一种信息匹配的方法、装置、存储介质以及电子设备

    公开(公告)号:CN117972158A

    公开(公告)日:2024-05-03

    申请号:CN202410145795.9

    申请日:2024-02-01

    Abstract: 本说明书公开了一种信息匹配的方法、装置、存储介质以及电子设备,通过将目标信息对应的各子目标加密信息与待匹配信息对应的各子待匹配加密信息之间进行两两比对,从而得到各子目标加密信息与各子待匹配加密信息的比对结果。然后,根据比对结果确定出目标信息与待匹配信息之间相同部分的最长字符串长度,进而根据最长字符串长度,确定出目标信息与待匹配信息之间的编辑距离大小,从而确定出对应的信息匹配结果。通过本方法可以成功实现在保护信息隐私的前提下对各信息之间进行信息匹配,在针对有着严格隐私保护要求的信息进行相似匹配和查询时,可以有效防止隐私信息的具体内容的外漏,从而极大程度上保障了隐私信息所属用户或机构的信息安全。

    一种大模型联邦学习方法、装置、存储介质及电子设备

    公开(公告)号:CN117933368A

    公开(公告)日:2024-04-26

    申请号:CN202410140527.8

    申请日:2024-01-31

    Abstract: 本说明书公开了一种大模型联邦学习方法、装置、存储介质及电子设备。在本说明书提供的大模型联邦学习方法中,针对每个参与联邦学习的客户端,接收该客户端在训练该客户端的目标大模型后发送的增量参数,该客户端的模型参数由原始参数和增量参数构成,增量参数的量级小于原始参数的量级,在训练目标大模型时,原始参数不变,增量参数改变;采用各客户端的增量参数对该客户端的增量参数进行聚合,得到该客户端的聚合参数;将聚合参数返回给该客户端,使该客户端根据聚合参数更新该客户端的增量参数,根据原始参数和更新后的增量参数重新确定模型参数,并采用重新确定的模型参数重新对目标大模型进行训练,直到目标大模型收敛。

    一种强化学习方法、装置及设备
    43.
    发明公开

    公开(公告)号:CN117709481A

    公开(公告)日:2024-03-15

    申请号:CN202311714157.6

    申请日:2023-12-13

    Abstract: 本说明书实施例公开了一种强化学习方法、装置及设备,该方法包括:通过获取当前时刻的环境信息和当前时刻的环境信息对应的环境下的状态信息,以及基于环境信息和状态信息,通过强化学习的智能体生成的决策信息,然后,分别将状态信息和决策信息分别输入到一个或多个不同的状态预测模型中,得到每个状态预测模型输出的下一时刻的预测状态信息,之后,可以基于每个状态预测模型输出的下一时刻的预测状态信息,确定决策信息对应的辅助反馈信息,最终,可以基于决策信息对应的辅助反馈信息和依据智能体对应决策策略所选择的决策信息而获得到的反馈信息,对智能体对应的决策策略进行更新,以对智能体进行强化学习。

    一种模型的处理方法、装置及设备

    公开(公告)号:CN116720589A

    公开(公告)日:2023-09-08

    申请号:CN202310615238.4

    申请日:2023-05-29

    Abstract: 本说明书实施例公开了一种模型的处理方法、装置及设备,该方法包括:构建针对目标业务的语义树,基于语义树构建目标业务对应的业务图谱,业务图谱由节点和边构成;获取目标业务中产生的历史业务数据,基于历史业务数据,确定历史业务数据对应的第一业务子图,并基于第一业务子图,通过预设的数据增强规则生成第二业务子图,第一业务子图和第二业务子图是分别包含于业务图谱中的子图谱;基于目标业务对应的业务图谱,使用第一业务子图和第二业务子图,并通过基于第一业务子图和第二业务子图中的每个业务子图分别与每个业务子图进行对比的对比学习方式对图结构模型进行模型训练,得到训练后的图结构模型。

    一种联邦迁移学习方法、装置、存储介质及电子设备

    公开(公告)号:CN116629381A

    公开(公告)日:2023-08-22

    申请号:CN202310613933.7

    申请日:2023-05-26

    Abstract: 本说明书公开了一种联邦迁移学习方法、装置、存储介质及电子设备。在本说明书提供的联邦迁移学习方法中,确定与第二参与方的共有样本对象,作为目标样本对象;将所述目标样本对象在所述第一参与方的第一数据输入待训练的第一提取子网,获得所述第一提取子网输出的待优化特征;将所述待优化特征发送给第三方服务器,以使所述第三方服务器确定所述待优化特征与标准特征之间的特征损失,其中,所述标准特征是所述第二参与方将所述目标样本对象在所述第二参与方的第二数据输入预先训练的第二提取子网得到并发送给所述第三方服务器的;接收所述第三方服务器返回的特征损失,并采用所述特征损失训练所述第一提取子网。

    风险识别方法及装置和电子设备

    公开(公告)号:CN111126788A

    公开(公告)日:2020-05-08

    申请号:CN201911212256.8

    申请日:2019-12-02

    Inventor: 刘腾飞 李杨

    Abstract: 本说明书实施例提供一种风险识别方法及装置和电子设备。所述方法包括:根据历史交易数据构建目标服务商的交易关系图;其中,所述交易关系图由所述目标服务商拓展的卖方节点、与所述卖方节点发生交易的买方节点构成,发生交易的卖方节点和买方节点之间通过边表示关联关系;统计所述交易关系图中至少三阶的子图的数量;其中,所述子图由相邻买方节点和卖方节点构成;根据每阶子图的数量和所有阶子图的总数量,计算所述交易关系图的子图频率分布;根据所述子图频率分布,确定所述目标服务商是否为异常服务商。

    奖励预测模型训练和管控动作推荐模型优化方法、装置

    公开(公告)号:CN119599731A

    公开(公告)日:2025-03-11

    申请号:CN202410977913.2

    申请日:2024-07-19

    Abstract: 本说明书实施例公开了一种奖励预测模型训练和管控动作推荐模型优化方法、装置,首先,基于预采集的交易特征数据以及预先训练好的初始管控动作推荐模型,构建奖励训练数据;根据奖励训练数据对预构建的奖励预测模型进行监督学习,得到初始奖励预测模型;获取预设的辅助学习标签,辅助学习标签对应不同的学习任务,并根据辅助学习标签对初始奖励预测模型进行多任务学习,得到目标奖励预测模型。通过多任务学习得到的目标奖励预测模型,可以实现在强化学习过程中的奖励信号的预测,有效降低人工成本,提高奖励信号的预测效率,同时保证预测的奖励信号的合理性和有效性,提升奖励信号的可解释性。

    评估模型训练安全性的方法及装置

    公开(公告)号:CN119294477A

    公开(公告)日:2025-01-10

    申请号:CN202411315883.5

    申请日:2024-09-19

    Abstract: 本说明书实施例涉及评估模型训练安全性的方法及装置,方法通过第一方执行,包括:向第二方提供联合模型中模型参数的当前参数值,包括图表征网络的第一参数和多层感知机的第二参数;从第二方接收梯度数据;根据第二参数对应的第二梯度和第二参数值,重建各个节点在图表征网络输出层的节点表征,得到各个节点的重建图表征;根据各个节点的重建图表征之间的相似度,确定重建邻接矩阵;确定使得目标函数最小化的节点特征,作为重建节点特征;目标函数包括第一损失,其正相关于重建图表征与利用图表征网络处理节点特征得到的输出表征之间的差异;根据重建邻接矩阵和重建节点特征,确定重建图数据;重建图数据用于评估联合模型训练的安全性。

    一种数据的处理方法、装置及设备

    公开(公告)号:CN118691281A

    公开(公告)日:2024-09-24

    申请号:CN202410693321.8

    申请日:2024-05-30

    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:获取执行目标事件所产生的历史环境信息,所述历史环境信息中包括用户标识和媒介信息,基于所述历史环境信息获取用户执行所述目标事件的过程中用户与所述媒介信息之间的关联关系,基于用户与所述媒介信息之间的关联关系,通过所述媒介信息构建不同用户之间的用户关系图谱,并基于用户与所述媒介信息之间的关联关系为所述用户关系图谱中相互连接的用户对生成用户对权重,基于所述用户关系图谱和所述用户对权重对所述用户关系图谱进行群组挖掘处理,得到由不同用户之间的关联关系构成的一个或多个不同的群组。

Patent Agency Ranking