-
公开(公告)号：CN111275350A
公开(公告)日：2020-06-12
申请号：CN202010083148.1
申请日：2020-02-08
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事件评估模型的训练方法和装置。该事件评估模型包括宽度部分和深度部分，宽度部分模型参数少，用于处理事件的可解释性特征数据；深度部分模型参数多，用于处理与事件相关联的抽象特征数据。训练方法包括，收集较短时间周期中的样本事件，获取短期样本集；将短期样本集中的样本事件输入事件评估模型，根据预测结果和对应的类别标签，确定短期预测损失，根据该短期预测损失，更新宽度部分。收集较长时间周期中的样本事件，获取长期样本集，将其中各个样本事件输入事件评估模型，根据预测结果和对应的类别标签，确定长期预测损失；并根据该长期预测损失，更新深度部分。
-
公开(公告)号：CN113343295B
公开(公告)日：2023-01-24
申请号：CN202110633560.0
申请日：2021-06-07
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书一个实施例提了一种基于隐私保护的图像处理方法、装置、设备和存储介质，其中方法包括：获取用户的待脱敏图像，在待脱敏图像中选取待处理图像部分；确定待处理图像部分对应的像素点位置变换方式，按照确定的像素点位置变换方式，对待处理图像部分中的像素点的位置进行变换，以对用户隐私数据进行加密；将加密得到的图像作为脱敏后的图像；脱敏后的图像能够通过基于机器学习的图像识别模型进行真实性验证；真实性验证为验证图像内容是否为验证对象。
-
公开(公告)号：CN111507461B
公开(公告)日：2022-05-17
申请号：CN202010287390.0
申请日：2020-04-13
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可解释性信息确定方法及装置，该方法首先获取目标对象对应的二维数据表，然后将二维数据表输入预先训练的卷积神经网络，提取各项事件特征的累积特征的特征值，得到至少一张第一特征图，下游网络进行下游卷积处理，获得全局特征；基于全局特征可计算出风险分数值，接下来针对全局特征，执行反卷积算法，得到第二特征图，第二特征图与第一特征图对应，根据第二特征图，可确定导致风险分数值的累积特征，作为可解释性信息。该方法无需产生扰动样本也可确定可解释性信息，不受扰动样本限制，且信息精度较高。
-
Patent Agency Ranking
公开(公告)号：CN113343295A
公开(公告)日：2021-09-03
申请号：CN202110633560.0
申请日：2021-06-07
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书一个实施例提了一种基于隐私保护的图像处理方法、装置、设备和存储介质，其中方法包括：获取用户的待脱敏图像，在待脱敏图像中选取待处理图像部分；确定待处理图像部分对应的像素点位置变换方式，按照确定的像素点位置变换方式，对待处理图像部分中的像素点的位置进行变换，以对用户隐私数据进行加密；将加密得到的图像作为脱敏后的图像；脱敏后的图像能够通过基于机器学习的图像识别模型进行真实性验证；真实性验证为验证图像内容是否为验证对象。
-
公开(公告)号：CN110674188A
公开(公告)日：2020-01-10
申请号：CN201910923423.3
申请日：2019-09-27
Applicant: 支付宝(杭州)信息技术有限公司
Inventor： 郭龙
IPC: G06F16/2458 , G06F16/28 , G06Q10/06
Abstract: 本说明书实施例公开了一种特征提取方法、装置及设备。方案包括：对于包含多种表征类型的数据的待处理用户数据，将该待处理用户数据中的用户行为数据、用户行为统计数据及用户静态数据，分别输入至采用对应表征类型的数据样本训练得到的第一特征提取模型、第二特征提取模型及第三特征提取模型中，将第一特征提取模型的隐藏层输出特征、第二特征提取模型的隐藏层输出特征及第三特征提取模型的隐藏层输出特征共同确定为该待处理用户数据的提取特征。
-
公开(公告)号：CN111275350B
公开(公告)日：2021-06-04
申请号：CN202010083148.1
申请日：2020-02-08
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事件评估模型的训练方法和装置。该事件评估模型包括宽度部分和深度部分，宽度部分模型参数少，用于处理事件的可解释性特征数据；深度部分模型参数多，用于处理与事件相关联的抽象特征数据。训练方法包括，收集较短时间周期中的样本事件，获取短期样本集；将短期样本集中的样本事件输入事件评估模型，根据预测结果和对应的类别标签，确定短期预测损失，根据该短期预测损失，更新宽度部分。收集较长时间周期中的样本事件，获取长期样本集，将其中各个样本事件输入事件评估模型，根据预测结果和对应的类别标签，确定长期预测损失；并根据该长期预测损失，更新深度部分。
-
公开(公告)号：CN114444074A
公开(公告)日：2022-05-06
申请号：CN202210074156.9
申请日：2022-01-21
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书公开了一种异常区块链节点检测方法及装置。所述方法包括：针对区块链网络中至少2个区块链节点构建图结构，各个图节点与各个区块链节点一一对应，每个图节点连接至少一个边，任一个边的权重正相关于该边所连接的两个图节点之间的相似度，两个图节点之间的相似度为相应两个区块链节点的区块链上相同地址的数据之间的相似度；将图结构对应的原始表示输入图神经网络进行映射处理，得到图结构对应的映射表示；原始表示包括每个图节点的原始特征以及每个边的权重，映射表示包括每个图节点的映射特征；在各个图节点的映射特征中应用异常检测算法，确定出异常映射特征，将具有异常映射特征的图节点所对应的区块链节点，确定为异常区块链节点。
-
公开(公告)号：CN111507461A
公开(公告)日：2020-08-07
申请号：CN202010287390.0
申请日：2020-04-13
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可解释性信息确定方法及装置，该方法首先获取目标对象对应的二维数据表，然后将二维数据表输入预先训练的卷积神经网络，提取各项事件特征的累积特征的特征值，得到至少一张第一特征图，下游网络进行下游卷积处理，获得全局特征；基于全局特征可计算出风险分数值，接下来针对全局特征，执行反卷积算法，得到第二特征图，第二特征图与第一特征图对应，根据第二特征图，可确定导致风险分数值的累积特征，作为可解释性信息。该方法无需产生扰动样本也可确定可解释性信息，不受扰动样本限制，且信息精度较高。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.027 seconds)
