-
公开(公告)号：CN113378211A
公开(公告)日：2021-09-10
申请号：CN202010161276.3
申请日：2020-03-10
Applicant: 百度在线网络技术(北京)有限公司
IPC: G06F21/62
Abstract: 本申请实施例公开了用于保护数据的方法和装置。该方法的一具体实施方式包括：获取服务的二进制文件和机密数据；利用密钥对机密数据进行加密，生成加密机密数据；将密钥划分成第一密钥分片和第二密钥分片；将密钥的标识和第一密钥分片嵌入到二进制文件中，生成嵌入二进制文件，以及将密钥的标识和第二密钥分片发送到服务的提供方的数据库进行存储；将嵌入二进制文件和加密机密数据发送到服务的使用方的服务器进行部署。该实施方式提供了一种基于安全多方计算的机密数据的保护方法，能够有效地保护服务的机密数据。
-
公开(公告)号：CN112598138A
公开(公告)日：2021-04-02
申请号：CN202011528941.4
申请日：2020-12-22
Applicant: 百度在线网络技术(北京)有限公司
Abstract: 本公开提供了数据处理方法、装置、联邦学习系统和电子设备，涉及深度学习和大数据处理等人工智能领域。具体实现方案为：联邦学习系统中的第一参与方基于不经意传输OT协议，与联邦学习系统中的第二参与方交互，得到不经意伪随机函数OPRF种子；第一参与方基于OPRF种子和第一参与方的数据标识集合，确定第一参与方的OPRF输出信息；第一参与方发送第一参与方的OPRF输出信息；其中，第一参与方的OPRF输出信息用于确定联邦学习系统的数据标识集合的交集。根据本公开的技术方案，可以提高数据安全。
-
公开(公告)号：CN112598127A
公开(公告)日：2021-04-02
申请号：CN202011487362.X
申请日：2020-12-16
Applicant: 百度在线网络技术(北京)有限公司
Abstract: 本公开提供了一种联邦学习模型训练方法、装置、电子设备、计算机可读存储介质和计算机程序产品，涉及人工智能技术领域，尤其涉及深度学习、云计算领域。实现方案为：初始化梯度伸缩因子和该梯度伸缩因子的倒数；在联邦学习的至少一个神经网络模型反向传播开始之前，将反向传播的梯度值乘以该梯度伸缩因子以进行反向传播；以及在使用优化器将梯度值更新到神经网络模型对应的参数之前，将该梯度值乘以该梯度伸缩因子的倒数。
-
公开(公告)号：CN113824546B
公开(公告)日：2024-04-02
申请号：CN202010567116.9
申请日：2020-06-19
Applicant: 百度在线网络技术(北京)有限公司
IPC: H04L9/00 , H04L9/40 , H04L49/9057 , G06N20/00 , H04L41/16
Abstract: 本申请公开了用于生成信息的方法和装置，涉及人工智能领域。具体的一种实现方案包括：根据样本标签和当前模型针对样本的预测信息，得到样本的梯度信息；基于上述梯度信息，从本端所持有的特征中确定第一特征及对应的最优分割点；将采用同态加密算法得到的上述梯度信息的密文发送给特征提供端；接收上述特征提取端发送的第二特征及对应的最优分割点，其中，上述第二特征及对应的最优分割点是上述特征提供端基于上述梯度信息的密文以及多方安全计算从所持有的特征中确定的；基于与上述特征提供端之间的多方安全计算，从上述第一特征对应的最优分割点和第二特征对应的最优分割点中确定最终分割点。该实施方式提高了信息安全。
-
公开(公告)号：CN112818387A
公开(公告)日：2021-05-18
申请号：CN202110088699.1
申请日：2021-01-22
Applicant: 百度在线网络技术(北京)有限公司
IPC: G06F21/62 , G06F16/215 , G06F16/2458 , G06N20/00
Abstract: 本申请公开了模型参数调整的方法、设备、存储介质及程序产品，涉及多方机器学习、联邦学习、联合建模等安全多方计算领域。具体实现方案为：在基于安全多方计算的模型参数调整的过程中，利用基于安全多方计算训练得到的分类模型，对输入数据进行分类处理，得到分类模型的分类预测值；对分类预测值进行缩小处理，对缩小处理后的分类预测值进行归一化处理，得到分类预测值的归一化结果；根据分类预测值的归一化结果，更新分类模型的参数，通过对分类预测值进行缩小处理来缩小归一化方法的输入值，可以避免归一化过程中产生数据溢出，从而可以提高分类模型的训练精度。
-
Patent Agency Ranking
公开(公告)号：CN112598139A
公开(公告)日：2021-04-02
申请号：CN202011531000.6
申请日：2020-12-22
Applicant: 百度在线网络技术(北京)有限公司
Abstract: 本申请提供一种类别编码方法、装置、设备、存储介质及程序产品，涉及深度学习技术。本申请提供的方案中，可以根据各个参与联邦学习的节点的类别信息确定出交集信息，各个节点基于确定出的交集信息对自身的类别信息中的分类类别进行编码，从而使各个节点对属于交集信息的分类类别的编码结果相同，可以在不对外暴露类别信息的情况下，降低联邦学习中类别编码的数据冗余。
-
公开(公告)号：CN112598251B
公开(公告)日：2024-12-20
申请号：CN202011488635.2
申请日：2020-12-16
Applicant: 百度在线网络技术(北京)有限公司
IPC: G06F18/241 , G06F17/18 , G06F21/60 , G06N20/20
Abstract: 本申请公开了分类模型预测结果的处理方法、装置、设备和存储介质，涉及计算机技术中的人工智能、机器学习、大数据技术。具体实现方案为：通过基于密文的分类预测结果，密文的类别标签数据及统计信息，进行密文计算，得到分类预测结果的密文的指标信息，计算参与方无需获取分类预测结果、类别标签数据、统计信息的明文，基于密文的分类预测结果、类别标签数据和统计信息，进行密文计算即可完成指标信息的计算，指标信息的计算过程中不会对密文的分类预测结果、类别标签数据和统计信息进行解密，不会泄露这些数据，能够在保证分类预测结果、分类标签数据及统计信息不被泄露的前提下，计算得到模型的评估指标信息，提高数据安全性。
-
公开(公告)号：CN112818387B
公开(公告)日：2024-07-23
申请号：CN202110088699.1
申请日：2021-01-22
Applicant: 百度在线网络技术(北京)有限公司
IPC: G06F21/62 , G06F16/215 , G06F16/2458 , G06N20/00
Abstract: 本申请公开了模型参数调整的方法、设备、存储介质及程序产品，涉及多方机器学习、联邦学习、联合建模等安全多方计算领域。具体实现方案为：在基于安全多方计算的模型参数调整的过程中，利用基于安全多方计算训练得到的分类模型，对输入数据进行分类处理，得到分类模型的分类预测值；对分类预测值进行缩小处理，对缩小处理后的分类预测值进行归一化处理，得到分类预测值的归一化结果；根据分类预测值的归一化结果，更新分类模型的参数，通过对分类预测值进行缩小处理来缩小归一化方法的输入值，可以避免归一化过程中产生数据溢出，从而可以提高分类模型的训练精度。
-
公开(公告)号：CN112637174B
公开(公告)日：2022-10-21
申请号：CN202011485250.0
申请日：2020-12-16
Applicant: 百度在线网络技术(北京)有限公司
IPC: H04L9/40 , H04L41/142 , G06K9/62 , G06F17/16
Abstract: 本申请公开了一种数据相关度计算方法、装置、电子设备和存储介质，涉及数据安全技术领域，其中方法包括：第一数据方根据第一向量，随机生成第一随机向量，并得到第二向量；第一数据方向第二数据方发送第一随机向量，并接收第二数据方发送的第二随机向量；第一数据方根据相关度计算公式进行计算，得到第一相关度；对于相关度计算公式中的交叉因子，第一数据方使用第二向量和第二随机向量，并根据密文计算协议进行计算；第一数据方接收第二数据方发送的第二相关度；对于相关度计算公式中的交叉因子，第二数据方使用第一随机向量和第四向量，并根据密文计算协议进行计算；第一数据方根据第一相关度和第二相关度，计算第一向量和第三向量之间的相关度。本申请能够保护各数据方的数据隐私，避免数据泄漏或被滥用的风险。
-
公开(公告)号：CN113378211B
公开(公告)日：2022-05-20
申请号：CN202010161276.3
申请日：2020-03-10
Applicant: 百度在线网络技术(北京)有限公司
IPC: G06F21/62
Abstract: 本申请实施例公开了用于保护数据的方法和装置。该方法的一具体实施方式包括：获取服务的二进制文件和机密数据；利用密钥对机密数据进行加密，生成加密机密数据；将密钥划分成第一密钥分片和第二密钥分片；将密钥的标识和第一密钥分片嵌入到二进制文件中，生成嵌入二进制文件，以及将密钥的标识和第二密钥分片发送到服务的提供方的数据库进行存储；将嵌入二进制文件和加密机密数据发送到服务的使用方的服务器进行部署。该实施方式提供了一种基于安全多方计算的机密数据的保护方法，能够有效地保护服务的机密数据。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.024 seconds)
