-
公开(公告)号：CN111241850A
公开(公告)日：2020-06-05
申请号：CN202010329629.6
申请日：2020-04-24
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F40/30
Abstract: 本说明书实施例提供一种提供业务模型的方法，通过本说明书实施例提供的方法和装置，在服务端预先存储大量候选模型，并存储对各候选模型的训练数据进行编码得到的候选语义向量，在客户端需要业务模型时，可以上传由自有业务数据确定的当前语义向量，并将当前语义向量和候选语义向量进行匹配，以根据匹配结果选择目标模型。这种方式可以较好地保护客户端的数据隐私，并且产生较少的通信量。特别地，服务端选择的目标模型有多个，将多个目标模型进行融合后，将融合结果提供给客户端，可以有效保护服务端的模型数据隐私。总之，本说明书描述的提供业务模型的方法，可以提升业务模型应用的有效性。
-
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。
-
Patent Agency Ranking
公开(公告)号：CN111125735A
公开(公告)日：2020-05-08
申请号：CN201911329590.1
申请日：2019-12-20
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涉及一种基于隐私数据进行模型训练的方法及系统。该方法包括：第二终端接收来自第一终端的加密后的第一隐私数据；第一隐私数据由与其对应的特征和模型参数确定；第二终端至少将加密后的第一隐私数据与第二隐私数据的加密数据进行计算，得到加密后的结果；第二隐私数据由与其对应的特征和模型参数确定；第二终端基于所述加密后的结果以及样本标签，得到至少基于所述第一隐私数据和第二隐私数据联合训练的模型的加密损失值；通过第三方将所述加密损失值参与第一解密梯度和第二解密梯度的计算；第一解密梯度和第二解密梯度分别与第一隐私数据和第二隐私数据对应，第一解密梯度和第二解密梯度用于更新联合训练的模型。
-
公开(公告)号：CN111079947A
公开(公告)日：2020-04-28
申请号：CN201911334019.9
申请日：2019-12-20
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涉及一种基于可选隐私数据进行模型训练的方法及系统。所述方法包括：标签持有终端接收至少来自第一终端的第一类数据和第二类数据的运算积；所述第一类数据和第二类数据对应不同的隐私等级；标签持有终端基于接收到的第一类数据、第二类数据的运算积以及标签持有终端的第二数据，确定数据累计值；标签持有终端基于数据累计值以及样本标签，确定至少基于标签持有终端和第一终端联合训练的模型的损失值；将损失值参与梯度值的计算；所述梯度值用于更新所述联合训练的模型；其中，第一终端持有第一数据，包括第一类数据和第二类数据；标签持有终端持有第二数据以及样本标签；第一数据与第二数据对应于相同的训练样本。
-
公开(公告)号：CN111079944A
公开(公告)日：2020-04-28
申请号：CN201911310373.8
申请日：2019-12-18
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N20/00
Abstract: 本发明提供了一种提升树模型迁移学习的解释方案，能够对基于提升树模型的迁移学习进行解释，同时可以支持迁移模型的局部解释和全局解释。
-
公开(公告)号：CN111062056A
公开(公告)日：2020-04-24
申请号：CN201911284099.1
申请日：2019-12-13
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迁移学习实现的私有数据保护的建模方法、系统及装置。所述方法可以由一个或多个处理器执行，其包括：可以从中间存储设备处获取中间模型，所述中间模型基于第一数据域中的第一数据集获得，并存储于中间存储设备中，所述第一数据集包括文本数据、语音数据、或图像数据。可以基于所述第二数据域中的第二数据集，更新所述中间模型以获取目标模型。所述第二数据域与所述第一数据域是相互隔离的，所述第二数据集所包含的数据类型与所述第一数据集相对应。本说明书所披露的方法，可以在多方安全计算时保护各方私有数据的安全。
-
-
-
-
-
-
-
-
-
Search Results
382
records
(took 0.046 seconds)
