的图数据模型。从上述方法可以看出，通过利用无标签样本的风险评估值确定分布，再确定有标签样本的风险评估值与所述评估分布的差异，根据所述差异确定损失，利用所述损失训练图数据模型，实现了利用小样本训练图神经网络模型。
-
Patent Agency Ranking
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
Applicant: 支付宝(杭州)信息技术有限公司
IPC: H04L9/40
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。
-
公开(公告)号：CN116188345A
公开(公告)日：2023-05-30
申请号：CN202310189639.8
申请日：2023-02-23
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图像处理的方法、训练图像处理模型的方法及装置，涉及图像处理技术领域。主要技术方案包括：分别获取目标图像的第一特征表示和参考图像的第一特征表示；利用所述目标图像的第一特征表示和参考图像的第一特征表示进行注意力机制的处理，利用注意力机制的处理结果预测特征变换参数；利用所述特征变换参数对所述目标图像的第一特征表示进行特征变换，得到所述目标图像的第二特征表示；利用所述目标图像的第二特征表示进行预测，得到合成图像。本公开能够提高合成图像的效果。
-
公开(公告)号：CN115546810A
公开(公告)日：2022-12-30
申请号：CN202211507954.2
申请日：2022-11-29
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06V30/412 , G06V30/414
Abstract: 本说明书实施例提供一种图像元素类别的识别方法及装置，在识别方法中，从多模态的目标图像中，提取其中包含的多个文本片段，及其对应的多个边界框。针对多个边界框形成的初始集合，迭代执行若干轮次的切分操作，其中单论切分操作根据边界框的轴向投影，将本轮当前集合划分为多个子集合，并确定各个子集合的相对排序，直至得到各个边界框的排序编号，该排序编号指示各个边界框的阅读顺序。至少将多个文本片段、多个边界框及其各自的排序编号，输入类别预测模型进行识别处理，得到目标图像中包含的各个元素的类别。
-
公开(公告)号：CN115545938A
公开(公告)日：2022-12-30
申请号：CN202211508342.5
申请日：2022-11-29
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q40/04 , G06N3/08 , G06N3/04 , G06F16/901
Abstract: 本说明书公开了一种执行风险识别业务的方法、装置、存储介质及设备，通过将历史全图数据拆为各子图数据，通过训练后的解释模型确定各子图数据中主体的权重，根据各子图数据中主体的权重确定历史全图数据中主体的权重，作为历史全图数据的标注，根据历史全图数据及历史全图数据的标注训练预降噪模型。当确定满足更新条件时确定当前全图数据，将当前全图数据输入训练后的预降噪模型，得到当前全图数据中各主体的权重，根据得到的权重，裁剪当前全图数据中的主体得到可信图。可在执行业务前基于预降噪模型输出的权重对当前全图数据进行裁剪，得到降噪后的可信图，接收到携带业务数据的风控业务请求时则可根据可信图确定业务数据对应的风险识别结果。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
142
records
(took 0.046 seconds)
