-
公开(公告)号：CN114548765A
公开(公告)日：2022-05-27
申请号：CN202210162714.7
申请日：2022-02-22
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本发明提供了用于风险识别的方法和装置。一种用于风险识别的方法包括：获取样本集，该样本集中的每一个样本包括多个特征；针对该多个特征中的每个类别特征，确定该类别特征在该样本集中的类别数；将该类别特征的类别数与类别数阈值进行比较；如果该类别特征的类别数小于或等于该类别数阈值，则使用随机编码方式来对该类别特征进行编码以生成用于该类别特征的特征映射集合；以及如果所述类别特征的类别数大于所述类别数阈值，则使用统计编码方式来对所述类别特征进行编码以生成用于所述类别特征的特征映射集合。
-
公开(公告)号：CN114154202A
公开(公告)日：2022-03-08
申请号：CN202210119822.6
申请日：2022-02-09
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F21/62 , G06F16/2458
Abstract: 本公开提供了一种基于差分隐私的风控数据探查方法，包括：在用户端获取入模数据；在用户端将扰动加入所获取的入模数据，以获得经扩展的入模数据集；基于所述经扩展的入模数据集，在服务端获取针对所述入模数据的统计近似；以及在服务端校正针对所述入模数据的统计近似。
-
公开(公告)号：CN113988483A
公开(公告)日：2022-01-28
申请号：CN202111589797.X
申请日：2021-12-23
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风险操作行为的管控及其模型的训练方法及电子设备，该方法包括：在检测到目标用户的待识别操作行为时，从可信执行环境TEE中获取与所述目标用户相匹配的目标云端风险标签；通过与所述目标云端风险标签相对应的用户风险操作行为识别模型，对所述待识别操作行为进行风险识别，得到针对所述待识别操作行为的风险识别结果；如果所述目标用户的待识别操作行为的风险识别结果为风险操作行为，则对所述目标用户进行风险管控。
-
公开(公告)号：CN113312667A
公开(公告)日：2021-08-27
申请号：CN202110631595.0
申请日：2021-06-07
Applicant: 支付宝(杭州)信息技术有限公司
Inventor： 傅欣艺
Abstract: 本说明书实施例公开了一种风险防控方法、装置及设备，该方法应用于终端设备，包括：接收服务器下发的终端设备所属的分类群组对应的待训练的目标业务的初始风险防控模型；基于预先存储的训练样本数据对初始风险防控模型进行模型训练，得到终端设备对应的风险防控子模型，训练样本数据中至少包括与终端设备的用户和目标业务相关的数据；将风险防控子模型发送给服务器，以使服务器对终端设备所属的分类群组中的不同终端设备提供的风险防控子模型进行模型融合处理，得到终端设备所属的分类群组对应的风险防控模型；接收服务器发送的终端设备所属的分类群组对应的风险防控模型，并基于风险防控模型对目标业务的数据进行风险防控处理。
-
公开(公告)号：CN113283822A
公开(公告)日：2021-08-20
申请号：CN202110835193.2
申请日：2021-07-23
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06Q10/06
Abstract: 本说明书实施例提供一种特征处理方法及装置，所述方法包括：应用于部署有若干业务预测模型的终端设备，终端设备在检测到用户针对终端设备的操作行为的情况下，对操作行为进行数字化编码，得到对应的行为特征；将行为特征存储于第一特征池，若干业务预测模型配置为，利用从第一特征池读取的已编码的行为特征序列，进行对应的业务预测。
-
Patent Agency Ranking
公开(公告)号：CN112949752A
公开(公告)日：2021-06-11
申请号：CN202110322500.7
申请日：2021-03-25
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业务预测系统的训练方法。在该方法中的第一阶段，先利用源域丰富的标签信息，训练源域与目标域共享的强特征提取器，之后将其应用于目标域；在第二阶段，利用经由训练后的特征提取器从目标域样本中提取出的强特征，以及目标域样本中的原始特征和业务标签，对针对目标域对象的业务预测模型进行有监督地训练。由此，第一阶段中训练出的强特征提取器和第二阶段中训练出的业务预测模型，构成应用于目标域的业务预测系统。
-
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：CN111475853A
公开(公告)日：2020-07-31
申请号：CN202010586338.5
申请日：2020-06-24
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书公开了一种基于分布式数据的模型训练方法及系统。所述方法应用于包括至少3个终端的系统；终端被划分为至少3个终端集群，针对每个集群，将该集群中任一终端确定为集群中心；所述方法包括，通过以下步骤完成模型训练的每轮迭代：针对每个集群中心，确定本轮迭代的至少一个目标集群中心；其中，每轮迭代所确定的目标集群中心具有随机性；每个集群中心获得本集群当前的综合模型脱敏特征，并将该综合模型脱敏特征发送到目标集群中心；每个集群中心根据本集群的综合模型脱敏特征、以及接收到的其他集群的综合模型脱敏特征，对本集群中每个终端的模型进行更新。
-
公开(公告)号：CN117592056B
公开(公告)日：2025-03-11
申请号：CN202311564982.2
申请日：2023-11-21
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F21/57 , G06N3/0475 , G06N3/0464 , G06N3/09
Abstract: 本说明书公开了一种模型的防盗取检测方法、装置、存储介质和电子设备，防盗取检测模型包括克隆器及生成器，克隆器用于克隆预先训练的业务模型，生成器用于生成输入所述克隆器的仿真业务数据。先将噪声输入生成器，获得第一仿真业务数据，并通过克隆器获得第一仿真业务数据的第一业务结果。再根据第一业务结果及第一仿真业务数据，以提高克隆器输出结果的错误率为训练目标，对生成器进行训练。接着，将噪声输入训练后的生成器，获得第二仿真业务数据，通过克隆器及业务模型获得第二仿真业务数据的第二业务结果及标签。最后，根据第二业务结果及标签，对克隆器进行训练，利用训练过程中的克隆器的迭代次数，检测业务模型的防盗取能力。
-
公开(公告)号：CN116015942B
公开(公告)日：2024-11-29
申请号：CN202211732520.2
申请日：2022-12-30
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书公开了一种隐私保护的数据传输方法、装置、电子设备及介质。方法包括：发送端设备基于压缩感知算法，对目标数据分块后的原始信号进行脱敏化压缩，得到所述目标数据对应的脱敏信号。所述发送端设备将所述脱敏信号发送至接收端设备。所述接收端设备基于块稀疏贝叶斯学习算法，对所述脱敏信号进行压缩还原的稀疏重构，得到所述目标数据对应的重构信号，其中，所述重构信号用于数据处理。
-
-
-
-
-
-
-
-
-
Search Results
112
records
(took 0.038 seconds)
