-
公开(公告)号：CN115170136A
公开(公告)日：2022-10-11
申请号：CN202210687416.X
申请日：2022-06-17
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更新可信模型的方法及装置。其中方法包括：获取新增样本以及新增样本对应的标签；将新增样本输入原可信模型，获取并存储原可信模型针对新增样本的输出结果作为新增样本的模拟原始标签；在原可信模型中新增一个与原输出层结构相同且并列的新输出层，得到新可信模型；利用新增样本训练新可信模型，以最小化原输出层针对新增样本的输出结果与新增样本的模拟原始标签之间的差异，新输出层针对新增样本的输出结果与新增样本对应的标签之间的差异，以及新输出层针对新增样本的输出结果与新增样本的模拟原始标签之间的差异；从训练结束后得到的新可信模型中去除原输出层得到更新后的可信模型。
-
公开(公告)号：CN112785157B
公开(公告)日：2022-07-22
申请号：CN202110093517.X
申请日：2021-01-22
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风险识别方法。该方法包括：获取待识别的第一事件样本；将该第一事件样本输入针对多个风险域的风险识别系统中；该风险识别系统包括第一表征层，第二表征层和输出层；该第二表征层包括共享表征子层，以及对应该多个风险域的多个特定表征子层；该输出层包括对应该多个风险域的多个输出子层；其中，该第一表征层基于该第一事件样本的事件特征，确定该第一事件样本的第一表征向量；该第二表征层中的各个表征子层各自基于该第一表征向量，确定该第一事件样本的表征子向量；该输出层中的各个输出子层，各自基于所对应风险域的表征子向量和该共享表征子层确定出的表征子向量，确定风险预测结果。
-
公开(公告)号：CN113409050B
公开(公告)日：2022-05-17
申请号：CN202110492178.2
申请日：2021-05-06
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用户操作判断业务风险的方法和装置，方法包括：客户端接收针对目标业务的第一操作，目标业务是多种服务业务之一，第一操作是向服务端提交目标业务的业务请求之前的预定操作；响应于第一操作，在第一执行链路中，获取用户通过客户端执行的历史操作序列，将历史操作序列对应的特征序列输入预先训练的风险预测模型，得到目标业务的风险分数，将风险分数发送给服务端；在与第一执行链路并行执行的第二执行链路中，对目标业务进行继续处理，直至向服务端提交目标业务的业务请求；以使服务端根据业务请求和风险分数，判断目标业务是否具有预设类别的风险。能够确保高准确率、低耗时。
-
公开(公告)号：CN114429222A
公开(公告)日：2022-05-03
申请号：CN202210061986.8
申请日：2022-01-19
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训练方法、装置及设备，该方法包括：获取待训练的目标模型对应的模型参数和目标模型的训练样本，并将模型参数划分为多个不同的模型子参数，然后，可以基于训练样本和每个模型子参数对应的损失函数，对目标模型进行模型训练，确定每个模型子参数对应的初始梯度信息，基于每个模型子参数对应的截断信息对相应的模型子参数对应的初始梯度信息进行梯度截断，得到每个模型子参数对应的梯度信息，最终，可以向每个模型子参数对应的梯度信息中加入相应的噪声信息，得到每个模型子参数对应的目标梯度信息，并基于每个模型子参数对应的目标梯度信息对模型参数进行更新，得到训练后的目标模型。
-
公开(公告)号：CN113516480A
公开(公告)日：2021-10-19
申请号：CN202110953376.4
申请日：2021-08-19
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提供了一种支付风险识别方法、装置及设备，该方法包括：若针对目标用户的本次支付交易事件执行到支付处理链路中的第一预设处理节点，则利用深度兴趣网络模型，基于目标用户的历史支付交易数据和当前支付环境数据，确定目标用户的预测支付行为数据；利用预设风险识别模型并基于上述预测支付行为数据，对本次支付交易事件进行风险识别，得到相应的预测支付风险识别结果；在本次支付交易事件执行到第二预设处理节点时，获取在本次支付交易事件执行过程中所产生的目标用户的真实支付行为数据；基于上述预测支付行为数据、真实支付行为数据和预测支付风险识别结果，确定本次支付交易事件对应的目标支付风险识别结果。
-
Patent Agency Ranking
公开(公告)号：CN113297396A
公开(公告)日：2021-08-24
申请号：CN202110824981.1
申请日：2021-07-21
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基于联邦学习的模型参数更新方法、装置及设备，其中，该方法包括：接收联邦学习服务端下发的针对目标图神经网络模型的模型参数更新指令，所述模型参数更新指令携带有第一共享参数，所述目标图神经网络模型为多个所述联邦学习客户端的共有模型；基于所述第一共享参数、本地存储的第一独立参数，以及由本地用户私有数据构建的图谱数据，对所述目标图神经网络模型进行训练，得到训练后的所述目标图神经网络模型的模型参数；将所述第二共享参数发送给所述联邦学习服务端，以使所述联邦学习服务端基于多个联邦学习客户端发送的第二共享参数，对所述目标图神经网络模型的第一共享参数进行更新处理。
-
公开(公告)号：CN111932041B
公开(公告)日：2021-01-05
申请号：CN202011069728.1
申请日：2020-10-09
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基于风险识别的模型训练方法、装置及电子设备，具体方案包括：获取无样本标签的第一数据集，第一数据集包含预期具有第一类样本标签的样本数据，在该预期具有第一类样本标签的样本数据中掺杂有具有第二类样本标签的样本数据；对第一数据集预配置第一类样本标签，利用该第一数据集运行配置有第一模型参数的目标模型，生成预测值。利用损失函数判断预测值相比于第一数据集所反映的目标值的损失量，估算损失量对应的第一数据集的统计中心估值，将统计中心估值转换成统计中心期望值，利用损失量和损失量对应的统计中心期望值调整第一模型参数，直到损失量达到预设条件。
-
公开(公告)号：CN119990183A
公开(公告)日：2025-05-13
申请号：CN202510199077.4
申请日：2025-02-21
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大语言模型的微调方法和装置。方法包括：获取预训练的大语言模型的权重矩阵，将权重矩阵分解为幅度向量和第一方向矩阵，并初始化第一低秩矩阵和第二低秩矩阵，第一低秩矩阵和第二低秩矩阵的乘积用于拟合第一方向矩阵的增量矩阵；保持第一方向矩阵不变，执行多轮微调，每轮微调包括：将训练文本输入大语言模型，进行损失函数的计算；基于损失函数更新幅度向量；确定损失函数相对于当前方向矩阵的第一梯度矩阵；根据第一梯度矩阵得到更新的第一低秩矩阵以及第二低秩矩阵；基于更新的第一低秩矩阵和第二低秩矩阵的乘积确定本轮增量矩阵，将本轮增量矩阵叠加在第一方向矩阵上，作为本轮更新后的方向矩阵。
-
公开(公告)号：CN119025879B
公开(公告)日：2025-02-28
申请号：CN202411515145.5
申请日：2024-10-28
Applicant: 支付宝(杭州)信息技术有限公司 , 清华大学
IPC: G06F18/21 , G06F18/214 , G06N5/04
Abstract: 本说明书实施例公开了一种大模型的安全性测评方法、装置及设备，该方法包括：获取用于对目标大模型进行安全性测评所需使用的测试集，测试集中包括测试样本数据和对应的标签信息；确定测试样本数据中后门触发器的停用词权重比例阈值，基于停用词权重比例阈值对预设的多个初始停用词组中的基准停用词当前所在的初始停用词组进行调整，得到多个目标停用词组；将测试样本数据中包含的当前处于第一目标停用词组的停用词，使用多个目标停用词组中的其它目标停用词组中与停用词相匹配的基准停用词替换，直到停用词权重比例满足预设条件，得到替换后的测试集；基于替换后的测试集对目标大模型进行安全性测评，以判断目标大模型是否存在越狱攻击风险。
-
公开(公告)号：CN119025879A
公开(公告)日：2024-11-26
申请号：CN202411515145.5
申请日：2024-10-28
Applicant: 支付宝(杭州)信息技术有限公司 , 清华大学
IPC: G06F18/21 , G06F18/214 , G06N5/04
Abstract: 本说明书实施例公开了一种大模型的安全性测评方法、装置及设备，该方法包括：获取用于对目标大模型进行安全性测评所需使用的测试集，测试集中包括测试样本数据和对应的标签信息；确定测试样本数据中后门触发器的停用词权重比例阈值，基于停用词权重比例阈值对预设的多个初始停用词组中的基准停用词当前所在的初始停用词组进行调整，得到多个目标停用词组；将测试样本数据中包含的当前处于第一目标停用词组的停用词，使用多个目标停用词组中的其它目标停用词组中与停用词相匹配的基准停用词替换，直到停用词权重比例满足预设条件，得到替换后的测试集；基于替换后的测试集对目标大模型进行安全性测评，以判断目标大模型是否存在越狱攻击风险。
-
-
-
-
-
-
-
-
-
Search Results
111
records
(took 0.042 seconds)
