-
公开(公告)号：CN111506922A
公开(公告)日：2020-08-07
申请号：CN202010307722.7
申请日：2020-04-17
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多方联合对隐私数据进行显著性检验的方法和装置，隐私数据分布在M个持有方中，M个持有方各自的原始矩阵能假定构成联合矩阵，联合矩阵对应于N个业务对象针对D项属性项的属性值构成的矩阵，检验方在获取到N个业务对象对应的N个预测值以及D项属性项对应的D个模型参数时，将对N个预测值的预定计算结果作为对角元素构建N*N维的预测值矩阵，利用秘密共享的矩阵乘法SMM，基于预测值矩阵以及M个持有方各自的原始矩阵进行乘操作，得到多个子矩阵，并构建中间矩阵，将中间矩阵的逆矩阵确定为预测值矩阵与联合矩阵形成的D*D维的方差协方差矩阵；基于方差协方差矩阵的对角元素，采用显著性检验法，确定属性项的显著性水平值。
-
公开(公告)号：CN111461904A
公开(公告)日：2020-07-28
申请号：CN202010304997.5
申请日：2020-04-17
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对象类别的分析方法及装置，用于解决现有技术中对象类别的分析准确度较低的问题。所述方法包括：获取属于目标类别的第一对象对应的第一文本，及，获取第二对象对应的第二文本。利用预先训练的序列到序列模型及词向量集，确定所述第一文本对应的第一文本向量及所述第二文本对应的第二文本向量，所述序列到序列模型为根据具有相关性标签信息的多个样本文本训练得到，各所述样本文本包含多个有序的样本词语。基于所述第一文本向量及所述第二文本向量，确定所述第一文本及所述第二文本之间的相关性信息。根据所述第一文本及所述第二文本之间的相关性信息，确定所述第二对象是否属于所述目标类别。
-
公开(公告)号：CN111444545A
公开(公告)日：2020-07-24
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：CN111444544A
公开(公告)日：2020-07-24
申请号：CN202010536190.4
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：第一方确定各个类簇当前分别对应的各中心数据的第一分片；分别将所述各中心数据作为目标中心数据，基于本地的第一隐私数据和目标中心数据的第一分片，利用秘密共享的方式，与第二方中的目标中心数据的第二分片进行第一联合计算，得到第一隐私数据和目标中心数据的第一目标距离的第一分片；基于各第一目标距离的第一分片，利用秘密共享的方式，与第二方中的各第一目标距离的第二分片进行联合比较，确定各第一目标距离中的最近的第一目标距离；将最近的第一目标距离对应的类簇，确定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：CN111291417A
公开(公告)日：2020-06-16
申请号：CN202010384206.4
申请日：2020-05-09
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F21/62 , G06F16/9535
Abstract: 本说明书实施例提供一种保护数据隐私的多方联合训练对象推荐模型的方法，其中多方为N方，共同维护M个用户对P个对象的总评分矩阵。该方法由N方中任意的第k方执行，包括：先通过秘密分享，获取以下矩阵分片：该总评分矩阵的第k评分矩阵分片、初始化的该P个对象的对象特征矩阵的第k对象矩阵分片和初始化的该M个用户的用户特征矩阵的第k用户矩阵分片；再执行多次迭代更新，具体地，基于上述矩阵分片，通过与其他N-1方进行秘密分享矩阵运算，得到对象更新梯度和用户更新梯度的第k分片，进而更新第k对象矩阵分片和第k用户矩阵分片。如此在多次迭代更新结束后，N方各自交换更新后的矩阵分片，进行矩阵重构，进而建立各自的对象推荐模型。
-
Patent Agency Ranking
公开(公告)号：CN111291165A
公开(公告)日：2020-06-16
申请号：CN202010384236.5
申请日：2020-05-09
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/33 , G06F16/35 , G06F40/289 , G06F40/30
Abstract: 本说明书实施例提供一种训练词向量嵌入模型的方法，该方法包括多次迭代更新，其中任一次包括：先从训练语句对应的词语序列中，确定中心词语和对应的多个上下文词语；接着，根据第一词向量矩阵，确定该中心词语对应的中心词向量，以及根据第二词向量矩阵，确定该多个上下文词语对应的多个上下文词向量；然后，基于该多个上下文词向量彼此之间的相似度，确定其对应的多个注意力权重；再利用该多个注意力权重，对该多个上下文词向量进行加权求和，得到中心词语的上下文表示向量；再然后，计算该中心词向量与该上下文表示向量之间的第一相似度；最后，至少以增大该第一相似度为目标，更新上述第一词向量矩阵和第二词向量矩阵。
-
公开(公告)号：CN111240606A
公开(公告)日：2020-06-05
申请号：CN202010329956.1
申请日：2020-04-24
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F3/06
Abstract: 本说明书一个或多个实施例涉及一种基于安全内存的存储优化方法；所述方法包括：获取安全内存的可用容量；获取模型或者模型某一层的待计算数据；获取所述模型或者模型某一层的权重；根据所述权重，以及所述待计算数据，确定内存需求量；所述内存需求量为完成计算预计需要占用的安全内存的存储空间；将所述内存需求量与所述内存的可用容量进行对比；当比较结果满足预设条件时，对所述权重进行修正，获取量化权重，基于所述量化权重进行计算；所述量化权重对内存的需求量小于所述权重对内容的需求量。
-
公开(公告)号：CN111177791A
公开(公告)日：2020-05-19
申请号：CN202010276682.4
申请日：2020-04-10
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保护数据隐私的双方联合训练业务预测模型的方法和装置，其中第一方和第二方分别拥有一部分特征数据，分别维护第一和第二参数部分，借助于第三方进行联合训练。在模型迭代时，双方各自计算其特征矩阵与参数的乘积结果，第一方将其乘积结果用第三方公钥同态加密后发送给拥有标签的第二方，由第二方进行同态运算，得到加密误差向量。然后，基于该加密误差向量，双方各自通过同态添加混淆元素的方式，将混淆后的加密梯度发送给第三方，使其解密，再对解密后的混淆梯度去混淆，得到对应的梯度，由此更新对应的参数。如此实现保护数据隐私的安全联合训练。
-
公开(公告)号：CN111177768A
公开(公告)日：2020-05-19
申请号：CN202010276698.5
申请日：2020-04-10
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保护数据隐私的双方联合训练业务预测模型的方法和装置，其中第一方和第二方分别拥有一部分特征数据，分别维护第一和第二参数部分。在模型迭代时，双方各自计算其特征矩阵与参数的乘积结果，第一方将其乘积结果同态加密后发送给拥有标签的第二方，由第二方进行同态运算，得到加密误差向量。然后，基于该加密误差向量，双方联合通过同态添加混淆元素的方式，传递第二方的梯度，使得第二方更新其第二参数；此外，还通过二次加密的方式，传递第一方的梯度，使得第一方更新其第一参数。如此实现保护数据隐私的安全联合训练。
-
公开(公告)号：CN111162896A
公开(公告)日：2020-05-15
申请号：CN202010252277.9
申请日：2020-04-01
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保护数据隐私的双方联合进行数据处理的方法和装置，其中双方各自维护有隐私数据构成的原始矩阵。根据该方法，由两方中矩阵维度较小的一方对其矩阵进行同态加密，将加密后的矩阵发送给另一方。另一方用其自身的原始矩阵，对该加密矩阵进行同态加和运算，得到加密综合矩阵。该加密综合矩阵相当于对乘法矩阵加密后的矩阵。然后，双方针对加密综合矩阵进行同态加密下的秘密分享，最终各自得到一个矩阵分片，使得分片之和为乘法矩阵，从而实现双方的安全矩阵运算。
-
-
-
-
-
-
-
-
-
Search Results
222
records
(took 0.037 seconds)
