-
公开(公告)号：CN116432757A
公开(公告)日：2023-07-14
申请号：CN202211740907.2
申请日：2022-12-30
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模型处理方法和装置，该模型处理方法包括：获取具备可解释性的目标树模型；基于神经网络对目标树模型进行蒸馏，得到神经网络模型，其中，对目标树模型进行蒸馏包括对目标树模型的特征提取能力以及聚类能力进行蒸馏；基于目标树模型的可解释性可以确定蒸馏得到的神经网络模型的可解释性。
-
公开(公告)号：CN116186781A
公开(公告)日：2023-05-30
申请号：CN202310329646.3
申请日：2023-03-29
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方法、装置、存储介质及电子设备。在本说明书提供的模型训练方法中，获取用户在历史上执行交易业务时的业务数据，作为私有样本数据；将所述私有样本数据输入待训练的目标模型，得到所述目标模型输出的所述交易业务的风险表征值；根据所述风险表征值和所述私有样本数据对应的标注，确定第一损失，根据所述第一损失确定所述目标模型的初始梯度；对所述初始梯度进行加扰，得到带扰梯度；将所述带扰梯度输入预先训练的降噪模型中，以通过所述降噪模型根据所述带扰梯度输出降噪梯度，所述降噪梯度用于模拟所述初始梯度各分量之间的关系；采用所述降噪梯度对所述目标模型的参数进行调整。
-
公开(公告)号：CN116186772A
公开(公告)日：2023-05-30
申请号：CN202310185249.3
申请日：2023-02-23
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书公开了一种基于联邦学习的模型训练方法及装置，边缘节点可以接收全局模型参数以及历史全局梯度信息，而后，将本地模型的参数替换为全局模型参数，进行训练得到当前梯度信息，根据历史全局梯度信息与历史本地梯度信息之间的梯度偏差，对当前梯度信息进行调整，得到调整后梯度信息，并根据调整后梯度信息，进行模型参数更新，得到调整后模型参数，进而，可以根据历史全局梯度信息，对调整后模型参数添加噪声，得到添加噪声后的模型参数，之后，可以将添加噪声后的模型参数以及更新后的本地梯度信息发送给服务器，以继续进行联邦学习，从而使得各边缘节点之间的参数更新方向不至于差异过大，并保证边缘节点的隐私数据安全。
-
公开(公告)号：CN115937617B
公开(公告)日：2023-05-30
申请号：CN202310230066.9
申请日：2023-03-06
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06V10/764 , G06V10/70 , G06V10/82 , G06N3/08 , G06Q20/40
-
公开(公告)号：CN116152933A
公开(公告)日：2023-05-23
申请号：CN202211600732.5
申请日：2022-12-12
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06V40/40 , G06V40/16 , G06V10/762 , G06V10/82 , G06N3/09
Abstract: 本说明书公开了一种异常检测模型的训练方法、装置、设备及存储介质，获取真实人脸图像作为正样本，获取合成人脸图像作为负样本，并将各正样本和负样本作为训练样本，通过特征提取层提取各训练样本的样本特征，通过分类层得到各训练样本的检测结果，以及基于各正样本的样本特征确定用于表征正样本的共性的代表特征。再根据各正样本的样本特征和代表特征之间的差异、各负样本的样本特征和代表特征之间的差异，以及各训练样本的检测结果及其标注之间的差异对异常检测模型进行训练。本方法可基于代表特征，学习到准确的特征提取方式，以便于后续准确提取人脸图像的人脸特征来进行准确地异常检测，保证了异常检测的准确性。
-
Patent Agency Ranking
公开(公告)号：CN116128072A
公开(公告)日：2023-05-16
申请号：CN202310122752.4
申请日：2023-01-20
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N20/00 , G06V10/774 , G06F18/214
Abstract: 本说明书公开了一种风险控制模型的训练方法、装置、设备及存储介质，针对该风险控制模型的每个模型参数，确定该模型参数在本次迭代过程中的梯度，作为第一梯度，并确定该模型参数在上一次迭代过程中的梯度，作为第二梯度，根据第一梯度和该第二梯度确定该模型参数的步长参数，再根据预设的学习率、步长参数和第一梯度，确定该模型参数对应的参数调整量，以及根据参数调整量对该模型参数进行调整。本方法中的步长参数在第一梯度和第二梯度方向相同时对应的参数值高于第一梯度和第二梯度方向相反时对应的参数值，因而在模型参数出现震荡时，参数调整量会随之减小，避免了由于参数调整量过大导致模型参数出现持续震荡的情况出现，提高了训练效率。
-
公开(公告)号：CN116127305A
公开(公告)日：2023-05-16
申请号：CN202211659316.2
申请日：2022-12-22
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/214 , G06F16/332
Abstract: 本说明书提供了一种模型训练的方法、装置、存储介质及电子设备。在本说明书提供的模型训练方法中，获取目标对话；从目标对话中选择出现次数不小于指定次数的词汇，作为候选词汇；将候选词汇输入意图识别模型中，确定意图识别模型输出的候选词汇的意图识别结果；将意图识别结果为未识别出意图的候选词汇，作为目标词汇；将目标词汇作为训练样本，确定目标词汇的实际意图作为训练样本对应的标注；将目标词汇输入意图识别模型中，确定意图识别模型的输出结果；以输出结果与标注之前的差异最小为优化目标，对意图识别模型进行训练。
-
公开(公告)号：CN116028820A
公开(公告)日：2023-04-28
申请号：CN202310299829.5
申请日：2023-03-20
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/214 , G06Q20/40
Abstract: 本说明书公开了一种模型训练的方法、装置、存储介质及电子设备，所述方法包括：先获取风控样本以及风控样本对应于各风险类型的原始标注，再根据风控样本对应于各风险类型的原始标注和预设的规则，确定风控样本的综合风险标注。之后，在训练待训练的风险识别模型时，若风险类型对应的梯度与综合梯度存在冲突，将风险类型对应的梯度与综合梯度不冲突的梯度分量重新作为风险类型对应的梯度，从而可以消除风险类型对应的梯度与综合梯度冲突的梯度分量。然后，根据各风险类型分别对应的梯度，确定出不存在冲突的待训练的风险识别模型的梯度来调整模型参数，减少了梯度冲突对模型训练的影响，使得训练得到的风险识别模型更准确。
-
公开(公告)号：CN116015942A
公开(公告)日：2023-04-25
申请号：CN202211732520.2
申请日：2022-12-30
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书公开了一种隐私保护的数据传输方法、装置、电子设备及介质。方法包括：发送端设备基于压缩感知算法，对目标数据分块后的原始信号进行脱敏化压缩，得到所述目标数据对应的脱敏信号。所述发送端设备将所述脱敏信号发送至接收端设备。所述接收端设备基于块稀疏贝叶斯学习算法，对所述脱敏信号进行压缩还原的稀疏重构，得到所述目标数据对应的重构信号，其中，所述重构信号用于数据处理。
-
公开(公告)号：CN116010792A
公开(公告)日：2023-04-25
申请号：CN202211737623.8
申请日：2022-12-30
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/21 , G06N20/00 , G06Q10/0635
Abstract: 本说明书实施例提供了一种测试模型鲁棒性的方法和装置，该方法包括：获取多个第一样本，第一样本各自包括依序的多个用户行为，用户行为包括若干行为属性；对多个第一样本分别进行第一处理，得到多个第二样本，其中，对于多个第一样本中包括的第三样本的第一处理包括：从第三样本包括的用户行为的行为属性中，确认出至少一个第一属性；将第一属性设置为第一默认值，第一默认值用于指示第一属性的值缺失，得到第四样本，多个第二样本中包括第四样本；基于多个第一样本，确定第一风险识别模型的第一正确识别率；基于多个第二样本，确定第一风险识别模型的第二正确识别率；根据第一正确识别率和第二正确识别率，确定针对所述第一风险识别模型的第一指标，所述第一指标用于指示所述第一风险识别模型的鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
500
records
(took 0.047 seconds)
