-
公开(公告)号：CN113449872B
公开(公告)日：2023-08-08
申请号：CN202010216295.1
申请日：2020-03-25
Applicant: 百度在线网络技术(北京)有限公司
Abstract: 本申请公开了一种基于联邦学习的参数处理方法、装置和系统，涉及大数据技术领域。具体实现方案为：分别确定第一电子设备相对于每个第二电子设备的掩码，其中，所述第一电子设备相对于任一第二电子设备的掩码，与所述第二电子设备相对于所述第一电子设备的掩码之间的和小于预设值；根据所述第一电子设备相对于每个第二电子设备的掩码，对梯度参数进行加密；将加密后的梯度参数发送给服务器，所述加密后的梯度参数用于指示所述服务器对联邦学习模型的全局模型参数进行更新。本申请实施例中不仅可以保护各电子设备的信息，而且可以保证联邦学习模型的可用性。
-
公开(公告)号：CN112598251A
公开(公告)日：2021-04-02
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
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：CN113379062A
公开(公告)日：2021-09-10
申请号：CN202010161264.0
申请日：2020-03-10
Applicant: 百度在线网络技术(北京)有限公司
Abstract: 本申请实施例公开了用于训练模型的方法和装置。该方法的一具体实施方式包括：获取用户数据集；初始化待训练模型；利用用户数据集对待训练模型进行训练，得到基于用户数据集中的用户数据计算得到的原始模型参数梯度；对基于用户数据集中的用户数据计算得到的原始模型参数梯度进行差分隐私处理，得到基于用户数据集中的用户数据计算得到的处理模型参数梯度；利用基于用户数据集中的用户数据计算得到的处理模型参数梯度更新待训练模型的模型参数，得到训练完成模型。该实施方式提供了一种能够抵抗模型逆向攻击的方法，有效保护用户数据的隐私。
-
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。
-
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。
-
Patent Agency Ranking
公开(公告)号：CN112100623A
公开(公告)日：2020-12-18
申请号：CN202010851765.1
申请日：2020-08-21
Applicant: 百度在线网络技术(北京)有限公司
IPC: G06F21/57
Abstract: 本申请公开了一种机器学习模型的风险评估方法、装置、设备及存储介质，涉及人工智能技术领域。具体实现方案为：获取机器学习模型的自身信息泄露的风险值；获取所述机器学习模型泄露训练数据的风险值；基于所述机器学习模型的自身信息泄露的风险值和所述机器学习模型泄露训练数据的风险值，评估所述机器学习模型的风险值，与现有技术相比，能够提供一种机器学习模型的有效的风险评估方案，实现对机器学习模型的隐私泄露风险进行准确地评估。
-
公开(公告)号：CN112598127B
公开(公告)日：2023-07-25
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：CN112615712B
公开(公告)日：2023-03-24
申请号：CN202011489335.6
申请日：2020-12-16
Applicant: 百度在线网络技术(北京)有限公司
Abstract: 本申请实施例公开了数据的处理方法、装置、电子设备、计算机可读存储介质及计算机程序产品，涉及人工智能技术领域，具体涉及数据处理、数据安全技术领域。该方法的一具体实施方式包括：从接收到的特征数据处理请求中提取出经同态加密算法得到的加密特征数据和对应的处理操作指示，然后利用本地的预训练处理模型按该处理操作指示对该加密特征数据执行相应的处理操作，并对得到的特征处理结果进行防护处理，得到防逆向解析结果，最终将防逆向解析结果作为该特征数据处理请求的响应数据返回。该实施方式中涉及的数据处理方法，同时保护待处理数据和预训练处理模型的隐私性及安全性。
-
公开(公告)号：CN112765616A
公开(公告)日：2021-05-07
申请号：CN202011513782.0
申请日：2020-12-18
Applicant: 百度在线网络技术(北京)有限公司
IPC: G06F21/60
Abstract: 本公开公开了一种多方安全计算方法，涉及计算机领域，尤其涉及多方联合计算、安全计算和联邦学习领域。具体实现方案为：获取第一输入分片；产生初始随机数，并确定目标随机数的多个随机数分片，目标随机数是初始随机数右移N位得到的；将多个随机数分片中的一个随机数分片作为第一输出分片；使用初始随机数加扰第一输入分片，发送加扰后的第一输入分片和多个随机数分片中除一个随机数分片外的其余随机数分片。本公开还公开了一种多方安全计算装置、电子设备和存储介质。
-
公开(公告)号：CN112615712A
公开(公告)日：2021-04-06
申请号：CN202011489335.6
申请日：2020-12-16
Applicant: 百度在线网络技术(北京)有限公司
Abstract: 本申请实施例公开了数据的处理方法、装置、电子设备、计算机可读存储介质及计算机程序产品，涉及人工智能技术领域，具体涉及数据处理、数据安全技术领域。该方法的一具体实施方式包括：从接收到的特征数据处理请求中提取出经同态加密算法得到的加密特征数据和对应的处理操作指示，然后利用本地的预训练处理模型按该处理操作指示对该加密特征数据执行相应的处理操作，并对得到的特征处理结果进行防护处理，得到防逆向解析结果，最终将防逆向解析结果作为该特征数据处理请求的响应数据返回。该实施方式中涉及的数据处理方法，同时保护待处理数据和预训练处理模型的隐私性及安全性。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.032 seconds)
