公开(公告)号：CN115828171A

公开(公告)日：2023-03-21

申请号：CN202310142321.4

申请日：2023-02-13

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 赵闻飙 ,  申书恒 ,  张长浩 ,  傅欣艺 ,  王维强 ,  徐恪 ,  李琦

IPC: G06F18/2415 ,  G06F21/62

Abstract: 本说明书公开了一种端云协同执行业务的方法、装置、介质及设备，响应于用户操作，确定业务请求，并根据业务请求获取用户数据，确定用户数据中的敏感数据以及非敏感数据。对敏感数据进行特征提取，确定第一特征，将非敏感数据发送到服务器，使服务器对非敏感数据进行特征提取，确定第二特征，接收服务器返回的第二特征。将第一特征与第二特征输入输出层，确定输出结果。对输出结果进行加噪，确定业务请求的加噪输出结果，并将加噪输出结果发送给服务器，使服务器根据加噪输出结果执行业务。使得即使攻击者获取到业务模型以及输出结果，也不能反推出各输出结果对应的用户数据，实现了对用户隐私数据的保护。

公开(公告)号：CN114091101A

公开(公告)日：2022-02-25

申请号：CN202111402685.9

申请日：2021-11-24

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 申书恒 ,  傅欣艺 ,  王维强

IPC: G06F21/62 ,  G06K9/62

Abstract: 本说明书实施例提供了模型训练方法、终端设备和服务器。根据实施例的方法，首先确定当前通信周期的迭代次数阈值，然后获取模型训练的模型参数。进一步，利用该模型参数和设备数据进行模型迭代运算，并对随机梯度所产生的额外方差进行约减。如此，当迭代次数达到迭代次数阈值时将得到的第一子模型发送给服务器，以由服务器根据该第一子模型确定训练模型。如此通过在每个通信周期确定迭代次数阈值的方式，避免每进行一次迭代运算后都与服务器进行通信，从而能够降低由于通信所带来的用户隐私数据泄露的风险。此外，本说明书实施例通过在每次迭代运算时对额外方差进行了约减，保证了优化的收敛路径中扰动较小，从而能够提升模型训练的效率。

公开(公告)号：CN113435585A

公开(公告)日：2021-09-24

申请号：CN202110802699.3

申请日：2021-07-15

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 申书恒 ,  傅欣艺 ,  王维强

IPC: G06N3/04 ,  G06N3/08 ,  G06F21/62

Abstract: 本说明书实施例公开了一种业务处理方法、装置及设备，所述方法应用于终端设备，包括：向服务器发送针对目标业务的模型获取请求，所述模型获取请求中包括所述终端设备的设备性能信息；接收所述服务器发送的与所述设备性能信息相匹配的神经网络模型，所述神经网络模型是所述服务器基于预先获取的第一训练样本进行模型训练得到的超网络模型，对所述超网络模型进行多次采样处理后得到的子神经网络模型，并对每个所述子神经网络模型进行卷积核、网络宽度和网络深度中的一种或多种处理的子模型训练而得到的模型；基于接收到的神经网络模型对所述目标业务进行业务处理。