-
公开(公告)号：CN114742233A
公开(公告)日：2022-07-12
申请号：CN202210346184.1
申请日：2022-04-02
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联合训练逻辑回归模型的方法，所述训练涉及包括样本特征、样本标签和模型参数在内的3种训练数据，均被拆分为分片分布于两方之中；该方法由两方中任意的第一方执行，包括：利用随机数组第一分片中的3个随机数第一分片，对3种训练数据对应的3个第一方分片对应进行掩码处理，得到3个第一掩码分片，并发送给第二方，该随机数组第一分片由第三方将其生成的随机数组中的各数值拆分为两方分片后，将分片之一发送给第一方；利用3个第一掩码分片和从第二方接收的3个第二掩码分片，构建对应3种训练数据的3个掩码数据；基于3个掩码数据和随机数组第一分片进行第一计算，得到第一梯度分片，用于更新模型参数的第一方分片。
-
公开(公告)号：CN111930968A
公开(公告)日：2020-11-13
申请号：CN202011089710.8
申请日：2020-10-13
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例基于具有隐私保护需求的多方安全计算场景，提供一种更新业务模型的方法和装置，针对用于处理知识图谱的业务数据在训练过程中，模型损失的连续性无法保障的情形，提出对模型损失增加利普希茨连续性的约束项，该约束项可以基于常规模型损失对知识图谱中的图谱参数的梯度，与预设的利普希茨常数的对比确定。通过这种方式，在损失最小化过程中，使得模型损失趋于利普希茨连续。如此，可以在使用模型优化算法过程中，提高模型参数的收敛性，加快收敛速度。进一步地，该方案可以适用于任意用于处理知识图谱的机器学习模型的训练过程，且不局限于单方训练和联邦学习场景。
-
公开(公告)号：CN115001733B
公开(公告)日：2024-06-04
申请号：CN202210396044.5
申请日：2022-04-15
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书公开了一种数据确定方法、装置、存储介质及终端，其中，方法包括：第一终端发送第一加密数据至第二终端；第二终端采用第二公钥对第一加密数据进行加密得到第二加密数据，并将第二加密数据和第三加密数据发送至第一终端；第一终端采用第一公钥对第三加密数据进行加密得到第四加密数据，获取第二加密数据和第四加密数据的第一交集数据，并发送第一交集数据至第三终端；第三终端获取第一终端发送的第五加密数据；第三终端基于第五加密数据和第一交集数据确定第二交集数据，并发送第二交集数据至第一终端和第二终端。
-
公开(公告)号：CN117218699A
公开(公告)日：2023-12-12
申请号：CN202311075610.3
申请日：2023-08-24
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人脸信息处理方法和系统。所述方法由存储有经加密保护的人脸特征底库的处理设备执行，所述方法包括：对待识别人脸图像进行特征提取，得到待识别人脸特征；基于函数加密系统中的主密钥和待识别人脸特征，生成与目标相似度的表征函数对应的派生密钥；使用所述派生密钥从人脸特征底库中参考人脸特征的密文中解密出反映待识别人脸特征与参考人脸特征之间目标相似度的表征函数值，所述表征函数值用于确定所述待识别人脸图像的识别结果。
-
公开(公告)号：CN112148755A
公开(公告)日：2020-12-29
申请号：CN202010927160.6
申请日：2020-09-07
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/2455 , G06F16/248 , G06F21/60 , G06F21/64
Abstract: 本说明书提供一种基于秘密共享的隐私数据访问方法、装置、设备及系统，通过将待访问隐私数据的序号进行秘密共享拆分成序号第一份额、序号第二份额分发给保存有隐私数据库份额的第一方和第二方，使得第一方和第二方均无法获知待访问隐私数据的序号。第一方和第二方利用接收到的序号第一份额、序号第二份额对各自保存的数据库第一份额、数据库第二份额中的数据的序号进行打乱。再通过两次不经意传输，使得第一方和第二方分别从对方那获取到访问数据第一份额、访问数据第二份额，基于访问数据第一份额、访问数据第二份额可以获得待访问隐私数据，可以实现第一方和第二方在互相保密的前提下访问隐私数据库中某个元素。
-
Patent Agency Ranking
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：CN114742233B
公开(公告)日：2024-08-02
申请号：CN202210346184.1
申请日：2022-04-02
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联合训练逻辑回归模型的方法，所述训练涉及包括样本特征、样本标签和模型参数在内的3种训练数据，均被拆分为分片分布于两方之中；该方法由两方中任意的第一方执行，包括：利用随机数组第一分片中的3个随机数第一分片，对3种训练数据对应的3个第一方分片对应进行掩码处理，得到3个第一掩码分片，并发送给第二方，该随机数组第一分片由第三方将其生成的随机数组中的各数值拆分为两方分片后，将分片之一发送给第一方；利用3个第一掩码分片和从第二方接收的3个第二掩码分片，构建对应3种训练数据的3个掩码数据；基于3个掩码数据和随机数组第一分片进行第一计算，得到第一梯度分片，用于更新模型参数的第一方分片。
-
公开(公告)号：CN114707662B
公开(公告)日：2024-06-18
申请号：CN202210398878.X
申请日：2022-04-15
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N20/00
Abstract: 本说明书的实施例提供一种联邦学习方法、装置及联邦学习系统。联邦学习系统包括至少两个第一成员设备和第二成员设备，第一成员设备具有用于全局模型训练的本地数据。在各个第一成员设备处，使用本地数据训练全局模型得到各个模型参数的本地参数更新量；从全局模型的模型参数中选择适合于本地训练的部分模型参数；并将所选择的模型参数的本地参数更新量发送给第二成员设备。在第二成员设备处，使用从各个第一成员设备接收的本地参数更新量重构全局模型的各个模型参数的参数更新量；基于所述重构的各个模型参数的参数更新量进行全局模型更新；以及将更新后的全局模型作为下一模型训练过程的全局模型发送给各个第一成员设备。
-
公开(公告)号：CN112068866B
公开(公告)日：2022-07-19
申请号：CN202011046903.5
申请日：2020-09-29
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更新业务模型的方法和装置，在多方安全计算的联邦学习过程中，各个提供样本数据参与计算的业务方分别通过本地样本数据调整本地模型参数，并在调整本地模型参数过程中，基于最优传输理论，在损失确定时增加本地模型参数和其他业务方模型参数在最小传输代价下的距离约束，从而保证本地业务模型的稳定性。
-
公开(公告)号：CN114611131A
公开(公告)日：2022-06-10
申请号：CN202210502652.X
申请日：2022-05-10
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隐私的确定共有数据的方法、装置和系统。第一方利用第一密钥，将其持有的第一数据集进行加密，将得到的单加密全数据集发送给第二方。第二方利用第二密钥对单加密全数据集再次加密，得到双加密全数据集，还基于本方的第二数据集进行下采样和基于第二密钥的单次加密，得到单加密采样数据集，发送给第一方。第一方又利用第一密钥对单加密采样数据集进行加密，得到双加密采样数据集，并确定双加密全数据集和双加密采样数据集的交集。此外，还对双加密采样数据集中除交集外的补集进行上采样，将得到的元素添加到交集，得到加噪交集，将其中的元素索引发送给第二方。第二方基于元素索引，确定与共有数据相关的信息。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.025 seconds)
