-
公开(公告)号：CN111400766B
公开(公告)日：2021-08-06
申请号：CN202010220436.7
申请日：2020-03-25
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针对隐私数据进行多方联合降维的方法和装置。其中多方中的各个数据持有方，对其本地拥有的隐私数据矩阵进行转置相乘运算，得到乘积矩阵后，使用第三方的公钥对乘积矩阵进行同态加密，然后，汇总到某个运算平台中进行同态加和操作，将同态加和结果发至第三方。第三方对同态加和结果解密，可得到主成分分析所需的协方差矩阵，进而确定出降维变换矩阵，广播给各个持有方。于是，各个持有方可以利用该降维变换矩阵进行降维处理。通过这样的方式，确保了各个持有方中隐私数据的安全。
-
公开(公告)号：CN111523686B
公开(公告)日：2021-08-03
申请号：CN202010326265.6
申请日：2020-04-23
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N20/20
Abstract: 本说明书实施例公开了一种模型联合训练的方法及系统。所述方法包括：多个联合训练的参与终端分别基于所述终端自身持有的私有数据联合进行模型训练，多个联合训练的参与终端分别使用基于梯度的优化算法生成各自的梯度；所述多个参与终端分别将所述各自的梯度发送给服务器；所述服务器从多个所述梯度中选取可信任梯度，并且根据选取的所述可信任梯度更新所述联合训练模型的参数；所述样本数据为文本数据、语音数据或者图形数据。
-
公开(公告)号：CN111143878B
公开(公告)日：2021-08-03
申请号：CN201911334589.8
申请日：2019-12-20
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书一个或多个实施例涉及一种基于隐私数据进行模型训练的方法及系统。所述的方法包括：第二终端接收来自第一终端的加密后的第一隐私数据；并将其与第二终端的第二隐私数据的加密数据进行计算，得到加密后的结果；第二终端基于所述加密后的结果以及样本标签，得到基于所述第一隐私数据和所述第二隐私数据联合训练的模型的加密损失值；将所述加密损失值参与加密模型训练，得到完成一次参数更新的模型；其中，所述加密为同态加密；所述第一隐私数据和所述第二隐私数据对应于相同样本的不同特征以及模型参数。
-
公开(公告)号：CN113159214A
公开(公告)日：2021-07-23
申请号：CN202110504397.8
申请日：2021-05-10
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例公开了一种图像处理方法和系统。其中，该图像处理方法包括：获取待处理图像数据对应的多个特征图；基于与多个特征图一一对应的能量系数从多个特征图中筛选出一个或多个目标特征图，将一个或多个目标特征图作为表征待处理图像数据的脱敏图像数据，其中，能量系数经过模型训练获得。
-
公开(公告)号：CN113032835A
公开(公告)日：2021-06-25
申请号：CN202110433119.8
申请日：2021-04-21
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例公开了一种隐私保护的模型训练方法和系统，所述方法由参与训练的多个数据方中的某一数据方实现，所述方法包括对数据方持有的模型进行多轮迭代更新，所述模型包括共享部分和专有部分，其中，一轮迭代更新包括：基于自身持有的训练样本对模型进行迭代训练，得到模型数据；传输第一共享数据至服务器，以便使服务器基于多个数据方的第一共享参数确定第二共享数据；获取服务器返回的第二共享数据，并基于第二共享数据更新模型的共享部分；基于更新后的模型以进行下一轮迭代更新，或将更新后的模型作为最终模型。
-
Patent Agency Ranking
公开(公告)号：CN112990476A
公开(公告)日：2021-06-18
申请号：CN202110177803.4
申请日：2021-02-08
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N20/00
Abstract: 本说明书一个或多个实施例涉及一种基于联邦学习进行模型参数更新的方法，所述方法由参与方中的任一训练成员实现，包括：获取当前轮对应的待训练模型；基于自身持有的训练样本对所述待训练模型进行训练，获得当前轮对应的第一模型；将与所述第一模型上传给服务器，并获取当前轮下发的聚合模型；将来自一轮或多轮迭代更新的一个或多个聚合模型与来自一轮或多轮迭代更新的一个或多个第一模型通过杂交函数处理，获取多个子代模型；基于突变比例以及预设的突变函数对多个子代模型进行处理，获取突变后的多个子代模型；对突变后的多个子代模型进行性能评估，并筛选出性能最优的子代模型作为下一轮迭代的待训练模型或者基于此确定该训练成员的最终模型。
-
公开(公告)号：CN112926747A
公开(公告)日：2021-06-08
申请号：CN202110320906.1
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优化业务模型的方法及装置，适用于多个数据方基于隐私保护联合训练业务模型情况下，辅助确定业务模型的参数集的服务方。其中，业务模型的参数集用于描述其模型结构及至少一个超参数。该方法的一个实施方式包括：向各个数据方下发业务模型的当前参数集，以供各个数据方共同训练当前参数集对应的业务模型，并分别确定各自对应的模型局部性能，然后对各个数据方分别确定的各模型局部性能进行融合，得到针对当前参数集的当前全局性能，再利用当前全局性能和当前参数集、历史参数集与历史全局性能之间的关联关系，从而以最大化全局性能为目标，更新当前参数集。该实施方式有利于挖掘更有效的业务模型。
-
公开(公告)号：CN112580826B
公开(公告)日：2021-06-08
申请号：CN202110160640.9
申请日：2021-02-05
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供用于经由第一成员设备和至少两个第二成员设备训练业务模型的方法、装置和系统。各个第二成员设备具有本地业务模型和本地样本数据，并且所具有的本地样本数据是非独立同分布数据。各个第二成员设备将本地样本数据分布信息提供给第一成员设备。第一成员设备根据各个第二成员设备的本地样本数据分布信息确定整体样本数据概率分布，并发送给各个第二成员设备。各个第二成员设备根据整体样本数据概率分布和超参数，从本地样本数据中确定各类样本数据的扩充样本数据，所述扩充样本数据用于扩充业务模型的训练样本数据。
-
公开(公告)号：CN111738438B
公开(公告)日：2021-04-30
申请号：CN202010691847.4
申请日：2020-07-17
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N3/08
Abstract: 本说明书实施例提供图神经网络模型训练方法及装置。图神经网络模型包括位于各个第一成员设备的节点特征向量表示子模型和归一化子模型以及位于第二成员设备的判别模型，各个第一成员设备的私有数据是非独立同分布数据。各个第一成员设备的节点特征向量表示子模型的模型结构根据各自数据的数据分布特征确定。各个第一成员设备使用节点特征向量表示子模型和归一化子模型得到归一化特征向量表示，利用从第二成员设备获取的判别模型得到预测标签值并确定出损失函数。各个第一成员设备基于损失函数，确定判别模型的模型更新量并更新节点特征向量表示子模型和归一化子模型。第二成员设备使用源于各个第一成员设备的判别模型的模型更新量更新判别模型。
-
公开(公告)号：CN111027086B
公开(公告)日：2021-04-20
申请号：CN201911297040.6
申请日：2019-12-16
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例公开了一种多方计算过程中的私有数据保护方法。所述方法包括：可以获取一个以上计算节点的计算数据。可以验证计算数据，以确保计算数据仅能被预设算法处理一次和/或计算数据的唯一性。可以将各计算节点的计算数据基于预设算法进行处理，获得处理结果。可以输出处理结果，以使中心节点能够基于处理结果进行多方计算中的后续计算工作。本说明书实施例公开的方法，可以利用可信执行环境提供的与不可信环境隔离的安全计算环境，在可信执行环境中对各个计算节点的计算数据进行聚合后，再发送给中心节点，使得中心节点在接收到聚合数据后无法得知各个计算节点的计算数据，增加倒推用户数据的难度，提高多方计算过程中私有数据安全性。
-
-
-
-
-
-
-
-
-
Search Results
382
records
(took 0.046 seconds)
