-
公开(公告)号：CN111078880B
公开(公告)日：2023-07-21
申请号：CN201911272849.3
申请日：2019-12-12
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/35 , G06F40/289 , G06Q10/0635 , G06Q40/04
Abstract: 本说明书提供子应用的风险识别方法以及装置，其中所述子应用的风险识别方法，应用于第三方应用，包括：获取搭载于第三方应用并依赖所述第三方应用运行的子应用的属性数据；通过对所述属性数据进行预处理，获得各个风险识别维度的风险识别数据；将所述各个风险识别维度的风险识别数据分别输入至所述各个风险识别维度对应的风险识别模型，对所述子应用在所述各个风险识别维度进行风险识别，获得所述各个风险识别模型输出的所述各个风险识别维度的风险评分；根据所述各个风险识别维度的风险评分计算所述子应用的风险总评分，并基于所述风险总评分确定所述子应用的风险识别结果。
-
公开(公告)号：CN111144718A
公开(公告)日：2020-05-12
申请号：CN201911278052.4
申请日：2019-12-12
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私有数据保护的风险决策方法、装置、系统及设备。方法应用于目标联邦学习训练中的目标成员对象，包括：将属于私有数据的风险特征集合输入至本地的第一风控模型，确定目标风险特征维度的预测贡献值，目标风险特征维度为该风险特征集合和第一风控模型对应的其中一个风险特征维度，第一风控模通过目标联邦学习训练得到。接收目标联邦学习训练的其他成员对象发送的目标风险特征维度的预测贡献值，其他成员对象确定的目标风险特征维度的预测贡献值的方法与目标成员对象一致。基于包含自身在内的至少两个成员对象确定的目标风险特征维度的预测贡献值，确定目标风险特征维度的重要性的解释数据，以进行风险决策。
-
公开(公告)号：CN111027981A
公开(公告)日：2020-04-17
申请号：CN201911284459.8
申请日：2019-12-13
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供一种多方联合训练针对IoT机具的风险评估模型的方法，其中多方包括机具端计算节点、商户端计算节点和支付平台计算节点，分别存储多个机具的机具隐私数据、绑定多个机具的多个商户的商户隐私数据，以及与多个商户相关的支付隐私数据，并且各自维护风险评估模型中的部分参数。此外，支付平台计算节点还存储机具风险标签。在该方法中，机具端计算节点和商户端计算节点基于各自存储的隐私数据和维护的部分参数，确定出中间计算结果，支付平台计算节点基于其存储的隐私数据、维护的部分参数和标签计算出中间计算结果。然后，三方基于安全多方计算MPC技术，提供各自计算出的中间计算结果，确定训练损失，再各自调整维护的部分模型参数。
-
公开(公告)号：CN111723943A
公开(公告)日：2020-09-29
申请号：CN202010753290.2
申请日：2020-04-01
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N20/00
Abstract: 本说明书实施例提供一种基于多标签的联邦学习方法、装置和系统，该方法包括：多个机构在进行联邦学习时，可信执行环境可以获取由多个机构提供的多个标签数据组，任一标签数据组中包括多个用户的原始标签，所述多个用户中至少存在一个用户在所述多个标签数据组中的多个原始标签不一致；在获取到多个标签数据组后，利用预设的弱监督学习算法对所述多个标签数据组进行学习训练，得到统一的目标标签数据组，目标标签数据组中包括所述多个用户的目标标签；将所述目标标签数据组发送给所述多个机构，以便由所述多个机构基于所述目标标签数据组进行联邦学习。
-
公开(公告)号：CN111177769A
公开(公告)日：2020-05-19
申请号：CN202010280372.X
申请日：2020-04-10
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F21/60 , G06F21/62 , G06F16/953
Abstract: 本说明书实施例提供一种隐私数据保护的名单查询方法及相关的名单查询系统。方法包括：加入目标名单查询服务的第一成员设备向数据平台发起目标名单查询服务的查询请求，查询请求携带有第一成员设备基于第一私钥加密的待查询对象信息。数据平台将待查询对象信息发送至加入目标查询服务的至少一个第二成员设备，以得到经第一成员设备的第一私钥和第二成员设备的第二私钥双重加密的待查询对象信息。数据平台基于双重加密的待查询对象信息，对目标名单查询服务的名单数据进行命中查询，并向第一成员设备反馈结果。名单数据包括有经第一私钥和第二私钥双重加密后的可查询对象信息，第一私钥和第二私钥在不同双重加密顺序下对相同内容的加密结果相同。
-
Patent Agency Ranking
公开(公告)号：CN110910041A
公开(公告)日：2020-03-24
申请号：CN201911224554.9
申请日：2019-12-04
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风险管控方法。所述方法包可以包括以下至少一种操作。可以获取与目标商户相关的商户信息。可以基于所述商户信息，至少确定所述目标商户相关的业务类型。可以至少基于第一模型以及所述商户信息，确定所述目标商户针对所述业务类型所存在的风险预估值。可以基于所述风险预估值，对所述目标商户执行与所述风险预估值对应的预设管控操作。本说明书实施例所披露的方法，可以实现商户风险管理的一站式智能化，提升了商户风险管理的准确率和时效性，同时具备隐私安全计算能力。
-
公开(公告)号：CN110807197A
公开(公告)日：2020-02-18
申请号：CN201911056718.1
申请日：2019-10-31
Applicant: 支付宝(杭州)信息技术有限公司
Inventor： 陆梦倩
IPC: G06F21/57 , G06F16/958
Abstract: 本说明书实施例提供识别模型的训练方法及装置、风险网站识别方法及装置，其中，所述识别模型的训练方法包括：确定带标签的初始网站样本集，基于所述带标签的初始网站样本集对一种可信识别模型进行训练，得到所述一种可信识别模型；获取无标签的网站样本集，并基于所述一种可信识别模型获得每个所述无标签的网站样本的可信度预测分值；将所述可信度预测分值满足预设阈值的所述无标签的网站样本集中的无标签的网站样本标记为带标签的标记网站样本，并将所述带标签的标记网站样本添加至所述带标签的初始网站样本集中；基于所述带标签的初始网站样本集对另一种可信识别模型进行训练，得到所述另一种可信识别模型。
-
公开(公告)号：CN110990857B
公开(公告)日：2021-04-06
申请号：CN201911269227.5
申请日：2019-12-11
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保护隐私安全的多方联合进行特征评估的方法和装置。该多方至少包括存储有第一样本集的第一设备和存储有第二样本集的第二设备，该方法应用于第一设备；该方法包括：对第一样本集中各样本的初始ID进行加密，并将得到的第一样本集的第一次加密ID和标签发送给第二设备；从第二设备接收第二样本集的第一次加密ID和所在分箱的标识，以及第一样本集的第二次加密ID和标签；对第二样本集的第一次加密ID进行加密，得到第二样本集的第二次加密ID；根据第二样本集的第二次加密ID和第一样本集的第二加密ID确定共有样本；根据共有样本的标签、所在分箱的标识计算特征的信息价值，以针对机器学习模型进行特征选择。
-
公开(公告)号：CN110728375B
公开(公告)日：2021-03-19
申请号：CN201910982730.9
申请日：2019-10-16
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N20/00
Abstract: 本说明书实施例提供一种多个计算单元联合训练逻辑回归模型的方法和装置，其中主计算单元中存储样本的第一部分特征和样本标签，从计算单元存储样本的第二部分特征。在联合训练的迭代过程中，针对采样的任意样本，主计算单元和从计算单元各自根据本地存储的该样本的特征部分和模型参数部分，得到部分处理值。主计算单元汇总各个部分处理值后，根据总处理值，该样本的标签值，以及之前采样该样本时存储的梯度值，采用方差约减方式得到不泄露标签值的中间值，并将其发送给从计算单元。于是，各个计算单元可以根据该中间值更新模型参数，进行后续迭代。
-
公开(公告)号：CN111291282A
公开(公告)日：2020-06-16
申请号：CN202010390982.5
申请日：2020-05-09
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F16/9537 , G06Q20/14 , G06Q20/32 , G06Q50/26
Abstract: 本说明书提供一种推荐乘车补登站点的方法及装置和电子设备。所述方法包括：在当前乘车渠道响应于用户的进站请求发现该用户需要补登上一次出站站点时，查询当前乘车渠道内存储的该用户上一次乘车记录的用户乘车数据；基于多方安全排序算法，按照时间顺序对存储在其它乘车渠道内该用户上一次乘车记录的用户乘车数据和当前乘车渠道内的用户乘车数据进行排序；其中，多方安全排序算法用于在其它乘车渠道不发送存储的用户乘车数据的情况下，确定当前乘车渠道和其它乘车渠道的用户乘车数据之间的排序结果；根据排序结果中每个用户乘车数据对应的站点名称，向用户推荐补登站点。由于多方安全排序过程中用户乘车数据不出域，从而保护了用户的隐私。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.031 seconds)
