-
公开(公告)号：CN117423403A
公开(公告)日：2024-01-19
申请号：CN202311332946.3
申请日：2023-10-13
Applicant: 深圳前海微众银行股份有限公司 , 上海市东方医院(同济大学附属东方医院)
Abstract: 本申请提供了一种药物反应预测方法及相关装置，包括：获取患者样本数据集；从患者样本数据集中获取每个训练任务的药物反应任务集；根据目标病症的特异性生成每个训练任务对应的特异性学习器；使用MAML模型作为训练框架，以每个训练任务的药物反应任务集为输入，对每个特异性学习器进行训练和测试，得到参考特异性学习器集合；根据患者样本数据集和参考特异性学习器集合训练解耦蒸馏模型，得到目标解耦蒸馏模型；获取目标患者的表达数据；将目标患者的表达数据输入目标解耦蒸馏模型中，获取目标特异性学习器；基于目标特异性学习器预测所述目标患者对治疗目标病症的药物产生反应的概率。将模型泛化到零样本学习，实现零样本药物反应预测。
-
公开(公告)号：CN117316332A
公开(公告)日：2023-12-29
申请号：CN202311376143.8
申请日：2023-10-20
Applicant: 深圳前海微众银行股份有限公司 , 上海市东方医院(同济大学附属东方医院)
IPC: G16C20/50 , G06N3/098 , G16C20/70 , G06N3/0455 , G06N3/0464
Abstract: 本申请提供了一种药物响应预测方法、电子设备及存储介质。该药物响应预测方法包括：中心服务器根据多领域的样本细胞表达谱数据以及药物响应数据，生成源域组学数据并调整预训练模型的模型参数，获得全局神经网络模型并发送至医疗机构关联的多个客户端；全局神经网络模型用于提取源域和目标域的通用特征；获取多个客户端反馈的对全局神经网络模型进行本地训练获得的模型更新参数；模型更新参数基于客户端私有的目标域数据对全局神经网络模型进行训练获得；根据模型更新参数对全局神经网络模型进行参数微调和迭代训练获得全局药物响应预测模型并预测药物响应结果。本申请能够提高药物响应预测的准确性。
-
公开(公告)号：CN113627085B
公开(公告)日：2024-01-09
申请号：CN202110962524.9
申请日：2021-08-20
Applicant: 深圳前海微众银行股份有限公司
Abstract: 本申请公开了一种横向联邦学习建模优化方法、设备、介质及程序产品，所述横向联邦学习建模优化方法包括：获取第一本地训练样本和护照嵌入样本数据，依据具备护照嵌入模块的本地私有模型和本地共享模型，将第一本地训练样本和护照嵌入样本数据映射为具备护照嵌入的第一输出预测标签；基于第一输出预测标签对应的模型损失，迭代更新本地私有模型和本地共享模型；将迭代更新后的本地共享模型发送至横向联邦服务器，以供横向联邦服务器对各联邦参与方发送的本地共享模型进行聚合，得到全局共享模型；接收横向联邦服务器发送的全局共享模型，并依据全局共享模型，优化本地私有模型，得到目标私有模型。本申请解决了横向联邦学习建模效率低的技术问题。
-
公开(公告)号：CN117196018A
公开(公告)日：2023-12-08
申请号：CN202310893191.8
申请日：2023-07-19
Applicant: 深圳前海微众银行股份有限公司 , 北京航空航天大学
IPC: G06N3/0985 , G06N3/084 , G06N3/086 , G06N5/01
Abstract: 本申请公开一种业务预测优化方法、装置、设备及存储介质，该方法包括：基于第一超参数组的第一参数值和本地的业务样本数据，与至少一个第二终端设备对预设待训练梯度提升树模型进行联邦训练，并对第一超参数组对应的多目标进行评估；多目标包括系统训练开销、模型精度损失、模型隐私泄露程度和模型可解释程度至少两个目标；基于多目标的评估结果，对第一超参数组进行优化，和/或，对多目标进行优化和/或进行联邦迭代训练，并基于评估结果达到预设评估标准的目标超参数组，确定目标业务预测模型；将待处理的业务数据输入至目标业务预测模型中，以对待处理的业务数据进行预测处理，得到业务预测结果。本申请旨在提升数据处理效果。
-
公开(公告)号：CN114091617B
公开(公告)日：2024-06-21
申请号：CN202111436781.5
申请日：2021-11-29
Applicant: 深圳前海微众银行股份有限公司
IPC: G06F18/214 , G06N3/098
Abstract: 本申请公开了联邦学习建模优化方法、电子设备、存储介质及程序产品，应用于联邦参与方，所述联邦学习建模优化方法包括：获取第一噪声数据，依据本地生成网络模型，将第一噪声数据映射为各初始粒子网络模型；获取本地样本数据，依据本地样本数据，分别对各初始粒子网络模型进行迭代训练更新，得到各目标粒子网络模型；获取第二噪声数据，依据各目标粒子网络模型和第二噪声数据，对本地生成网络模型进行基于联邦学习的迭代训练更新，得到联邦生成网络模型；获取本地选定噪声样本，依据联邦生成网络模型，将本地选定噪声样本转换为联邦预测网络模型。本申请解决了现有技术中由于需要进行隐私保护而造成联邦学习建模效率低的技术问题。
-
Patent Agency Ranking
公开(公告)号：CN115277197B
公开(公告)日：2024-01-16
申请号：CN202210893123.7
申请日：2022-07-27
Applicant: 深圳前海微众银行股份有限公司
Abstract: 本申请公开了一种模型所有权验证方法、电子设备、介质及程序产品，应用于所有权求证方，所述模型所有权验证方法包括：从待求证模型中提取目标嵌入签名，目标嵌入签名由模型所有权方的第一本地私钥和公开嵌入信息进行聚合得到；获取求证方私有信息以及模型所有权方对应的公开嵌入信息，根据目标嵌入签名、公开嵌入信息和求证方私有信息，构建零知识验证信息；将零知识验证信息发送至所有权被求证方，以供所有权被求证方进行零知识验证，得到零知识验证结果；接收所有权被求证方发送的零知识验证结果，根据零知识验证结果和求证方私有信息之间的相似度，验证模型所有权。本申请解决了利用嵌入签名验证模型所有权时嵌入签名的利用率低的技术问题。
-
公开(公告)号：CN117077092A
公开(公告)日：2023-11-17
申请号：CN202311102065.2
申请日：2023-08-29
Applicant: 深圳前海微众银行股份有限公司
Abstract: 本发明公开了一种模型产权保护方法、设备、存储介质及程序产品，其中方法包括：将签名私钥对应的公钥发送至协调方，协调方依据公钥生成哈希水印，将需要进行哈希水印嵌入的初始神经网络模型发送至参与方；接收协调方发送的初始神经网络模型，依据水印嵌入参数训练初始神经网络模型，得到本地神经网络模型，将本地神经网络模型发送至协调方；接收协调方发送的带水印的目标神经网络模型；若依据目标神经网络模型确定存在待确权神经网络模型，获取其他参与方发送的待验证签名，依据哈希水印对待验证签名进行验证；若验证成功，确定其他参与方具有待确权神经网络模型的模型所有权。本发明实现了在构建模型的参与方过多时，也能准确确定模型归属。
-
公开(公告)号：CN119227803A
公开(公告)日：2024-12-31
申请号：CN202411285836.0
申请日：2024-09-13
Applicant: 深圳前海微众银行股份有限公司
Abstract: 本申请公开了一种模型推理方法、终端设备、存储介质及计算机程序产品，涉及人工智能技术领域，所述模型推理方法包括：获取用户的原始请求文本；对所述原始请求文本进行语义分割处理，生成各推理子任务；将各推理子任务发送至预定推理模型，得到各推理子任务的推理子结果；基于各所述推理子结果，生成所述原始请求文本的推理响应结果。本申请在顺利执行推理任务的同时，实现了模型推理过程中对用户隐私的保护。
-
公开(公告)号：CN119128984A
公开(公告)日：2024-12-13
申请号：CN202411270651.2
申请日：2024-09-11
Applicant: 深圳前海微众银行股份有限公司
Abstract: 本申请公开了一种大模型推理中的隐私保护方法、装置、设备、介质及产品，涉及大模型技术领域，大模型推理中的隐私保护方法包括：对原始查询指令中的各原始语句分别进行扰动变换，得到每条原始语句对应的多条扰动语句；从每条原始语句对应的多条扰动语句中分别选出语义连贯程度符合预设条件的扰动语句，确定扰动数据集；将扰动数据集发送至部署在云端的大语言模型，获取大语言模型反馈的扰动查询结果；将扰动查询结果输入预训练的本地解码器，由本地解码器输出所述原始查询指令对应的目标查询结果。本申请的技术方案保障了用户在使用大模型推理中的隐私安全，并且能获得较准确的目标查询结果。
-
公开(公告)号：CN113627086B
公开(公告)日：2024-03-26
申请号：CN202110964074.7
申请日：2021-08-21
Applicant: 深圳前海微众银行股份有限公司
Abstract: 本申请公开了一种横向联邦学习建模优化方法、设备、介质及程序产品，应用于联邦参与方，所述横向联邦学习建模优化方法包括：依据获取的训练任务数据集和目标白盒签名，通过对本地神经网络模型进行迭代训练更新，将目标白盒签名嵌入本地神经网络模型的网络参数中的预设签名位置，得到签名嵌入本地模型；将签名嵌入本地模型发送至横向联邦服务器，以供横向联邦服务器对各联邦参与方发送的签名嵌入本地模型进行聚合，得到聚合签名嵌入本地模型，其中，不同联邦参与方所具备的预设签名位置不同；基于聚合签名嵌入本地模型，优化签名嵌入本地模型，得到目标签名嵌入模型。本申请解决了分布式机器学习场景中AI模型知识产权保护安全性低的技术问题。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.058 seconds)
