“傅驰林”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果14个，建议您升级VIP下载更多相关专利

[发明专利]基于强化学习模型向用户推送对象的方法和装置-CN201910463434.8有效
发明人：陈岑;胡旭;傅驰林;安蓉 -专利权人：阿里巴巴集团控股有限公司
申请日： 2019-05-30 - 公布日： 2023-10-20 - 主分类号： G06F16/332 文献下载
摘要：本说明书实施例提供了一种基于强化学习模型向用户推送对象的方法和装置，所述方法包括针对第一用户的连续的至多N轮推送，其中，每轮推送具有对应的预定候选对象集合，从第二轮推送开始的每轮推送在第一用户点击在前一轮推送中推送的对象之后开始，并且，从第二轮推送开始的每轮推送的候选对象集合包括前一轮推送的多个候选对象各自的多个子类，其中，第i轮推送包括以下步骤：获取第i个状态信息；以及将所述第i个状态信息输入所述强化学习模型，以确定第i轮推送的预定数目的推送对象各自的标识。
基于强化学习模型用户推送对象方法装置

[发明专利]用户行为意图预测方法和装置-CN201910177015.8有效
发明人：张晓露;傅驰林;陈岑;唐才智;邹晓川;周俊 -专利权人：创新先进技术有限公司
申请日： 2019-03-08 - 公布日： 2023-09-05 - 主分类号： G06F11/34 文献下载
摘要：本说明书实施例公开了一种用户行为意图预测方法和装置，该方法包括：获取与用户在目标应用中的操作行为所对应的行为轨迹；对多个预设时间窗口在所述行为轨迹中对应的多个部分行为轨迹分别进行编码，以构建模型特征，所述多个预设时间窗口中发生时间在前的预设时间窗口时长大于发生时间在后的预设时间窗口时长；将所述模型特征输入行为预测模型，得到所述用户的行为意图预测结果；其中，所述行为预测模型是基于历史行为轨迹构建的模型特征和所述历史行为轨迹对应的行为意图标签训练得到的。本说明书实施例还公开了另一种用户行为意图预测方法和装置。
用户行为意图预测方法装置

[发明专利]预测方法、交互事件预测模型的训练方法、装置和设备-CN202310493639.7在审
发明人： 傅驰林;周俊;张晓露 -专利权人：支付宝（杭州）信息技术有限公司
申请日： 2023-04-28 - 公布日： 2023-08-15 - 主分类号： G06Q30/0202 文献下载
摘要：本说明书实施例公开了一种预测方法、交互事件预测模型的训练方法、装置和设备。所述预测方法包括：获取待预测的目标数据，所述目标数据包括用户数据和产品数据；通过交互事件预测模型中的领域模块，确定目标数据归属于多个预定领域的归属概率；通过交互事件预测模型中的预测模块，根据多个归属概率确定发生交互事件的第一概率，所述交互事件包括用户数据对应的用户与产品数据对应的产品所发生的交互事件。本说明书实施例可以提高交互事件预测的准确性。
预测方法交互事件模型训练装置设备

[发明专利]模型训练方法、异常数据识别方法、装置和计算机设备-CN202211638793.0在审
发明人：胡俊;傅驰林;孙冠东;赵凤;乔占稳;张晓露;周俊 -专利权人：支付宝（杭州）信息技术有限公司
申请日： 2022-12-20 - 公布日： 2023-07-04 - 主分类号： G06F18/24 文献下载
摘要：本说明书实施例公开了一种模型训练方法、异常数据识别方法、装置和计算机设备。所述方法包括：获取多个行为序列数据；确定行为序列数据对应的正样本和负样本，所述正样本包括行为序列数据中的用户行为数据，所述负样本包括其他行为序列数据中的用户行为数据；根据数据处理模型，获取行为序列数据对应的第一特征数据、正样本对应的第二特征数据和负样本对应的第三特征数据；通过损失函数优化数据处理模型的模型参数，所述损失函数用于约束第一相似度大于第二相似度，所述第一相似度为第一特征数据与第二特征数据之间的相似度，所述第二相似度为第一特征数据与第三特征数据之间的相似度。本说明书实施例可以训练用于识别异常数据的数据处理模型。
模型训练方法异常数据识别装置计算机设备

[发明专利]推送信息的方法、系统和非暂时性存储介质-CN202010117833.1有效
发明人： 傅驰林;张晓露 -专利权人：支付宝（杭州）信息技术有限公司
申请日： 2020-02-25 - 公布日： 2023-04-18 - 主分类号： G06F16/9537 文献下载
摘要：本说明书提供的推送信息的方法、系统和非暂时性存储介质，基于目标终端的当前需求，将所述目标终端的多个历史特征行为以及多个历史特征行为中的每个历史特征行为发生的时间距离当前时刻的时间差进行结合，构造出包含用户历史特征行为时序信息的特征向量，将所述特征向量输入预测模型中得到预测结果，基于所述预测结果向所述目标终端推送与当前需求相关的信息。
推送信息方法系统暂时性存储介质

[发明专利]预测用户的还款概率的方法、装置、设备及存储介质-CN202211178723.1在审
发明人： 傅驰林;周俊;张晓露;王婧;王敏;吴伟昌 -专利权人：支付宝（杭州）信息技术有限公司
申请日： 2022-09-27 - 公布日： 2022-12-20 - 主分类号： G06Q40/02 文献下载
摘要：本公开涉及预测用户的还款概率的方法、装置、设备及存储介质。方法包括：接收描述用户在预设时间范围内的交易行为事件的交易行为事件序列；将预设时间范围分为多个一级时间窗口并将每个一级时间窗口内的交易行为事件聚合为一级特征；将各个一级时间窗口的一级特征输入第一门控循环单元以获得每个一级时间窗口的一级隐含特征；将预设时间范围分为多个二级时间窗口并将每个二级时间窗口内的一级特征聚合为二级特征；将各个二级时间窗口的二级特征输入第二门控循环单元以获得每个二级时间窗口的二级隐含特征；融合最后一个一级时间窗口的一级隐含特征和最后一个二级时间窗口的二级隐含特征以获得融合特征；基于融合特征确定用户的还款概率。
预测用户还款概率方法装置设备存储介质

[发明专利]图像处理方法、模型训练方法、装置和计算机设备-CN202211005416.3在审
发明人：李昂;周俊;傅驰林;张晓露 -专利权人：支付宝（杭州）信息技术有限公司
申请日： 2022-08-22 - 公布日： 2022-11-29 - 主分类号： G06V10/774 文献下载
摘要：本说明书实施例公开了一种图像处理方法、模型训练方法、装置和计算机设备。所述方法包括：根据源图像获取身份特征和属性特征，所述源图像包含第一生物对象，所述身份特征用于表示第一生物对象的身份信息，所述属性特征用于表示第一生物对象的属性信息；根据目标图像获取上下文特征，所述目标图像包含第二生物对象，所述上下文特征用于表示第二生物对象的上下文信息；根据身份特征、属性特征和上下文特征，生成融合图像，所述融合图像包含融合生物对象，所述融合生物对象的身份信息和属性信息与第一生物对象相同，所述融合生物对象的上下文信息与第二生物对象相同。本说明书实施例可以提高融合图像和源图像在细节属性上的相似程度。
图像处理方法模型训练装置计算机设备

[发明专利]对抗样本的生成方法及装置-CN202011112696.9有效
发明人：张晓露;傅驰林;周俊;黄启印;李慧琛;徐晓骏 -专利权人：支付宝（杭州）信息技术有限公司
申请日： 2020-10-16 - 公布日： 2022-08-19 - 主分类号： G06K9/62 文献下载
摘要：本说明书实施例提供一种对抗样本的生成方法，所述对抗样本对应m维样本向量，用于攻击特定模型；该方法包括：确定m维空间的n维子空间所对应的m*n维投影矩阵，再基于该m*n维投影矩阵，对当前对抗样本进行多轮迭代更新，其中任一轮迭代更新包括：先从该n维子空间中随机采样b个高斯向量；接着，利用该m*n维投影矩阵，将所述b个高斯向量映射回该m维空间，得到b个干扰向量；再将所述b个干扰向量分别添加至当前对抗样本对应的样本向量，得到b个查询样本，并查询该所述b个查询样本是否对所述特定模型攻击成功；再基于b个干扰向量和对应的b个查询结果，估计样本梯度向量，并利用该样本梯度向量，更新上述当前对抗样本。
对抗样本生成方法装置

[发明专利]对抗样本的生成方法和装置-CN202010725498.3有效
发明人： 傅驰林;黄启印;周俊;张晓露 -专利权人：支付宝（杭州）信息技术有限公司
申请日： 2020-07-24 - 公布日： 2021-02-23 - 主分类号： G06F21/55 文献下载
摘要：本说明书实施例提供一种对抗样本的生成方法和装置，方法包括：获取本轮迭代有待强化的当前对抗样本；在目标损失函数减小的方向，对当前对抗样本进行第一次数的预设几何变形，得到变形图像；对变形图像执行第二次数的逐像素更新，得到第一对抗样本；对当前对抗样本执行第三次数的逐像素更新，得到第二对抗样本；确定第一对抗样本和第二对抗样本中对应损失值较小的对抗样本作为更新对抗样本；当满足停止迭代条件时，将更新对抗样本作为最终对抗样本；当不满足停止迭代条件时，基于更新对抗样本进行下一轮迭代。能够使得生成的对抗样本具有更强的攻击性，从而有针对性的防御。
对抗样本生成方法装置

[发明专利]对抗补丁生成、检测模型训练、对抗补丁防御方法及系统-CN202010409744.4有效
发明人： 傅驰林;张晓露;周俊 -专利权人：支付宝（杭州）信息技术有限公司
申请日： 2020-05-15 - 公布日： 2021-02-19 - 主分类号： G06K9/00 文献下载
摘要：本说明书中的实施例公开了对抗补丁生成、检测模型训练、对抗补丁防御方法及系统。所述对抗补丁生成方法包括：检测对抗样本和目标人脸图像中的特征点，基于对抗样本各感兴趣区域的特征点集合和目标人脸图像各感兴趣区域的特征点集合，计算对抗样本与目标人脸在感兴趣区域上的区域相似度，调节对抗样本中的对抗补丁以至少增加所述区域相似度。相应地，可训练出能够检测人脸图像中是否包含按上述方法生成的对抗补丁的检测模型，以保证人脸识别结果的可靠性，例如可避免用户身份被冒充后用户财产和/或隐私的泄露。
对抗补丁生成检测模型训练防御方法系统

[发明专利]一种对抗补丁的生成方法及装置-CN202010724039.3有效
发明人： 傅驰林;张晓露;周俊 -专利权人：支付宝（杭州）信息技术有限公司
申请日： 2020-07-24 - 公布日： 2020-12-01 - 主分类号： G06T3/00 文献下载
摘要：本说明书实施例提供一种对抗补丁生成方法及装置，在该方法中，首先准备攻击者的第一人脸图片和其上设置的初始对抗补丁，并标记初始对抗补丁在第一人脸图片上的设置区域，然后，获取不同背景的攻击者的人脸图片集，包括第一人脸图片和若干第二人脸图片；根据第一人脸图片到第二人脸图片的图片变换方式，矫正初始对抗补丁在第二人脸图片上的设置位置，然后利用叠加了初始对抗补丁的人脸图像集，对初始补丁进行迭代优化获取目标对抗补丁。本申请生成的目标对抗补丁，降低了对抗补丁与背景的相关性，增加对抗补丁与人脸信息特征的相关性，提升对抗补丁的鲁棒性。
一种对抗补丁生成方法装置

[发明专利]生成人脸对抗补丁的方法和装置-CN202010725497.9有效
发明人： 傅驰林;张晓露;周俊 -专利权人：支付宝（杭州）信息技术有限公司
申请日： 2020-07-24 - 公布日： 2020-11-13 - 主分类号： G06K9/00 文献下载
摘要：本说明书实施例提供一种生成人脸对抗补丁的方法和装置。在该方法中，首先获取初始对抗补丁，然后获取不包含攻击者人脸图像的人脸图像集。接着，分别利用人脸图像集中的各张人脸图像，对初始对抗补丁进行第一轮优化，得到第一对抗补丁；其中第一轮优化使得，叠加有补丁的各张人脸图像与目标人脸图像之间的相似度增加。接着，在第一对抗补丁的基础上，对补丁进行第二轮优化，使得叠加补丁的攻击者图像与目标人脸图像之间的相似度增加，且与攻击者自身图像之间的相似度降低。
生成对抗补丁方法装置

[发明专利]基于强化学习模型向用户推送对象的方法和装置-CN201910355868.6有效
发明人：陈岑;胡旭;傅驰林;张晓露 -专利权人：阿里巴巴集团控股有限公司
申请日： 2019-04-29 - 公布日： 2020-08-21 - 主分类号： G06F16/9535 文献下载
摘要：本说明书实施例提供了一种基于强化学习模型确定针对用户的推送对象列表的方法和装置，所述方法包括：对于每组对象列表，获取第i个状态特征向量；将所述第i个状态特征向量输入所述强化学习模型，以使得所述强化学习模型输出与该第i个状态特征向量对应的权重向量；获取与该组对象列表对应的候选对象集合中各个对象的排序特征向量；以及基于所述候选对象集合中各个对象的排序特征向量与所述权重向量的点积，计算所述候选对象集合中各个对象的分数；以及对于所述M组对象列表，基于与所述M组对象列表分别对应的M个候选对象集合中各个对象的分数，确定更新的M组对象列表，其中，所述更新的M组对象列表中的每组对象列表包括i个对象。
基于强化学习模型用户推送对象方法装置

[发明专利]基于强化学习模型向用户推送对象的方法和装置-CN201910740883.2在审
发明人：陈岑;傅驰林;张晓露 -专利权人：阿里巴巴集团控股有限公司
申请日： 2019-08-12 - 公布日： 2019-12-06 - 主分类号： G06F16/9535 文献下载
摘要：本说明书实施例提供了一种基于强化学习模型向用户推送对象的方法，所述方法包括针对第一用户的连续的至多N轮推送，所述至多N轮推送中的第i轮推送包括以下步骤：获取第i个状态信息，所述第i个状态信息包括静态特征和动态特征，其中，所述静态特征包括第一用户在执行该方法之前的已有特征，所述动态特征包括所述第一用户针对前i‑1轮推送已点击的各个对象的标识；将所述第i个状态信息输入所述强化学习模型以及，通过所述强化学习模型从所述多个第一候选对象中确定第一预定数目的第一推送对象，并从所述多个第二候选对象中确定第二预定数目的第二推送对象。
推送强化学习动态特征候选对象静态特征

1
共 14 条