-
公开(公告)号：CN111026436B
公开(公告)日：2021-04-02
申请号：CN201911250425.7
申请日：2019-12-09
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F8/71
Abstract: 本说明书实施例提供一种模型联合训练方法及装置，在训练方法中，接收模型训练任务的配置指令。该配置指令指示多个数据提供方中参与本次联合训练的各目标提供方以及本次联合训练所使用的目标模型。查询版本信息表，以确定各目标提供方各自部署的执行引擎的引擎版本信息。基于各目标提供方各自部署的执行引擎的引擎版本信息，判断目标模型是否为各目标提供方各自部署的执行引擎共同支持的公共模型，并在目标模型是公共模型的情况下，确定目标模型的公共版本。向各目标提供方发送联合训练请求，该联合训练请求指示各目标提供方通过各自部署的执行引擎加载公共版本的目标模型并训练。由此，可实现各数据提供方数据的隐私保护。
-
公开(公告)号：CN111737011B
公开(公告)日：2021-01-29
申请号：CN202010759188.3
申请日：2020-07-31
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书提供一种安全多方计算的实现方法，应用在安全多方计算参与方的代表节点上，所述方法包括：确定本参与方符合安全多方计算协议的密态计算任务；将所述密态计算任务拆分为至少两个子任务，并将子任务分发给至少两个辅助节点进行计算；接收辅助节点返回的子任务的执行结果，根据子任务的执行结果生成符合安全多方计算协议的密态计算任务的计算结果。
-
公开(公告)号：CN111966473A
公开(公告)日：2020-11-20
申请号：CN202010721528.3
申请日：2020-07-24
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本申请实施例提供了一种线性回归任务的运行方法及装置、电子设备。其中，线性回归任务的运行方法通过独立的运行针对第一自变量矩阵的每个列创建的线性回归任务，并在每个线性回归任务中，针对每一列向量，使用对应的校正算法对根据第一自变量矩阵和预设回归系数向量确定的公共向量进行校正，可以得到针对每一列向量的回归值向量，从而可以计算出每一列向量与其它列向量之间的共线性参数，使得在独立的并行运行多个线性回归任务时，不用在执行每个线性回归任务之前提前对第一自变量矩阵进行变形处理并存储，也即，无需存储多个第一自变量矩阵的变形矩阵，节约了存储空间，兼顾了线性回归任务的运行速度和内存占用的问题。
-
公开(公告)号：CN111026436A
公开(公告)日：2020-04-17
申请号：CN201911250425.7
申请日：2019-12-09
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F8/71
Abstract: 本说明书实施例提供一种模型联合训练方法及装置，在训练方法中，接收模型训练任务的配置指令。该配置指令指示多个数据提供方中参与本次联合训练的各目标提供方以及本次联合训练所使用的目标模型。查询版本信息表，以确定各目标提供方各自部署的执行引擎的引擎版本信息。基于各目标提供方各自部署的执行引擎的引擎版本信息，判断目标模型是否为各目标提供方各自部署的执行引擎共同支持的公共模型，并在目标模型是公共模型的情况下，确定目标模型的公共版本。向各目标提供方发送联合训练请求，该联合训练请求指示各目标提供方通过各自部署的执行引擎加载公共版本的目标模型并训练。由此，可实现各数据提供方数据的隐私保护。
-
公开(公告)号：CN118568773A
公开(公告)日：2024-08-30
申请号：CN202410763930.6
申请日：2024-06-13
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例披露一种多方联合进行数据处理的方法及装置，用于安全判断第一数据x是否等于第二数据y，x和y均以算术分享的方式分布于多个计算方。该方法包括：各计算方将x和y分别在本地的第一分片和第二分片相减，得到x和y的数据差值d的差值分片，以及，各计算方从协助方接收随机数r的第一算术分片和第一布尔分片；接着，各计算方各自利用本地的差值分片和第一算术分片进行预定算术运算后进行交互，使其中的指定计算方重构对d和r进行该预定算术运算后的数值明文c；之后，指定计算方根据c和其本地的第一布尔分片，确定目标布尔值b的本方分片；其他计算方根据其本地的第一布尔分片确定b的本方分片；其中b指示d是否为零。
-
Patent Agency Ranking
公开(公告)号：CN112818290B
公开(公告)日：2023-11-14
申请号：CN202110084215.6
申请日：2021-01-21
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供一种多方联合确定隐私数据中对象特征相关性的方法及装置。隐私数据分布在多个持有方中，第一持有方针对第一原始矩阵中多项特征的特征值进行零均值化，得到第一中心矩阵；利用多方安全计算，基于第一中心矩阵以及其他持有方各自的中心矩阵，确定协方差矩阵的第一分片矩阵。针对第一持有方中的第i特征与第二持有方中的第j特征，第一持有方从本地的协方差矩阵分片、本地存储的特征数据中获取数据，并利用多方安全计算，基于第二持有方的本地特征数据，确定第i特征与第j特征之间的第一相关性系数分片。
-
公开(公告)号：CN115622695A
公开(公告)日：2023-01-17
申请号：CN202211173535.X
申请日：2022-09-26
Applicant: 支付宝(杭州)信息技术有限公司
IPC: H04L9/08
Abstract: 本说明书实施例提供一种安全多方计算中的代理节点选举方法和装置，方法包括：任一数据提供方执行多轮选举，每一轮选举包括：在第一阶段，生成本方的随机数，将其加密数据发送给其他各个数据提供方，并从其他各个数据提供方接收其他各方的随机数的加密数据；在获得m份加密数据后执行第二阶段，将本方的密钥发送给各个数据提供方，并从其他各个数据提供方接收其他各方的密钥；利用其他各方的密钥分别对其他各方的随机数的加密数据进行解密，得到其他各方的随机数；利用本方的随机数和其他各方的随机数，进行约定的第一函数运算，得到第一函数值；将第一函数值对应的数据提供方作为本轮选举出的代理节点。能够确保选举的公平性。
-
公开(公告)号：CN114692133A
公开(公告)日：2022-07-01
申请号：CN202210280620.X
申请日：2021-01-22
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书公开了一种程序运行方法及系统。所述方法包括：对原始数据集合中每个数据的值进行分片处理，得到每个数据的N个分片值；确定N个分片数据集合；同一数据在N个分片数据集合中的值与该同一数据的N个分片值一一对应；在指定情况下，N个运行设备分别基于不同的分片数据集合运行目标程序；每个运行设备基于至少两个线程，分担执行所述目标程序；其中，通过预先配置，使得针对所述目标程序对应的每个基础运算单元，将任意一组值输入该基础运算单元进行运算得到的运算结果，等于：将该任意一组值的每组分片值分别输入该基础运算单元进行分别运算后，对得到的全部运算结果进行逆分片处理后得到的处理结果。
-
公开(公告)号：CN112836210A
公开(公告)日：2021-05-25
申请号：CN202110090831.2
申请日：2021-01-22
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书公开了一种程序运行方法及系统。所述方法包括：对原始数据集合中每个数据的值进行分片处理，得到每个数据的N个分片值；所述原始数据集合包括用于对程序中变量进行赋值的数据；确定N个分片数据集合；同一数据在N个分片数据集合中的值与该同一数据的N个分片值一一对应；在指定情况下，N个运行设备分别基于不同的分片数据集合运行目标程序；其中，通过预先配置，使得针对所述目标程序对应的每个基础运算单元，将任意一组值输入该基础运算单元进行运算得到的运算结果，等于：将该任意一组值的每组分片值分别输入该基础运算单元进行分别运算后，对得到的全部运算结果进行逆分片处理后得到的处理结果。
-
公开(公告)号：CN112329072B
公开(公告)日：2021-03-30
申请号：CN202011618870.7
申请日：2020-12-31
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书涉及机器学习领域，特别涉及一种基于安全多方计算的模型联合训练方法。安全多方计算包括多个参与方，该方法由其中某一参与方执行；其包括：与其他参与方协同，基于密态特征和密态标签对模型进行联合训练，在密态下对模型进行一轮或多轮迭代更新，获得更新后的密态模型参数；其中，一轮或多轮迭代更新中的至少一轮进一步包括：与其他参与方协同，确定模型的密态损失函数值；与其他参与方协同，基于所述密态损失函数值判断该模型的损失函数值是否满足预设的阈值条件，得到判断结果；基于所述判断结果确定是否停止联合训练。
-
-
-
-
-
-
-
-
-
Search Results
44
records
(took 0.036 seconds)
