-
公开(公告)号：CN119323051A
公开(公告)日：2025-01-17
申请号：CN202411372719.8
申请日：2024-09-29
Applicant: 深圳前海微众银行股份有限公司
Abstract: 本申请公开了一种隐私数据保护方法、设备、存储介质及计算机程序产品，涉及自然语言处理技术领域，包括：获取本地隐私数据，从本地隐私数据中筛选得到待训练的小语言模型对应的明文提示词；由加解密模型对明文提示词进行加密，生成加密扰动的提示词，将加密扰动的提示词发送至第二设备，以供第二设备基于大语言模型根据加密扰动的提示词生成扰动的思维链，将扰动的思维链发送至第一设备；加解密模型对扰动的思维链进行解密，得到解密后的思维链；基于解密后的思维链对待训练的小语言模型进行训练，得到训练完成的小语言模型。本申请中通过加解密模型，在保证第一设备的数据隐私的情况下，完成第二设备的大语言模型指导第一设备的小隐私数据保护。
-
公开(公告)号：CN113361595A
公开(公告)日：2021-09-07
申请号：CN202110621677.7
申请日：2021-06-03
Applicant: 深圳前海微众银行股份有限公司
Abstract: 本申请公开了一种样本匹配度计算优化方法，所述样本匹配度计算优化方法包括：获取各第一本地样本ID，并将各所述第一本地样本ID对应的第一哈希值映射至预设取值区间，获得各第一哈希映射值；基于在各第一哈希映射值中选取的第一采样哈希映射值集合对应的第一采样数量，以及接收的各第二设备发送的第二采样哈希映射值集合对应的第二采样数量，确定各第二设备对应的全局采样排序值，并在第一采样哈希映射值集合和各第二采样哈希映射值集合中选取各全局采样排序值对应的全局采样哈希映射值；基于各全局采样排序值和各全局采样哈希映射值，分别计算第一设备与各第二设备之间的样本匹配度。本申请解决了联邦学习中计算样本匹配度的效率低的技术问题。
-
公开(公告)号：CN111445030A
公开(公告)日：2020-07-24
申请号：CN202010241599.3
申请日：2020-03-30
Applicant: 深圳前海微众银行股份有限公司
IPC: G06N20/00
Abstract: 本申请公开了一种基于逐步回归法的联邦建模方法、设备和可读存储介质，所述基于逐步回归法的联邦建模方法包括：获取待训练模型，并接收第三设备发送的待剔除标签特征数据集合和待加入标签特征数据集合，基于待剔除标签特征数据集合和待加入标签特征数据集合，通过第二设备进行纵向联邦建模，对待训练模型进行执行预设循环训练流程，以在待训练模型中剔除符合预设剔除贡献度标准的各目标剔除特征，或者向待训练模型中加入符合预设加入贡献度标准的各目标加入特征，以对待训练模型进行循环更新，直至循环更新后的待训练模型满足预设循环结束条件，获得目标建模模型。本申请解决了纵向联邦建模效率低且效果差的技术问题。
-
公开(公告)号：CN110704860B
公开(公告)日：2024-10-29
申请号：CN201911128849.6
申请日：2019-11-18
Applicant: 深圳前海微众银行股份有限公司
Abstract: 本发明公开了一种提升安全性的纵向联邦学习方法、设备、系统及存储介质，所述方法包括：接收各数据方发送的加随机数加密梯度值，其中，各数据方加密交换用于计算梯度值的中间结果计算得到各自模型参数对应的加密梯度值，并对加密梯度值加上各自的第一随机数得到加随机数加密梯度值；对加随机数加密梯度值进行解密得到加随机数梯度值；将加随机数梯度值对应返回给各数据方，以供各数据方对加随机数梯度值消除随机数得到梯度值，并采用梯度值更新各自的模型参数；迭代训练得到训练完成的逻辑回归模型。本发明实现了在联合第三方进行纵向联邦逻辑回归建模的方案中，避免第三方联合其中一方窃取数据的可能性，提高了逻辑回归建模的安全性。
-
公开(公告)号：CN114584282B
公开(公告)日：2024-08-23
申请号：CN202210252761.0
申请日：2022-03-15
Applicant: 深圳前海微众银行股份有限公司
Abstract: 本申请公开了消息推荐优化方法、电子设备、介质及程序产品，所述消息推荐优化方法包括：接收第二方发送的密态种子用户特征信息；分别计算各本地用户节点对应的邻居节点的本地用户特征信息与密态种子用户特征信息之间的相似度，得到各加密相似度信息；获取聚合密钥信息，聚合密钥信息由各第一方节点密钥信息中的种子节点密钥信息和第二方密钥信息进行聚合得到；根据聚合密钥信息和各第一方节点密钥信息之间的差异部分，分别对相对应的加密相似度信息进行加密，得到各二次加密相似度信息；通过将各二次加密相似度信息发送至第二方进行解密，在各本地用户节点中选取目标用户节点进行消息推荐。本申请解决了消息推荐时无法保护数据隐私的技术问题。
-
Patent Agency Ranking
公开(公告)号：CN112949866B
公开(公告)日：2024-08-16
申请号：CN202110322421.6
申请日：2021-03-25
Applicant: 深圳前海微众银行股份有限公司
Abstract: 本申请提供了一种泊松回归模型的训练方法、装置，应用于联邦学习系统；方法包括：参数聚合设备获取至少两个泊松回归模型对应的模型参数对，模型参数对与泊松回归模型呈一一对应关系；每个模型参数对包括：第一参与方设备中第一子模型的模型参数、及第二参与方设备中相应第二子模型的模型参数；对至少两个模型参数对中第一子模型的模型参数、第二子模型的模型参数，分别进行模型参数聚合，得到相应的第一聚合模型参数及第二聚合模型参数；发送第一聚合模型参数至第一参与方设备，并发送所述第二聚合模型参数至各第二参与方设备，以更新泊松回归模型的模型参数。通过本申请，能够扩充联邦学习中泊松回归模型中特征提供方的数量，提高模型预测能力。
-
公开(公告)号：CN113159327A
公开(公告)日：2021-07-23
申请号：CN202110322333.6
申请日：2021-03-25
Applicant: 深圳前海微众银行股份有限公司
Abstract: 本申请提供了一种基于联邦学习系统的模型训练方法、装置；方法包括：获取至少两个模型训练标签对应的第一子模型的第一模型参数，以及相应第二子模型的第二模型参数；获取各模型训练标签的标签含义，并基于标签含义确定至少两个模型训练标签间的关联关系；基于至少两个模型训练标签间的关联关系，对至少两个第一模型参数及第二模型参数进行参数聚合，得到全局模型参数；将全局模型参数分发至各第一参与方设备、以及第二参与方设备，以使第一参与方设备及第二参与方设备，基于全局模型参数更新本地模型的模型参数。通过本申请，能够保证数据的安全性，提高模型的预测准确率。
-
公开(公告)号：CN112949866A
公开(公告)日：2021-06-11
申请号：CN202110322421.6
申请日：2021-03-25
Applicant: 深圳前海微众银行股份有限公司
Abstract: 本申请提供了一种泊松回归模型的训练方法、装置，应用于联邦学习系统；方法包括：参数聚合设备获取至少两个泊松回归模型对应的模型参数对，模型参数对与泊松回归模型呈一一对应关系；每个模型参数对包括：第一参与方设备中第一子模型的模型参数、及第二参与方设备中相应第二子模型的模型参数；对至少两个模型参数对中第一子模型的模型参数、第二子模型的模型参数，分别进行模型参数聚合，得到相应的第一聚合模型参数及第二聚合模型参数；发送第一聚合模型参数至第一参与方设备，并发送所述第二聚合模型参数至各第二参与方设备，以更新泊松回归模型的模型参数。通过本申请，能够扩充联邦学习中泊松回归模型中特征提供方的数量，提高模型预测能力。
-
公开(公告)号：CN112861939A
公开(公告)日：2021-05-28
申请号：CN202110105849.5
申请日：2021-01-26
Applicant: 深圳前海微众银行股份有限公司
Abstract: 本申请公开了一种特征选择方法、设备、可读存储介质及计算机程序产品，所述特征选择方法包括：获取样本特征对应的样本特征数据，并对所述样本特征数据进行基于横向联邦学习的特征分箱，获得样本分箱结果；接收各第二设备发送的样本标签数据，并基于各所述样本标签数据、所述样本分箱结果以及预设公共样本ID，生成各所述第二设备对应的全局标签统计结果；对各所述全局标签统计结果进行聚合，获得聚合标签统计结果；将所述聚合标签统计结果发送至反馈至各所述第二设备，以供各所述第二设备基于所述聚合标签统计结果，执行预设特征选择流程。本申请解决了进行联邦学习时特征选择效果差的技术问题。
-
公开(公告)号：CN112001452A
公开(公告)日：2020-11-27
申请号：CN202010891722.6
申请日：2020-08-27
Applicant: 深圳前海微众银行股份有限公司
IPC: G06K9/62
Abstract: 本申请公开了一种特征选择方法、装置、设备及可读存储介质，所述特征选择方法包括：获取待选择特征数据，并基于所述待选择特征数据，与第二设备进行加密聚合交互，获得所述待选择特征数据对应的全局统计特征数据，进而基于所述全局统计特征数据，计算全局相关性系数，进而基于所述全局相关性系数，对所述待选择特征数据进行特征选择，获得目标特征数据。本申请解决了特征选择效果差的技术问题。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.034 seconds)
