保护隐私的样本检测系统训练方法及装置

    公开(公告)号:CN115238827A

    公开(公告)日:2022-10-25

    申请号:CN202211125687.2

    申请日:2022-09-16

    Abstract: 本说明书实施例提供一种保护隐私的样本检测系统训练方法及装置,样本检测系统包括表征模型、生成器和分类模型。该方法包括:利用将k个采样噪声分别输入生成器而得到的k个模拟表征,对表征模型输出的隐私样本表征进行表征混淆处理,得到混淆表征;利用白样本标签对隐私样本标签进行标签混淆处理,得到混淆标签;基于混淆表征和分类模型,得到分类预测结果;将k个模拟表征分别输入判别器,得到k个第一判别结果;以减小分类预测结果和混淆标签之间的差异,以及增大k个第一判别结果指示对应表征为真实表征的概率为目标,训练异常检测系统;基于判别器针对表征模型输出的公开白样本表征的第二判别结果和上述k个第一判别结果,训练判别器。

    一种对话业务执行方法、装置、存储介质及电子设备

    公开(公告)号:CN115129878A

    公开(公告)日:2022-09-30

    申请号:CN202211052703.X

    申请日:2022-08-31

    Abstract: 在本说明书提供的对话业务执行方法、装置、存储介质及电子设备中,可获取用户在上一回合输入的回复内容,并确定上一回合向用户发送的话术的话术种类;根据回复内容,在预先构建的意图库中确定用户的意图;将确定出的意图与话术种类的组合确定为当前逻辑组合;在预先构建的规则库中确定与当前逻辑组合匹配的规则;根据所述规则,确定当前回合要向用户发送的话术的话术种类;根据话术种类在预先构建的话术库中确定向用户发送的话术,并将确定出的话术发送给所述用户。在采用本方法执行对话业务时,可通过规则的形式确定出下一回合向用户发送的话术,当需要修改对话逻辑时,只需要添加或修改特定的规则便可完成修改,极大地降低了更新维护的门槛。

    一种模型快速容灾方法、装置及电子设备

    公开(公告)号:CN110942232B

    公开(公告)日:2022-07-19

    申请号:CN201911061823.4

    申请日:2019-11-01

    Abstract: 本说明书的一个或多个实施例涉及一种模型快速容灾方法、装置及电子设备,该方法包括:计算特征知识图谱中,与业务场景对应的第一特征的第一特征向量与其他特征的第二特征向量的相似度,得到第一特征向量的相似度列表;将第一特征向量作为业务模型的输入进行训练,得到第一业务模型;以及分别将第二特征向量作为业务模型的输入进行训练,得到多个第二业务模型;使用第一业务模型处理业务,并使多个第二业务模型同步运行;在预设特征失效时,使用多个第二业务模型中的一个替换第一业务模型处理业务;其中,多个第二业务模型均是第一业务模型的备用模型。

    一种模型训练方法、装置及设备

    公开(公告)号:CN114662706A

    公开(公告)日:2022-06-24

    申请号:CN202210296231.6

    申请日:2022-03-24

    Abstract: 本说明书实施例公开了一种模型训练方法、装置及设备,该方法应用于终端设备,包括:获取用于训练目标模型的样本数据,该样本数据不包含用于训练目标模型的标签信息,然后,根据预设的节点选取次数,每次从目标模型中包含的模型节点中选取满足预设丢弃概率的模型节点,并从目标模型中去除选取的模型节点,得到剩余模型节点构成的目标模型,将该样本数据输入到上述每个目标模型中进行特征提取处理,得到每个目标模型对应的样本特征,向该样本特征中分别加入预设的噪声数据,得到噪声样本特征,将该噪声样本特征发送给服务器,以触发服务器基于该噪声样本特征对目标模型进行联邦训练。

    对事件特征进行处理的方法、神经网络模型和装置

    公开(公告)号:CN113255891B

    公开(公告)日:2022-05-17

    申请号:CN202110587002.5

    申请日:2021-05-27

    Inventor: 李辉 傅幸 王维强

    Abstract: 本说明书实施例提供一种通过高阶特征交互对事件进行处理的方法和神经网络模型。在该方法中,首先获取目标事件的编码向量;然后对该编码向量进行非线性变换,得到第一特征向量,其中所有元素均为正数。接着,对于多种高阶特征组合中任意的第一组合,利用与第一组合对应的第一组合矩阵处理该第一特征向量的自然对数,得到中间向量,并基于中间向量的自然指数确定第一组合对应的特征交互向量;其中,多种高阶特征组合中每种组合,对应于第一特征向量中多个向量元素的相乘组合。于是,至少基于上述多种高阶特征组合各自对应的特征交互向量,确定目标事件的事件表征向量;进而进行与事件相关的业务预测。

    一种端云开发系统、模型的处理方法、装置及设备

    公开(公告)号:CN114417411A

    公开(公告)日:2022-04-29

    申请号:CN202210060891.4

    申请日:2022-01-19

    Abstract: 本说明书实施例公开了一种端云开发系统、模型的处理方法、装置及设备,该方法包括:获取用于训练目标模型的第一样本数据,第一样本数据中包括终端设备的特征数据和目标模型对应的业务数据,然后,可以将第一样本数据输入到目标模型中,并通过差分隐私算法对目标模型进行模型训练,得到训练后的目标模型,并对训练后的目标模型对应的隐私保护能力进行测试,得到相应的测试结果,如果该测试结果为测试通过,则生成目标模型的部署信息,该部署信息用于触发向终端设备或云端服务器部署训练后的目标模型。

    风险操作行为的管控及其模型的训练方法及电子设备

    公开(公告)号:CN113988483B

    公开(公告)日:2022-04-29

    申请号:CN202111589797.X

    申请日:2021-12-23

    Abstract: 本说明书实施例公开了一种风险操作行为的管控及其模型的训练方法及电子设备,该方法包括:在检测到目标用户的待识别操作行为时,从可信执行环境TEE中获取与所述目标用户相匹配的目标云端风险标签;通过与所述目标云端风险标签相对应的用户风险操作行为识别模型,对所述待识别操作行为进行风险识别,得到针对所述待识别操作行为的风险识别结果;如果所述目标用户的待识别操作行为的风险识别结果为风险操作行为,则对所述目标用户进行风险管控。

Patent Agency Ranking