-
公开(公告)号：CN111160572A
公开(公告)日：2020-05-15
申请号：CN202010251416.6
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：CN116720010A
公开(公告)日：2023-09-08
申请号：CN202310609426.6
申请日：2020-05-09
Applicant: 支付宝(杭州)信息技术有限公司
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。
-
公开(公告)号：CN111325557B
公开(公告)日：2022-04-29
申请号：CN202010116824.0
申请日：2020-02-25
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商户风险的检测方法、装置及设备，所述方法包括：接收业务发起方发送的对目标商户的风险检测请求，所述风险检测请求中包括预定权益值，所述预定权益值用于获取对所述目标商户进行风险检测的权限；如果所述预定权益值不小于预定阈值，则从预先构建的风险检测模型对应的构建方集合中获取至少一个构建方提供的所述风险检测模型中的预定风险参数数据，并获取所述目标商户对应的风险特征数据；将所述风险参数数据和所述目标商户对应的风险特征数据输入到所述风险检测模型中，确定所述目标商户是否存在风险，并确定提供所述预定风险参数数据的构建方所需奖励的权益值。
-
公开(公告)号：CN111027981B
公开(公告)日：2021-04-27
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：CN110956275B
公开(公告)日：2021-04-02
申请号：CN201911179340.4
申请日：2019-11-27
Applicant: 支付宝(杭州)信息技术有限公司
Inventor： 陆梦倩
Abstract: 本说明书实施例公开了一种风险预测和风险预测模型的训练方法、装置及电子设备，该方法包括：获取与目标用户的用户标识对应的第一私有数据和第二私有数据；将所述第一私有数据输入到第一风险等级预测模型中，预测得到所述目标用户的第一风险等级；将所述第一私有数据和所述第二私有数据输入到第二风险等级预测模型中，预测得到所述目标用户的第二风险等级，所述第二风险等级预测模型为基于目标群体用户的私有数据及对应的标签、通过纵向联邦学习训练得到的，所述目标群体用户的私有数据对应的标签为目标群体用户在第一风险预测模型对应的拟合误差；基于所述第一风险等级和所述第二风险等级，预测所述目标用户的风险等级。
-
Patent Agency Ranking
公开(公告)号：CN111325557A
公开(公告)日：2020-06-23
申请号：CN202010116824.0
申请日：2020-02-25
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商户风险的检测方法、装置及设备，所述方法包括：接收业务发起方发送的对目标商户的风险检测请求，所述风险检测请求中包括预定权益值，所述预定权益值用于获取对所述目标商户进行风险检测的权限；如果所述预定权益值不小于预定阈值，则从预先构建的风险检测模型对应的构建方集合中获取至少一个构建方提供的所述风险检测模型中的预定风险参数数据，并获取所述目标商户对应的风险特征数据；将所述风险参数数据和所述目标商户对应的风险特征数据输入到所述风险检测模型中，确定所述目标商户是否存在风险，并确定提供所述预定风险参数数据的构建方所需奖励的权益值。
-
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。
-
公开(公告)号：CN111144718B
公开(公告)日：2024-10-18
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
IPC: G06Q10/0635 , G06N20/00
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：CN117744793A
公开(公告)日：2024-03-22
申请号：CN202311868763.3
申请日：2023-12-29
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06N5/025 , G06N5/02 , G06N3/042 , G06N3/08 , G06N3/0455 , G06N3/0464 , G06N3/044 , G06N3/0442
Abstract: 本说明书实施例涉及多模态知识图谱训练和预测方法及装置，训练方法包括：获取第一知识图谱，第一知识图谱中包括第一节点，第一节点的属性信息包括，以第一文本内容为属性值的第一属性，和以第一图像为属性值的第二属性；然后，对第一知识图谱进行修改，得到第二知识图谱；第二知识图谱中包括与第一节点对应的第一修正节点，代表第一文本内容的第一扩展节点，代表第一图像的第二扩展节点；在第一修正节点的属性信息中，第一属性和第二属性被移除；第一修正节点连接到第一扩展节点和第二扩展节点；将第二知识图谱中的各个节点进行编码，得到各个节点的第一嵌入表征；最后，基于第一嵌入表征，训练图神经网络，得到各个节点的第二嵌入表征。
-
公开(公告)号：CN111291282B
公开(公告)日：2023-04-14
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 0.029 seconds)
