-
公开(公告)号：CN112633409B
公开(公告)日：2025-01-10
申请号：CN202011644819.3
申请日：2020-12-31
Applicant: 深圳前海微众银行股份有限公司
IPC: G06F18/214 , G06F18/2415 , G06F18/213 , G06F21/60 , G06N3/0464 , G06N3/048 , G06N3/098
Abstract: 本发明涉及金融科技技术领域，公开了一种样本的预测方法、纵向联邦学习和横向联邦学习的模型训练方法。预测方法包括：获取用户的样本对应的目标特征向量，并将所述目标特征向量输入预测模型，其中，所述预测模型是采用多个Guest端的第一样本以及多个Host端的第二样本经纵向联邦学习方法以及横向联邦学习方法训练得到；获取所述预测模型输出的数值，并根据所述数值确定所述用户的预测结果。本发明用户风险预测准确性较高。
-
公开(公告)号：CN110851869B
公开(公告)日：2023-09-19
申请号：CN201911114421.6
申请日：2019-11-14
Applicant: 深圳前海微众银行股份有限公司
Abstract: 本发明公开了一种敏感信息处理方法，包括以下步骤：根据可交换加密算法对第一终端和第二终端交换各自拥有的数据集进行交换加密，得到第一终端的第一加密集和第二终端的第二加密集，根据第一预测模型、第一终端拥有的数据集以及同态加密算法，得到预测数据加密集，获取第一加密集与第二加密集的交集数据加密集，并在预测数据加密集中获取交集数据加密集的预测数据加密集，发送交集数据加密集以及交集数据加密集的预测数据加密集至第二终端，以供第二终端得到交集数据集对应的目标预测集。本发明还公开了设备及可读存储介质。实现了终端之间不需要公开各自的数据集，即可获交集数据对应的多模型联合预测值，从而保护数据隐私性，提升信息安全。
-
公开(公告)号：CN114595474A
公开(公告)日：2022-06-07
申请号：CN202210240863.0
申请日：2022-03-10
Applicant: 深圳前海微众银行股份有限公司
Abstract: 本申请公开了联邦学习建模优化方法、电子设备、介质及程序产品，应用于第一方，所述联邦学习建模优化方法包括：将各用户数据作为图嵌入特征提取模型的第一层神经网络的输入，生成各用户中间特征；依据各用户中间特征，在加密状态下向第二方请求获取各邻居节点聚合特征；分别将各用户中间特征和对应的邻居节点聚合特征作为图嵌入特征提取模型的下一层神经网络的输入，重新生成各用户中间特征；将图嵌入特征提取模型的最后一层神经网络输出的各用户中间特征作为目标图嵌入特征；根据各目标图嵌入特征，得到图嵌入特征提取模型对应的联邦图嵌入特征提取模型。本申请解决了联合多方构建图嵌入特征提取模型时无法保护数据隐私的技术问题。
-
公开(公告)号：CN114584282A
公开(公告)日：2022-06-03
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。
-
公开(公告)号：CN111147244B
公开(公告)日：2021-07-09
申请号：CN201911424559.6
申请日：2019-12-30
Applicant: 深圳前海微众银行股份有限公司
IPC: H04L9/08
Abstract: 本申请公开了一种多方秘密分享方法、设备和可读存储介质，所述多方秘密分享方法包括：接收与第一设备分享关联的第二设备发送的第一张量元素和第二张量元素，并生成预设乘法三元组对应的乘法三元组张量元素，其中，第二设备用于将预设目标张量分享任务对应的第一张量和第二张量分别拆分分享至分享关联的第一设备和多个目标第一设备，并基于第一张量元素、第二张量元素和乘法三元组张量元素，通过与第一设备属性关联的各目标第一设备进行交互，构建中间参数元素，以计算目标分享张量，并将中间参数元素发送至各所述目标第一设备，以供各目标第一设备计算目标分享张量。本申请解决了秘密共享时秘密易泄露的技术问题。
-
Patent Agency Ranking
公开(公告)号：CN111340614B
公开(公告)日：2021-05-18
申请号：CN202010123967.4
申请日：2020-02-28
Applicant: 深圳前海微众银行股份有限公司
Abstract: 本申请公开了一种基于联邦学习的样本采样方法、设备及可读存储介质，所述基于联邦学习的样本采样方法包括：与所述第一设备相关联的第二设备进行样本对齐，获得第一样本数据，基于预设采样比例和预设采样方式，获取所述第一样本数据对应的采样比例数，基于所述采样比例数，对所述联邦学习的中间参数进行采样比例数处理，以通过对所述中间参数进行基于样本标签的采样处理，构建目标算法模型。本申请解决了算法模型构建效率低的技术问题。
-
公开(公告)号：CN112633409A
公开(公告)日：2021-04-09
申请号：CN202011644819.3
申请日：2020-12-31
Applicant: 深圳前海微众银行股份有限公司
Abstract: 本发明涉及金融科技技术领域，公开了一种样本的预测方法、纵向联邦学习和横向联邦学习的模型训练方法。预测方法包括：获取用户的样本对应的目标特征向量，并将所述目标特征向量输入预测模型，其中，所述预测模型是采用多个Guest端的第一样本以及多个Host端的第二样本经纵向联邦学习方法以及横向联邦学习方法训练得到；获取所述预测模型输出的数值，并根据所述数值确定所述用户的预测结果。本发明用户风险预测准确性较高。
-
公开(公告)号：CN111428884A
公开(公告)日：2020-07-17
申请号：CN202010241597.4
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向前法的联邦建模方法、设备和可读存储介质，所述基于向前法的联邦建模方法包括：接收与所述第一设备协调关联的第三设备发送的标签方特征数据集合，并确定所述标签方特征数据集合对应的各待加入标签特征，进而获取基础训练模型，并分别将各所述待加入标签特征加入所述基础训练模型，获得各所述待加入标签特征对应的标签方初始训练模型，进而通过与所述第一设备联邦关联的第二设备进行纵向联邦建模，分别对各所述标签方初始训练模型预设预设循环训练流程，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：CN111147244A
公开(公告)日：2020-05-12
申请号：CN201911424559.6
申请日：2019-12-30
Applicant: 深圳前海微众银行股份有限公司
IPC: H04L9/08
Abstract: 本申请公开了一种多方秘密分享方法、设备和可读存储介质，所述多方秘密分享方法包括：接收与第一设备分享关联的第二设备发送的第一张量元素和第二张量元素，并生成预设乘法三元组对应的乘法三元组张量元素，其中，第二设备用于将预设目标张量分享任务对应的第一张量和第二张量分别拆分分享至分享关联的第一设备和多个目标第一设备，并基于第一张量元素、第二张量元素和乘法三元组张量元素，通过与第一设备属性关联的各目标第一设备进行交互，构建中间参数元素，以计算目标分享张量，并将中间参数元素发送至各所述目标第一设备，以供各目标第一设备计算目标分享张量。本申请解决了秘密共享时秘密易泄露的技术问题。
-
公开(公告)号：CN110837653A
公开(公告)日：2020-02-25
申请号：CN201911083212.X
申请日：2019-11-07
Applicant: 深圳前海微众银行股份有限公司
Abstract: 本发明公开了一种标签预测方法，包括如下步骤：需求方获取需求方模型更新后的第一参数、需求方预测样本的第一特征量和需求方预测样本的第一曝光量；需求方基于第一参数、第一特征量和第一曝光量，确定需求方模型的第一预测值；需求方获取提供方模型的第二预测值和泊松计算规则确定第二预测值；需求方基于第一预测值、第二预测值和泊松计算规则，确定需求方预测样本的预测标签量。本发明还公开了一种标签预测装置及计算机可读存储介质。本发明通过结合泊松回归实现方案，训练纵向联邦学习模型中的需求方模型和提供方模型，可准确预测到需求方预测样本对应的预测标签量，解决了现有技术中无法预测精确的标签数据的问题。
-
-
-
-
-
-
-
-
-
Search Results
58
records
(took 0.043 seconds)
