-
公开(公告)号：CN111738360B
公开(公告)日：2020-11-27
申请号：CN202010723916.5
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两方决策树训练方法和系统，以保护双方的数据隐私。对于任一特征，两方的设备按照多方安全计算协议进行交互，以基于梯度向量的分片和任一分组对应的标识向量计算该特征下的该分组对应的梯度和的分片。两方的设备按照多方安全计算协议进行交互，以基于各特征下的各分组分别对应的梯度和的分片计算各特征下的各分组分别对应的分裂增益的分片。进而，两方的设备通过多方安全比较协议确定最大分裂增益对应的特征及分组，并按最大分裂增益对应的特征及分组分裂节点。
-
公开(公告)号：CN111340605B
公开(公告)日：2020-11-24
申请号：CN202010443445.2
申请日：2020-05-22
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训练用户行为预测模型、用户行为预测的方法和装置。方法包括：获取第一样本，包括，基于样本用户和样本对象的属性特征形成的第一属性特征，基于样本用户的评论文本形成的第一文本特征，和基于针对样本对象的评论文本形成的第二文本特征，且第一样本具有第一标签和第二标签，第一标签示出，样本用户是否针对样本对象执行预定用户行为，第二标签示出，样本用户对样本对象的评分；将第一属性特征、第一文本特征和第二文本特征输入待训练的用户行为预测模型，输出第一预测结果和第二预测结果；根据第一预测结果和第一标签，第二预测结果和第二标签，更新用户行为预测模型。能够提高用户行为预测的准确率。
-
公开(公告)号：CN111325614B
公开(公告)日：2020-11-24
申请号：CN202010409708.8
申请日：2020-05-15
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书提出了一种电子对象的推荐方法、装置和电子设备，其中所述电子对象推荐方法，包括：获取已为第一用户推荐的多个电子对象的特征，根据所述多个电子对象的特征生成特征序列；获取候选电子对象特征，确定所述候选电子对象特征与所述特征序列包含的各特征之间的相关值；根据所述第一用户的用户特征和所述相关值，从候选电子对象中确定向第一用户推荐的电子对象，通过本说明书实施例方案能够提高电子对象推荐的匹配度。
-
公开(公告)号：CN111639367B
公开(公告)日：2020-11-17
申请号：CN202010759206.8
申请日：2020-07-31
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书提出一种基于树模型的两方联合分类方法、装置、设备及介质，包括：将本方持有的目标对象的特征输入本方的部分树模型，预测得到与所述目标对象匹配的若干第一疑似叶节点；根据所述若干第一疑似叶节点和对方预测得到的若干第二疑似叶节点，确定为所述目标对象预测得到的目标叶节点；基于本方确定出的所述目标叶节点的本方权值分片的密文、以及对方发送的该目标叶节点的对方权值分片的密文，确定目标叶节点对应的分类权值；其中，所述本方权值分片的密文由本方采用本方公钥对该目标叶节点的本方权值分片进行同态加密得到；根据所述目标叶节点和所述分类权值确定所述目标对象的分类结果。
-
公开(公告)号：CN111738780A
公开(公告)日：2020-10-02
申请号：CN202010757535.9
申请日：2020-07-31
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q30/02 , G06F16/9535
Abstract: 本说明书实施例公开了一种推荐对象的方法及系统，所述方法包括：获取候选对象特征、用户特征和初始用户行为序列特征；所述初始用户行为序列特征包括与所述用户历史操作相关的至少一个对象的特征信息；对筛选因子特征和所述初始用户行为序列特征进行处理，得到交叉特征，其中，所述筛选因子特征包括所述用户特征，所述交叉特征包含所述用户对与所述用户历史操作相关的至少一个对象的注意力信息；对所述候选对象特征、所述用户特征和所述交叉特征进行处理，确定所述候选对象相对于所述用户的推荐分值。
-
Patent Agency Ranking
公开(公告)号：CN111738441A
公开(公告)日：2020-10-02
申请号：CN202010759897.1
申请日：2020-07-31
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N3/08 , G06N3/04 , G06F21/62 , G06F16/9535 , G06Q30/06
Abstract: 本说明书实施例提供一种兼顾预测精度和隐私保护的预测模型训练方法及装置。预测模型包括特征提取层和预测层，在对预测模型进行训练时，针对包含第一对象的第一原始特征和第一标签的第一样本，可以从第一原始特征中提取第一对象在多个隐私属性方面的第一实际值；将第一原始特征输入特征提取层，得到第一提取特征；将第一提取特征输入预测层，得到第一预测信息；基于第一预测信息与第一标签之间的差异确定第一预测损失；将第一提取特征输入预先训练的隐私保护模型，得到第一对象在多个隐私属性方面的第一预测值，基于第一预测值和第一实际值之间的差异，确定第二预测损失；向减小第一预测损失、增大第二预测损失的方向，更新所述特征提取层。
-
公开(公告)号：CN111737691A
公开(公告)日：2020-10-02
申请号：CN202010725498.3
申请日：2020-07-24
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供一种对抗样本的生成方法和装置，方法包括：获取本轮迭代有待强化的当前对抗样本；在目标损失函数减小的方向，对当前对抗样本进行第一次数的预设几何变形，得到变形图像；对变形图像执行第二次数的逐像素更新，得到第一对抗样本；对当前对抗样本执行第三次数的逐像素更新，得到第二对抗样本；确定第一对抗样本和第二对抗样本中对应损失值较小的对抗样本作为更新对抗样本；当满足停止迭代条件时，将更新对抗样本作为最终对抗样本；当不满足停止迭代条件时，基于更新对抗样本进行下一轮迭代。能够使得生成的对抗样本具有更强的攻击性，从而有针对性的防御。
-
公开(公告)号：CN111444545B
公开(公告)日：2020-09-04
申请号：CN202010536743.6
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针对多方的隐私数据进行聚类的方法和装置，方法包括：第一方确定第一类簇集合中各个类簇当前分别对应的第一中心数据；第二方具有第二类簇集合中各个类簇当前分别对应的第二中心数据；第一类簇集合和第二类簇集合构成总类簇集合；计算第一隐私数据和各个第一中心数据之间的第一明文距离；基于同态加密的方式，与第二方联合计算第一隐私数据和各个第二中心数据之间的第一密文距离；对第一密文距离解密，得到第一隐私数据和第二中心数据之间的第二明文距离；根据各第一明文距离，以及各第二明文距离，选择最短明文距离对应的类簇作为第一隐私数据当前归属的类簇。能够防止泄露隐私数据。
-
公开(公告)号：CN111597548A
公开(公告)日：2020-08-28
申请号：CN202010691950.9
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一种实现隐私保护的数据处理方法及装置，通过可信执行环境，基于对属性值的大小顺序排序，执行对相同候选值的重要度值的合并操作，在合并操作中，一方面，合并重要度值过程中，针对每个属性值，都会确定一个基准权重，并执行一次“加”操作，从系统进程调用来说，无法通过访问模式探知数据隐私，另一方面，保留与属性值相同的项数，从而避免通过合并结果的项数泄露数据分布隐私。同时，由于利用排序方式，相对于冗余加操作的合并方式，复杂度大大降低。总之，该方法和装置可以利用低复杂度的处理方式，实现内存访问模式基础上的隐私数据保护。
-
公开(公告)号：CN111242752B
公开(公告)日：2020-08-14
申请号：CN202010329692.X
申请日：2020-04-24
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q30/00
Abstract: 本说明书实施例公开了一种基于多任务预测的确定推荐对象的方法及系统，所述方法包括：获取目标用户的用户特征和至少一个候选对象的对象特征；利用推荐模型对所述至少一个候选对象中的每一个进行以下处理，以得到至少一个决策值：通过推荐模型处理所述用户特征和所述对象特征，确定与该候选对象对应的两个或以上的预测值；其中，所述两个或以上的预测值与两个或以上的预设任务分别相关，所述两个或两个以上的预设任务与目标任务相关；基于所述两个或以上的预测值，确定与该候选对象对应的决策值，其中，决策值反映所述目标任务的完成度；以及，基于所述至少一个决策值，从所述至少一个候选对象中确定向所述目标用户推荐的目标对象。
-
-
-
-
-
-
-
-
-
Search Results
448
records
(took 0.09 seconds)
