-
公开(公告)号：CN116015942B
公开(公告)日：2024-11-29
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：CN114548765B
公开(公告)日：2024-10-15
申请号：CN202210162714.7
申请日：2022-02-22
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q10/0635 , G06Q30/0201 , G06F18/214 , G06N20/00
Abstract: 本发明提供了用于风险识别的方法和装置。一种用于风险识别的方法包括：获取样本集，该样本集中的每一个样本包括多个特征；针对该多个特征中的每个类别特征，确定该类别特征在该样本集中的类别数；将该类别特征的类别数与类别数阈值进行比较；如果该类别特征的类别数小于或等于该类别数阈值，则使用随机编码方式来对该类别特征进行编码以生成用于该类别特征的特征映射集合；以及如果所述类别特征的类别数大于所述类别数阈值，则使用统计编码方式来对所述类别特征进行编码以生成用于所述类别特征的特征映射集合。
-
公开(公告)号：CN118410861A
公开(公告)日：2024-07-30
申请号：CN202410525385.7
申请日：2024-04-28
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N3/10 , G06N3/042 , G06N3/0464 , G06N3/045 , G06N3/096 , G06N3/0495 , G06N3/082 , G06N3/086 , G06F18/25 , G06F18/23 , G06F18/24 , G06N3/048
Abstract: 本说明书实施例公开了一种模型的编译方法、装置及设备，该方法包括：获取待编译的目标模型，并将目标模型转换为计算图数据，计算图数据中包括多个不同的节点和节点的节点特征；将节点特征输入到编译模型中的第一子模型中，得到计算图数据对应的预设维度的嵌入向量，将预设维度的嵌入向量输入到编译模型中的图卷积子模型中，得到计算图数据对应的特征数据，图卷积子模型用于对计算图数据中的多个不同的节点之间的节点特征进行特征提取处理；将计算图数据对应的特征数据输入到编译模型中的第二子模型中，得到目标模型对应的编译数据，基于编译数据运行目标模型以执行相应的业务处理。
-
公开(公告)号：CN118194935A
公开(公告)日：2024-06-14
申请号：CN202410383769.X
申请日：2024-03-29
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N3/0495 , G06N3/082 , G06N5/04
Abstract: 本说明书实施例公开了一种大模型的压缩方法、装置及设备，该方法包括：接收大模型的压缩请求，该压缩请求中包括大模型的标识，然后，可以基于该压缩请求中的标识，获取待压缩的大模型，并确定大模型中包含的线性层，之后，遍历大模型中包含的线性层，确定大模型包含的线性层中的模型参数和预设的指标参数，最终，将模型参数划分到多个不同的分组中，通过不同分组对应的第一量化策略对相应分组中的模型参数进行量化处理，并在通过第一量化策略对相应的模型参数进行量化处理的过程中，通过第二量化策略对不同分组中包含的预设的指标参数进行量化处理，以对大模型进行压缩处理，得到压缩后的大模型，输出压缩后的大模型。
-
公开(公告)号：CN118193218A
公开(公告)日：2024-06-14
申请号：CN202410383782.5
申请日：2024-03-29
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F9/50
Abstract: 本说明书实施例公开了一种基于端边云调度系统的数据处理方法、装置及设备，该方法包括：获取执行目标业务的过程中的第一业务处理请求，然后，可以确定所述第一业务处理请求对应的终端侧和边缘服务器侧的算力分配策略，所述算力分配策略是在所述边缘服务器侧的算力约束条件和/或业务耗时条件下，基于终端侧处理的业务处理请求的数量、边缘服务器侧处理的业务处理请求的数量，以及终端侧和边缘服务器侧对应的业务处理请求的可信放行率确定，最终，可以基于所述算力分配策略，确定处理所述第一业务处理请求的设备侧，并基于确定的设备侧对所述第一业务处理请求进行处理。
-
Patent Agency Ranking
公开(公告)号：CN117592507A
公开(公告)日：2024-02-23
申请号：CN202311640028.7
申请日：2023-11-30
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针对硬件设备的模型选取方法、装置及设备，该方法包括：获取待部署到目标终端的一个或多个目标模型，并获取目标终端的硬件配置信息，然后，可以根据每个目标模型的模型结构、对应的输入数据的长度、对应的中间数据的维度信息，以及每个目标模型中包含的乘法操作和加法操作的数量，确定每个目标模型对应的计算量，并可以根据模型结构、输入数据的长度、中间数据的维度信息，确定每个目标模型对应的内存访问代价，最终，可以基于每个目标模型对应的计算量和内存访问代价，确定每个目标模型对应的模型计算强度，基于模型计算强度和硬件配置信息，从一个或多个目标模型中选取与目标终端相匹配的目标模型。
-
公开(公告)号：CN116720214A
公开(公告)日：2023-09-08
申请号：CN202310581293.6
申请日：2023-05-22
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公开了一种用于隐私保护的模型训练方法。该方法包括：当对目标模型进行模型训练的迭代次数超过预设迭代次数时，获取目标模型在迭代过程中产生的多个中间模型；然后，以多个中间模型作为教师模型，以当前训练的目标模型作为学生模型，通过教师模型，采用知识蒸馏的方式对学生模型进行蒸馏训练，并确定蒸馏训练中的第一损失信息；其次，根据第一损失信息和第二损失信息确定第一逐样本梯度；最后，对第一逐样本梯度做差分隐私处理，并利用差分隐私处理后的第一逐样本梯度更新当前训练的目标模型的模型参数，直到达到预设的模型训练终止条件为止，最终得到训练后的目标模型。
-
公开(公告)号：CN116483378A
公开(公告)日：2023-07-25
申请号：CN202310359674.X
申请日：2023-04-04
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F8/60 , G06N3/08 , G06N3/0464
Abstract: 本说明书实施例公开了一种向终端设备部署模型的方法、装置和设备，所述方法可基于NAS训练出若干大小不同但功能一致的模型，然后基于不同终端设备的算力表征参数，从训练出的若干模型中筛选出与不同终端设备的算力匹配的模型，筛选出的模型在不同的终端设备上的预设运行参数一致，最后将与不同终端设备的算力匹配的模型部署至相应的终端设备。
-
公开(公告)号：CN116340996A
公开(公告)日：2023-06-27
申请号：CN202310194866.X
申请日：2023-02-24
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F21/62 , G06F21/55 , G06N3/0464 , G06N5/04 , G06N3/08
Abstract: 本发明公开了一种用于隐私保护的模型微调方法，包括：将自适应模块嵌入特征提取网络中，得到自适应模型；采用第一数据对所述自适应模型进行预训练，并在预训练过程中对所述自适应模块以外的自适应模型参数进行更新，以得到预训练模型；将所述预训练模型下发至用户端，以使用户端能够采用第二数据对所述预训练模型进行训练，并在训练过程中对所述自适应模块的参数进行更新，直至预训练模型收敛，得到用户端推理模型。采用该用户端推理模型可以获得个性化的用户信息，实现个性化学习过程中的风险控制。相应地，本发明还公开了用于隐私保护的风险控制方法。
-
公开(公告)号：CN116306990A
公开(公告)日：2023-06-23
申请号：CN202310260420.2
申请日：2023-03-10
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模型的处理方法、装置及设备，该方法包括：接收服务器下发的目标模型；获取用于训练所述目标模型的样本数据，并基于所述样本数据对所述目标模型进行模型训练，确定模型训练后所述目标模型对应的梯度信息；对所述目标模型对应的梯度信息进行符号化处理，得到所述目标模型对应的符号梯度信息，基于预设的概率分布规则对所述符号梯度信息进行采样处理，并基于所述概率分布规则对采样后的符号梯度信息进行编码处理，得到差分隐私梯度信息；将所述差分隐私梯度信息发送给所述服务器，所述差分隐私梯度信息用于触发所述服务器基于所述差分隐私梯度信息对所述服务器中存储的目标模型进行更新。
-
-
-
-
-
-
-
-
-
Search Results
91
records
(took 0.063 seconds)
