-
公开(公告)号：CN112015749A
公开(公告)日：2020-12-01
申请号：CN202011159885.1
申请日：2020-10-27
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基于隐私保护更新业务模型的方法，针对联邦学习过程中，各个业务方提供不同结构的图数据（异构图），无法统一建模的问题，提出一种模型参数局部相一致的技术构思，通过模型基的设置，一个模型基包括若干基准参数，各个业务方利用模型基的线性组合构建本地模型参数向量或矩阵，从而构建本地业务模型。在联邦学习过程中，业务方上传本地梯度、服务方更新全局梯度、业务方更新本地模型参数，均以模型基为单元。这种局部更新模型参数的技术方案，有效打破异构图下的联邦学习壁垒，提供全新的联邦学习思路，并可推广至各种业务模型。
-
公开(公告)号：CN112000990A
公开(公告)日：2020-11-27
申请号：CN202011164969.4
申请日：2020-10-27
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书提供一种隐私保护的数据处理方法、装置、设备及机器学习系统。一个方法实施例中，在多方参与的数据共享应用场景中需要获取机器学习算法中使用的非线性激活函数的数据处理结果时，可以使用非线性激活函数的无损表达式，利用多方安全计算协同计算各个子项，可以避免将其展开为多项式的近似求值算法，降低计算复杂性，提高了计算机设备计算非线性激活函数数据处理的效率。并且，可以大幅度降低例如泰勒展开等近似计算非线性激活函数的复杂程度和精度损失。
-
公开(公告)号：CN111931947A
公开(公告)日：2020-11-13
申请号：CN202011082377.8
申请日：2020-10-12
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用于分布式模型训练的训练样本重组方法及系统，所述方法由参与方中的服务器实现；所述方法包括：获取融合训练样本集；所述融合训练样本集包括来自一个或多个训练成员的训练样本；获取第一模型，并将所述第一模型发送给各训练成员；对各训练成员进行一轮或多轮训练样本重组，其中每轮重组包括：获取当前轮的传输比例系数；基于所述传输比例系数为各训练成员选择部分训练样本并下发；获取各训练成员上传的当前轮对应的模型性能参数；所述当前轮对应的模型性能参数为训练成员基于自身持有的训练样本以及服务器下发的训练样本进行训练得到的模型的模型性能参数；确定进行下一轮重组，或者停止重组。
-
公开(公告)号：CN111738238B
公开(公告)日：2020-11-13
申请号：CN202010820141.3
申请日：2020-08-14
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人脸识别方法和装置，方法包括：终端设备利用第二公钥对待识别人脸图像进行同态加密得到加密人脸图像；向服务器发送识别请求，包括加密人脸图像和第二公钥；服务器对加密人脸图像进行同态特征处理并同态添加第一混淆；对预先存储的密态人脸特征同态添加第二混淆；从服务器接收混淆加密输出特征和混淆加密人脸特征；利用与第一公钥对应的第一私钥对混淆加密人脸特征进行解密，得到第一中间值；利用与第二公钥对应的第二私钥对混淆加密输出特征进行解密，得到第二中间值；计算第二中间值与第一中间值的差值；向服务器发送差值，服务器确定待识别人脸图像与目标用户是否匹配。能够提高人脸识别的安全性和响应速度。
-
公开(公告)号：CN111800411A
公开(公告)日：2020-10-20
申请号：CN202010626342.X
申请日：2020-07-02
Applicant: 支付宝(杭州)信息技术有限公司
IPC: H04L29/06
Abstract: 本说明书实施例提供一种保护隐私的业务预测模型联合更新方法及装置，在更新方法中，服务器接收若干客户端在基于各自维护的私有样本，在本地训练业务预测模型后发送的加密梯度矩阵。将若干客户端的加密梯度矩阵加载到TEE中，在TEE中对其进行解密，得到若干原始梯度矩阵。对若干原始梯度矩阵中相同位置的矩阵元素进行融合，得到融合矩阵。该融合矩阵用于反映若干原始梯度矩阵中的矩阵元素取值的总体趋势。基于融合矩阵，计算若干原始梯度矩阵各自的离散度。该离散度用于反映各原始梯度矩阵中的矩阵元素取值偏离总体趋势的程度。基于若干原始梯度矩阵各自的离散度，选取各目标矩阵，并基于各目标矩阵，更新服务器维护的业务预测模型的模型参数。
-
Patent Agency Ranking
公开(公告)号：CN111784078A
公开(公告)日：2020-10-16
申请号：CN202010723469.3
申请日：2020-07-24
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决策树的分布式预测方法和系统，可保护各方数据隐私。各方预测模型具有相同结构。任一参与方根据预测对象在己方预测模型上的预测路径，获得己方的标志向量，该标志向量指示预测对象沿该预测路径抵达的叶节点。当预测至本地分裂节点时，基于与该本地分裂节点关联的特征值继续预测；当预测至非本地分裂节点时，继续预测至该非本地分裂节点下的所有子节点。该参与方将己方的标志向量拆分成N个分片，将该N个分片分配给N个参与方，并根据多方安全计算协议与其他N-1个参与方交互，以基于分配到的N个参与方的标志向量的分片计算等效标志向量的分片，等效标志向量为N个参与方的标志向量按位相乘的结果。
-
公开(公告)号：CN111476376B
公开(公告)日：2020-10-16
申请号：CN202010587303.3
申请日：2020-06-24
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N20/20
Abstract: 本说明书的实施例提供联盟学习方法、联盟学习装置及联盟学习系统。联盟学习系统包括第一成员节点以及至少一个第二成员节点分组。第一成员节点具有全局模型，每个第二成员节点分组具有头节点，并且每个第二成员节点分组的第二成员节点具有本地数据。第一成员节点将当前待学习的全局模型提供给各个第二成员节点分组中的头节点。各个第二成员节点分组的各个第二成员节点使用各自的本地数据对全局模型执行联盟学习来得到经由该第二成员节点分组训练出的第一全局模型，并经由该第二成员节点分组的头节点将所训练出的第一全局模型提供给第一成员节点。第一成员节点对所获取的第一全局模型执行模型整合，得到经过联盟学习后的目标全局模型。
-
公开(公告)号：CN111445032B
公开(公告)日：2020-10-09
申请号：CN202010537464.1
申请日：2020-06-12
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利用业务决策模型进行决策处理的方法及装置。在该方法中，服务平台可以获取第一业务处理请求，确定第一业务处理请求的第一业务特征；将第一业务特征输入利用强化学习得到的业务决策模型，得到第一业务处理请求针对多个决策行为的第一得分分布；利用多个历史业务处理请求，确定针对第一业务处理请求的决策干预系数，利用决策干预系数，对第一得分分布进行干预处理，得到针对多个决策行为的第二得分分布；基于第二得分分布，从多个决策行为中确定针对第一业务处理请求的决策行为。
-
公开(公告)号：CN111740815A
公开(公告)日：2020-10-02
申请号：CN202010757514.7
申请日：2020-07-31
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书提出基于密文的两方秘密分享方法、装置、设备及存储介质，本方持有通过对方公钥加密的第一秘密信息密文，包括：生成第一秘密信息的第一秘密分片；采用对方公钥对生成的第一秘密分片进行同态加密，得到第一秘密分片密文；基于第一秘密分片密文、第一秘密信息密文，确定从第一秘密信息密文拆分出的第二秘密分片密文；将拆分出的第二秘密分片密文发送给对方，以使对方对该第二秘密分片密文进行解密，得到第一秘密信息的第二秘密分片。采用本申请提供的方法不仅可以实现基于密文的两方秘密分享，而且在秘密分享的过程中双方均不知道对方的秘密信息分片的明文，从而保护了各方的隐私。
-
公开(公告)号：CN111651792A
公开(公告)日：2020-09-11
申请号：CN202010691949.6
申请日：2020-07-17
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供了一种多方协同学习中的风险检测、模型增强方法及装置。在风险检测方法中，服务器部署有第一模型，第一模型的第一模型参数通过对多个数据方各自存储的训练样本进行协同学习得到；针对获取服务器基于对第一模型的多次迭代训练对应得到的多组第一模型参数，基于多组第一模型参数之间对应参数的差值，确定模型参数梯度向量，将与多个数据方中的训练样本为同构数据的本地样本的样本特征向量，与模型参数梯度向量进行拼接，得到本地更新样本，采用本地更新样本训练第二模型，采用预设的测试集确定训练后的第二模型的第一预测性能值，当第一预测性能值大于预设阈值时，确定第一模型存在泄露训练样本隐私的风险。
-
-
-
-
-
-
-
-
-
Search Results
382
records
(took 0.045 seconds)
