-
公开(公告)号：CN113850418B
公开(公告)日：2024-07-02
申请号：CN202111024302.9
申请日：2021-09-02
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/2433 , G06N3/0464 , G06F123/02 , G06N3/048
Abstract: 本说明书实施例提供了时间序列中异常数据的检测方法和装置。根据实施例的方法，首先获取待检测时间段内的时间序列，然后确定与该时间序列具有相关性的关联时间序列。然后获取当前时间序列的历史数据，进一步根据该时间序列以及该时间序列的历史数据和关联时间序列得到时间序列的预测值。最后根据该时间序列的预测值和实际值对时间序列中的指标数据是否存在异常进行检测。如此充分考虑了与该当前时间序列相关联的关联时间序列和历史数据，能够提高当前时间序列的预测值的准确度，从而使异常数据的检测具有更高的检测精度。
-
公开(公告)号：CN114091651B
公开(公告)日：2024-05-24
申请号：CN202111297665.X
申请日：2021-11-03
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保护隐私数据的多方联合训练图神经网络的方法、装置及系统，方法包括：第一方利用图神经网络的第一参数部分，处理样本对象的第一特征部分，得到第一处理结果；利用控制器的目标公钥，对第一处理结果进行同态加密，得到第一加密结果；从第二方接收第二加密结果；基于第一加密结果和第二加密结果，及预设的损失函数，通过同态运算得到第一梯度密文；在第一梯度密文上添加对第一噪声加密的第一噪声密文，得到第一加密加噪数据；将其发送至控制器；从控制器接收对第一加密加噪数据解密后的第一加躁数据，从其中去除第一噪声，得到第一梯度明文；根据第一梯度明文，更新第一参数部分。
-
公开(公告)号：CN111275095B
公开(公告)日：2022-12-06
申请号：CN202010054470.1
申请日：2020-01-17
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06K9/62
Abstract: 本说明书一个或多个实施例提供了一种对象类型识别方法及装置，其中，该方法包括：获取目标对象的初始类型识别结果，该初始类型识别结果包括：目标对象在各预设类型下的第一识别结果，该第一识别结果是基于目标对象的历史行为数据得到的。基于该第一识别结果和预先得到的对象类型识别模型，确定目标对象在各预设类型下的第二识别结果；该对象类型识别模型是基于各预设类型对应的抽样前样本集、以及在抽样后样本集中抽到非预设类型样本的概率所得到的，抽样后样本集为利用预设上下抽样方法对抽样前样本集进行上下抽样得到的，抽样后样本集中预设类型样本的浓度为预设的标准浓度。根据各预设类型对应的第二识别结果，确定目标对象的所属类型。
-
Patent Agency Ranking
公开(公告)号：CN111062044B
公开(公告)日：2021-03-23
申请号：CN201911252312.0
申请日：2019-12-09
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基于区块链的模型联合训练方法及装置，在训练方法中，区块链的当前层节点接收对应的上层节点发送的第一训练结果。该第一训练结果至少基于第一类型结果确定，第一类型结果由上层节点基于其在链下维护的私有数据，对其在链上维护的多种模型中的目标模型进行训练后得到。当前层节点基于其链下维护的私有数据，对其在链上维护的多种模型中的目标模型进行训练，得到第二训练结果。对第一训练结果和第二训练结果进行融合，得到融合结果。判断当前层节点是否在最后一个层级。若当前层节点在最后一个层级，则在区块链上广播所述融合结果，以使得多个节点基于融合结果对各自在链上维护的多种模型中的目标模型进行更新。
-
公开(公告)号：CN111539731A
公开(公告)日：2020-08-14
申请号：CN202010565115.0
申请日：2020-06-19
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书提供基于区块链的联邦学习方法及装置和电子设备。该方法包括：响应于训练目标模型的训练交易，调用发布于所述区块链的智能合约中声明的联邦学习逻辑，接收当前训练节点关联的前一训练节点发送的第一训练结果，获取当前训练节点训练得到的第二训练结果；将所述第一训练结果和第二训练结果进行融合，将融合的训练结果发送给当前训练节点关联的后一训练节点；如果当前训练节点未关联后一训练节点，则根据所述融合后的训练结果更新所述区块链上目标模型；其中，每一训练节点的训练过程包括：调用发布于所述区块链的智能合约中声明的模型训练逻辑，基于本地存储的训练数据对所述区块链上的目标模型进行模型训练，得到训练结果。
-
公开(公告)号：CN111310784A
公开(公告)日：2020-06-19
申请号：CN202010035782.8
申请日：2020-01-14
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书一个或多个实施例公开了一种资源数据的处理方法及装置，用以解决现有技术中数据聚类效率低以及风险管理效率低的问题。所述方法包括：基于多个资源数据的分割位置，确定所述多个资源数据对应的至少一个资源分割值。利用各所述资源分割值对所述多个资源数据进行聚类处理，得到多个资源聚类组。根据预设的资源评估指标，从所述多个资源聚类组中确定所述资源评估指标对应的目标资源聚类组。所述资源评估指标包含对所述资源数据进行风险评估所使用的风险评估参数。根据所述目标资源聚类组对应的目标资源分割值，确定所述资源数据对应的资源评估阈值。所述资源评估阈值用于对所述资源数据进行风险评估。
-
公开(公告)号：CN111275095A
公开(公告)日：2020-06-12
申请号：CN202010054470.1
申请日：2020-01-17
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06K9/62
Abstract: 本说明书一个或多个实施例提供了一种对象类型识别方法及装置，其中，该方法包括：获取目标对象的初始类型识别结果，该初始类型识别结果包括：目标对象在各预设类型下的第一识别结果，该第一识别结果是基于目标对象的历史行为数据得到的。基于该第一识别结果和预先得到的对象类型识别模型，确定目标对象在各预设类型下的第二识别结果；该对象类型识别模型是基于各预设类型对应的抽样前样本集、以及在抽样后样本集中抽到非预设类型样本的概率所得到的，抽样后样本集为利用预设上下抽样方法对抽样前样本集进行上下抽样得到的，抽样后样本集中预设类型样本的浓度为预设的标准浓度。根据各预设类型对应的第二识别结果，确定目标对象的所属类型。
-
公开(公告)号：CN110728375A
公开(公告)日：2020-01-24
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。
-
-
-
-
-
-
-
Search Results
18
records
(took 0.035 seconds)
