“符芳诚”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15个，建议您升级VIP下载更多相关专利

[发明专利]数据集合处理方法、数据处理方法、装置及存储介质-CN202110541183.8有效
发明人：侯忱;蒋杰;潘军伟;薛焕然;符芳诚;程勇;刘煜宏;陈鹏;陶阳宇 -专利权人：腾讯科技（深圳）有限公司
申请日： 2021-05-18 - 公布日： 2023-07-28 - 主分类号： G06F21/60 文献下载
摘要：本申请公开了一种数据集合处理方法、数据处理方法、装置及存储介质，先获取第一数据集合和第二数据集合的交集数据集合，然后从交集数据集合在第二数据集合的补集中确定目标数据元素，并将目标数据元素添加进交集数据集合得到目标集合，接着分别向第一参与方和第二参与方发送目标集合，使得各参与方能够根据目标集合对预测模型进行联邦学习的训练，以支持云计算中大数据分析的实现。由于目标集合中的交集数据集合和目标数据元素均为第二数据集合的子集，第二参与方无法从目标集合中确定第一参与方的数据信息，所以能够在第一参与方的数据保密性要求更高的情况下，提高第一参与方的隐私信息的保密性。可见，本申请可以广泛应用于信息处理技术中。
数据集合处理方法数据处理装置存储介质

[发明专利]基于联邦学习的数据传输方法、装置以及可读存储介质-CN202110680161.X有效
发明人： 符芳诚;蒋杰;程勇;刘煜宏;陈鹏;陶阳宇;崔斌 -专利权人：腾讯科技（深圳）有限公司;北京大学
申请日： 2021-06-18 - 公布日： 2022-08-12 - 主分类号： H04L9/40 文献下载
摘要：本申请公开了一种基于联邦学习的数据传输方法、装置以及可读存储介质，该方法包括：第一参与节点获取第一密文，根据属于第一参与节点的业务数据对第一密文进行隐私运算，生成第二密文；第一密文是指第二参与节点对初始明文进行加密处理所得的数据；对第二密文进行数值界限预估，得到第二密文对应的明文预估界限值；明文预估界限值用于表征第二密文对应的明文的数值范围；基于明文预估界限值，对第二密文进行加法偏移处理，得到第三密文；根据明文预估界限值和第三密文，生成具有多项式格式的目标压缩密文，发送目标压缩密文至第二参与节点。采用本申请，可以有效降低联邦学习任务中的通信开销，提高联邦学习任务运行的效率。
基于联邦学习数据传输方法装置以及可读存储介质

[发明专利]联邦模型训练方法、装置、终端设备以及存储介质-CN202210363190.8有效
发明人： 符芳诚;崔斌 -专利权人：北京大学
申请日： 2022-04-08 - 公布日： 2022-07-19 - 主分类号： G06N20/00 文献下载
摘要：本发明公开了一种联邦模型训练方法、装置、终端设备以及存储介质，通过第一参与方基于第一明文模型权重随机数、第二明文模型随机数密文进行同态性质计算，生成第一模型权重密文，并基于第一模型权重密文与第一训练数据生成并发送第一参与方预测输出密文至第二参与方；第二参与方根据第一参与方预测输出与第二参与方预测输出得到联合预测输出并得到预测值；第二参与方基于预测值生成联合预测输出梯度，并加密得到联合预测输出梯度密文发送至第一参与方，并根据联合预测输出梯度更新第二明文模型权重；第一参与方根据联合预测输出梯度密文得到第一模型梯度密文，并根据第一模型梯度密文更新第一模型权重密文。本发明提升了联邦模型训练的安全性。
联邦模型训练方法装置终端设备以及存储介质

[发明专利]基于联邦学习的模型训练方法、设备、介质及程序产品-CN202210093687.2在审
发明人： 符芳诚;蒋杰;刘煜宏;陈鹏;陶阳宇;程勇;崔斌 -专利权人：深圳市腾讯计算机系统有限公司;北京大学
申请日： 2022-01-26 - 公布日： 2022-05-13 - 主分类号： G06N20/20 文献下载
摘要：本申请实施例公开了一种基于联邦学习的模型训练方法、设备、介质及程序产品，属于联邦学习领域。该方法包括：第一参与方基于第一模型权重、第二模型权重密文以及第一训练样本进行前向计算，生成第一梯度乘子算子；向第二参与方发送第一梯度乘子算子；第二参与方基于第三模型权重、第四模型权重密文以及第二训练样本进行前向计算，生成第二梯度乘子算子；第二参与方基于样本标签、第一梯度乘子算子以及第二梯度乘子算子生成梯度乘子；向第一参与方发送梯度乘子密文；第二参与方基于梯度乘子进行反向计算，更新第三模型权重；第一参与方基于梯度乘子密文进行反向计算，更新第二模型权重密文。能够提高模型训练的安全性，避免数据泄露。
基于联邦学习模型训练方法设备介质程序产品

[发明专利]密文压缩方法、密文解压缩方法、装置、设备和存储介质-CN202210096146.5在审
发明人：陈瑞钦;蒋杰;刘煜宏;陈鹏;陶阳宇;符芳诚 -专利权人：腾讯科技（深圳）有限公司
申请日： 2022-01-26 - 公布日： 2022-05-06 - 主分类号： H04L9/00 文献下载
摘要：本申请涉及一种密文压缩方法、密文解压缩方法、装置、设备和存储介质。所述设备包括物联网设备，所述物联网设备包括智能车载设备；所述密文压缩方法包括：对基于同态加密方式分别加密各明文所得的密文进行分组，得到密文组；确定所述密文组中各密文对应的密文系数；基于所述密文系数，以并行方式分别对每个所述密文组中的密文进行第一压缩处理，得到每个所述密文组中的密文对应的子压缩密文；以并行方式分别对每个所述密文组中的密文对应的子压缩密文进行第二压缩处理，得到每个所述密文组对应的压缩密文。采用本方法能够提高联邦学习任务的运行效率。
压缩方法解压缩装置设备存储介质

[发明专利]联邦神经网络的训练方法、装置及电子设备-CN202210071149.3在审
发明人： 符芳诚;蒋杰;刘煜宏;陈鹏;陶阳宇;薛焕然;崔斌 -专利权人：腾讯科技（深圳）有限公司;北京大学
申请日： 2022-01-21 - 公布日： 2022-04-29 - 主分类号： G06N3/08 文献下载
摘要：本申请实施例提供了一种联邦神经网络的训练方法、装置、电子设备及计算机可读存储介质，涉及人工智能领域。该方法包括：确定顶层模型输出的批量的第一参与方数据的反向偏导，根据正样本和负样本的反向偏导的分布情况以及扰动程度确定噪声数据的分布范围；针对每个反向偏导从分布范围中随机采样噪声数据，对反向偏导添加噪声数据，获得扰动后的反向偏导；将扰动后的反向偏导输入底层模型，以使得底层模型根据扰动后的反向偏导更新底层模型的参数。本申请实施例不需要像现有技术进行迭代或长时间的复杂计算，相对于相关技术效率更高，当效率提高后，可提供更低的最大可接受距离指标，从而提高对标签的保护能力。
联邦神经网络训练方法装置电子设备

[发明专利]一种用于保护标签信息的纵向联邦神经网络模型学习方法-CN202210293677.3在审
发明人： 符芳诚;崔斌 -专利权人：北京大学
申请日： 2022-03-24 - 公布日： 2022-04-22 - 主分类号： G06N3/04 文献下载
摘要：本发明公布了一种用于保护标签信息的纵向联邦神经网络模型学习方法，对纵向联邦神经网络模型的反向偏导进行多元高斯分布建模；根据用户提供的最大可接受的距离指标，计算得到满足该距离指标的对纵向联邦神经网络模型精度影响最小的扰动，以及对应的扰动噪声；并将扰动噪声添加至参与方的反向偏导，得到扰动后的结果，由此提高纵向联邦神经网络模型训练用于保护标签信息的隐私性和可用性。
一种用于保护标签信息纵向联邦神经网络模型学习方法

[发明专利]基于联邦神经网络模型的数据处理方法、相关设备及介质-CN202110531392.4在审
发明人： 符芳诚;蒋杰;薛焕然;程勇;崔斌;刘煜宏;陈鹏;陶阳宇 -专利权人：深圳市腾讯计算机系统有限公司;北京大学
申请日： 2021-05-14 - 公布日： 2021-10-15 - 主分类号： G06N3/08 文献下载
摘要：本申请公开一种基于联邦神经网络模型的数据处理方法、相关设备及介质；联邦神经网络模型中的交互层网络的模型权重被划分成：由第一参与方持有的第一权重，由第二参与方持有的第二权重；第一参与方还持有：第二权重的权重密文。方法包括：接收第一参与方发送的特征密文，特征密文是对采用第一权重对第一数据特征进行加权得到的第一加权特征，和采用权重密文对第一数据特征进行加权得到的第二加权特征进行整合得到的；对特征密文进行解密，得到目标数据特征；融合目标数据特征以及第二数据特征，得到融合数据特征；对融合数据特征进行前向计算，得到目标数据标识所对应的目标处理结果。可减少通信交互的次数，节省通信资源，提升数据处理效率。
基于联邦神经网络模型数据处理方法相关设备介质

[发明专利]多方安全计算方法、装置、设备及存储介质-CN202110503941.7有效
发明人：程勇;陶阳宇;符芳诚 -专利权人：腾讯科技（深圳）有限公司
申请日： 2021-05-10 - 公布日： 2021-07-30 - 主分类号： G06F21/60 文献下载
摘要：本申请实施例公开了一种多方安全计算方法、装置、设备及存储介质，属于数据安全技术领域。该方法包括：对第一明文数据进行同态加密处理，生成第一密文数据；向第二节点设备发送包含第一密文数据的加密数据；接收第二节点设备发送的差值密文数据；对差值密文数据进行解密处理，并基于解密结果的正负性确定数值比较结果。本申请在两个参与方均不向对方透漏己方数据，且不借助可信第三方的前提下，同时实现大小比较和相等测试。相比于相关技术中的计算方法，两个节点设备各自只需进行一次数据收发，减少了通信次数，通信开销小、计算效率高，且大小比较和相等测试可以同时进行。
多方安全计算方法装置设备存储介质

[发明专利]一种数据处理方法、装置、设备及计算机可读存储介质-CN202110576191.6有效
发明人： 符芳诚;蒋杰;潘军伟;侯忱;薛焕然;程勇;刘煜宏;陈鹏;陶阳宇 -专利权人：腾讯科技（深圳）有限公司
申请日： 2021-05-26 - 公布日： 2021-07-30 - 主分类号： G06F21/62 文献下载
摘要：本申请实施例公开了一种数据处理方法、装置、设备及计算机可读存储介质。其中方法包括：获取第一求交集合和第二求交集合，对第一求交集合和第二求交集合进行求交集处理，得到求交结果集合；对求交结果集合进行混淆处理，得到混淆集合。通过对由于数据交互或者其他方式产生的两个数据集合求交集，满足一方用户对求交集的需求，例如广告主用户可以通过求交集来确定某个广告平台的转换率，同时对得到的求交数据进行混淆，又能够保证最后输出的集合数据不会造成本地数据泄密的问题，例如应广告平台要求需要反馈给广告平台的数据，不会直接暴露原本属于广告主的数据。
一种数据处理方法装置设备计算机可读存储介质

[发明专利]联邦神经网络模型的训练方法、装置、设备及存储介质-CN202011167325.0有效
发明人：程勇;薛焕然;符芳诚;陶阳宇 -专利权人：腾讯科技（深圳）有限公司
申请日： 2020-10-27 - 公布日： 2021-07-09 - 主分类号： G06F21/60 文献下载
摘要：本申请实施例提供一种联邦神经网络模型的训练方法、装置、设备及存储介质，涉及人工智能技术领域和云技术领域。方法包括：将样本数据输入至联邦神经网络模型中，以通过第一下层模型对所述样本数据进行处理，得到下层模型输出值；将下层模型输出值、第一参与方生成的交互层模型参数、和基于RIAC加密方式对交互层模型参数进行加密后所得到的加密模型参数，分别输入至交互层，得到交互层的输出向量；将输出向量输入至所述上层模型中，得到联邦神经网络模型的输出值；将输出值输入至预设损失函数中，得到损失结果；根据损失结果对联邦神经网络模型进行反向传播处理。通过本申请实施例，能够极大的降低计算复杂度，减小计算量，降低耗时。
联邦神经网络模型训练方法装置设备存储介质

[发明专利]基于深度神经网络最小方差梯度量化压缩及图像处理方法-CN201911029711.0有效
发明人： 符芳诚;周跃;崔斌;聂小楠 -专利权人：北京大学
申请日： 2019-10-28 - 公布日： 2021-07-09 - 主分类号： G06T9/00 文献下载
摘要：本发明公布了一种基于深度神经网络最小方差梯度量化压缩及图像处理方法，针对包含类别标签的有监督数据，采用深度神经网络中对梯度进行非均匀量化的网络压缩，使用韦伯分布族建模梯度分布，再通过搜索最优量化点求解量化方差最小化，使得量化误差最小，提高深度神经网络模型的收敛速度；该神经网络压缩方法用于图像分类处理，可提高图像处理效率。
基于深度神经网络最小方差梯度量化压缩图像处理方法

[发明专利]纵向联邦学习中的计算方法、装置、设备及介质-CN202011064959.3在审
发明人：程勇;符芳诚;肖品;陶阳宇 -专利权人：腾讯科技（深圳）有限公司
申请日： 2020-09-30 - 公布日： 2020-12-25 - 主分类号： G06N20/20 文献下载
摘要：本申请公开了一种纵向联邦学习中的计算方法、装置、设备及介质，涉及人工智能中的联邦学习领域。本申请通过采用多叉树拓扑部署的多个参与节点，一个上层参与节点具有k个下层参与节点，由上层参与节点和k个下层参与节点交换双方的公钥后，上层参与节点与下层参与节点以第一公钥和第二公钥作为加密参数进行两方联合安全计算，得到联邦模型的k个两方联合输出；进而由上层参与节点将k个两方联合输出合并，得到联邦模型对应的第一联合模型输出。从而提供了一种多叉树拓扑部署的纵向联邦学习架构，提高各个参与节点在纵向联邦学习过程中的平等性。
纵向联邦学习中的计算方法装置设备介质

[发明专利]用户特征获取方法、装置、计算机设备及存储介质-CN202010530924.8在审
发明人： 符芳诚;余乐乐;陶阳宇;崔斌 -专利权人：腾讯科技（深圳）有限公司;北京大学
申请日： 2020-06-11 - 公布日： 2020-09-22 - 主分类号： G06K9/62 文献下载
摘要：本申请实施例公开了一种用户特征获取方法、装置、计算机设备及存储介质，属于计算机技术领域。该方法包括：调用第一特征提取模型，对已存储的目标用户标识的第一用户信息进行特征提取，得到第一用户特征，接收第一设备发送的第二用户特征，根据第一用户特征及第二用户特征，获取目标用户标识的第一组合用户特征。由第一设备为本端的第二设备提供第一设备提取得到的用户特征，而无需提供第一设备存储的原用户信息，避免了用户信息的泄露。且第二设备将第二设备和第一设备提取得到的用户特征进行组合得到组合特征，由于该组合特征包括第二设备和第一设备存储的用户信息中的特征，丰富了用户特征的信息量，提高了组合用户特征的准确性。
用户特征获取方法装置计算机设备存储介质

[发明专利]决策树模型的训练方法、系统、存储介质及预测方法-CN201910944121.4在审
发明人：江佳伟;符芳诚 -专利权人：腾讯科技(深圳)有限公司
申请日： 2019-09-30 - 公布日： 2020-01-24 - 主分类号： G06K9/62 文献下载
摘要：本申请公开了一种决策树模型的训练方法、系统、存储介质及预测方法，涉及人工智能技术，利用人工智能中机器学习技术对决策树模型进行训练，所述方法包括：每个子处理节点分别针对当前训练的树节点，获取当前训练的树节点的节点训练特征集和梯度数据，根据获取的节点训练特征集和梯度数据确定出局部最佳分裂规则并发送给主处理节点；每个子处理节点分别针对当前训练的树节点；主处理节点从每个子处理节点确定出的局部最佳分裂规则中，选出当前训练的树节点对应的分裂规则。这样可以减少训练过程中各处理节点间传输的数据量，降低系统资源开销。
树节点子处理决策树模型梯度数据特征集主处理分裂机器学习技术人工智能技术人工智能处理节点存储介质降低系统节点确定训练过程资源开销数据量并发传输预测申请

1
共 15 条