“陈超超”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439个，建议您升级VIP下载更多相关专利

[发明专利]保护数据隐私的双方联合训练业务预测模型的方法和装置-CN202010276682.4有效
发明人：王磊;陈超超;王力;周俊 -专利权人：支付宝（杭州）信息技术有限公司
申请日： 2020-04-10 - 公布日： 2020-07-17 - 主分类号： G06F21/62 文献下载
摘要：本说明书实施例提供一种保护数据隐私的双方联合训练业务预测模型的方法和装置，其中第一方和第二方分别拥有一部分特征数据，分别维护第一和第二参数部分，借助于第三方进行联合训练。在模型迭代时，双方各自计算其特征矩阵与参数的乘积结果，第一方将其乘积结果用第三方公钥同态加密后发送给拥有标签的第二方，由第二方进行同态运算，得到加密误差向量。然后，基于该加密误差向量，双方各自通过同态添加混淆元素的方式，将混淆后的加密梯度发送给第三方，使其解密，再对解密后的混淆梯度去混淆，得到对应的梯度，由此更新对应的参数。如此实现保护数据隐私的安全联合训练。
保护数据隐私双方联合训练业务预测模型方法装置

[发明专利]一种基于隐私数据进行模型训练的方法及系统-CN202010276715.5有效
发明人： 陈超超;王力;周俊 -专利权人：支付宝（杭州）信息技术有限公司
申请日： 2020-04-10 - 公布日： 2020-07-17 - 主分类号： G06N20/00 文献下载
摘要：本说明书一个或多个实施例涉及一种基于隐私数据进行模型训练的方法及系统。所述的方法包括：第一终端持有第一隐私数据；第二终端持有第二隐私数据、样本标签以及基于第一隐私数据和所述第二隐私数据联合训练的模型的加密损失值；第二终端基于所述加密损失值以及自身的第一掩码，参与第二解密梯度的计算；第二终端基于所述加密损失值、自身的第二掩码以及加密后的第一特征，参与第一解密梯度的计算；所述第一解密梯度和第二解密梯度用于更新所述联合训练的模型；其中，所述加密为同态加密；所述第一隐私数据和所述第二隐私数据对应于相同的训练样本，所述训练样本为与实体相关的图像数据、文本数据或声音数据。
一种基于隐私数据进行模型训练方法系统

[发明专利]逻辑回归模型训练方法、装置及系统-CN202010096283.X有效
发明人： 陈超超;王力;周俊 -专利权人：支付宝（杭州）信息技术有限公司
申请日： 2020-02-17 - 公布日： 2020-07-03 - 主分类号： G06N20/00 文献下载
摘要：本说明书实施例提供用于经由多个训练参与方来训练逻辑回归模型的方法和装置。在该方法中，逻辑回归模型被垂直切分为多个子模型，每个训练参与方具有一个子模型以及经过垂直切分后得到的特征数据子集。在训练时，第一训练参与方将标记值分解为多个部分标记值，并分别向各个第二训练参与方发送一个部分标记值。在各个训练参与方处，基于各自的当前子模型、特征数据子集以及部分标记值，确定该训练参与方处的预测差值。基于各个训练参与方的预测差值确定总预测差值。然后，各个训练参与方基于总预测差值和各自的特征数据子集，确定出对应的模型更新量并进行子模型更新。利用该方法，能够保证各个模型训练参与方处的私有数据的数据安全。
逻辑回归模型训练方法装置系统

[外观设计]婴儿折叠浴盆（巴迪熊）-CN202030091825.5有效
发明人： 陈超超 -专利权人： 陈超超
申请日： 2020-03-18 - 公布日： 2020-07-03 - 主分类号： 23-06 文献下载
摘要：1.本外观设计产品的名称：婴儿折叠浴盆（巴迪熊）。2.本外观设计产品的用途：用于婴儿洗澡用的浴盆。3.本外观设计产品的设计要点：在于形状与图案的结合。4.最能表明设计要点的图片或照片：立体图。
婴儿折叠浴盆巴迪熊

[发明专利]信息推荐方法、装置、服务器及计算机存储介质-CN201710676527.X有效
发明人： 陈超超;赵沛霖;周俊 -专利权人：创新先进技术有限公司
申请日： 2017-08-09 - 公布日： 2020-06-30 - 主分类号： G06Q30/06 文献下载
摘要：本申请提供一种信息推荐方法、装置、服务器及计算机存储介质，所述方法包括：获取推荐目标用户的偏好编码，所述偏好编码包括K个偏好值，第n个偏好值指示所述目标用户对第n方面特征是否具有偏好；获取待推荐信息的特征编码，所述特征编码包括K个特征值，第n个特征值指示所述待推荐信息是否包含第n方面特征；对比所述第n个偏好值与所述第n个特征值是否匹配，根据所述相匹配的个数，确定所述待推荐信息是否推荐给所述目标用户。本申请实施例中以偏好值与特征值相匹配的个数来衡量待推荐信息和目标用户之间的匹配度，由于本实施例只需要进行编码值的对比，因此运算量较低，信息推荐效率较高。
信息推荐方法装置服务器计算机存储介质

[发明专利]保护数据隐私的双方联合训练业务预测模型的方法和装置-CN202010251506.5有效
发明人： 陈超超;王力;王磊;周俊 -专利权人：支付宝（杭州）信息技术有限公司
申请日： 2020-04-01 - 公布日： 2020-06-30 - 主分类号： G06F21/60 文献下载
摘要：本说明书实施例提供一种保护数据隐私的双方联合训练业务预测模型的方法和装置，其中双方各自拥有一部分特征数据。在模型迭代过程中，双方通过安全矩阵乘法，得到总的特征矩阵X与总的参数矩阵W的乘积结果的加密分片。由拥有标签的第二方汇总这两个加密分片，得到加密的乘积结果Z。第二方基于该乘积结果Z与加密的标签Y，得到加密的误差E，并对其进行同态加密下的秘密分享。于是，双方各自得到误差分片。然后双方基于误差分片和各自的特征矩阵，通过秘密分享和安全矩阵乘法，得到对应的梯度分片。然后，第一方利用其梯度分片更新其维护的参数分片，第二方利用其梯度分片更新其维护的参数分片。如此实现保护数据隐私的安全联合训练。
保护数据隐私双方联合训练业务预测模型方法装置

[发明专利]双方联合进行数据处理的方法及装置-CN202010252277.9有效
发明人： 陈超超;王力;周俊 -专利权人：支付宝（杭州）信息技术有限公司
申请日： 2020-04-01 - 公布日： 2020-06-26 - 主分类号： H04L9/00 文献下载
摘要：本说明书实施例提供一种保护数据隐私的双方联合进行数据处理的方法和装置，其中双方各自维护有隐私数据构成的原始矩阵。根据该方法，由两方中矩阵维度较小的一方对其矩阵进行同态加密，将加密后的矩阵发送给另一方。另一方用其自身的原始矩阵，对该加密矩阵进行同态加和运算，得到加密综合矩阵。该加密综合矩阵相当于对乘法矩阵加密后的矩阵。然后，双方针对加密综合矩阵进行同态加密下的秘密分享，最终各自得到一个矩阵分片，使得分片之和为乘法矩阵，从而实现双方的安全矩阵运算。
双方联合进行数据处理方法装置

[发明专利]图神经网络模型训练方法、装置及系统-CN202010096248.8有效
发明人： 陈超超;王力;周俊 -专利权人：支付宝（杭州）信息技术有限公司
申请日： 2020-02-17 - 公布日： 2020-06-12 - 主分类号： G06N3/08 文献下载
摘要：本说明书实施例提供用于经由多个数据拥有方来训练图神经网络模型的方法及装置。在该方法中，图神经网络模型被分割为判别模型以及多个图神经网络子模型。在进行模型训练时，各个数据拥有方将各自的特征数据子集提供给各自的图神经网络子模型，以得到各个节点的特征向量表示。各个数据拥有方从服务端接收判别模型，并使用各个节点的特征向量表示来得到各个节点的当前预测标签值，由此计算出各个数据拥有方处的当前损失函数，并基于当前损失函数来确定出判别模型的梯度信息以及更新各自的图神经网络子模型。各个数据拥有方将各自的梯度信息提供给服务端，以供服务端来更新判别模型。利用该方法，能够保证各个数据拥有方处的私有数据的数据安全。
神经网络模型训练方法装置系统

[发明专利]一种物品推荐方法和装置-CN201810257617.X有效
发明人： 陈超超;周俊 -专利权人：阿里巴巴集团控股有限公司
申请日： 2018-03-27 - 公布日： 2020-06-09 - 主分类号： G06Q30/02 文献下载
摘要：本说明书实施例公开了预测用户对物品的评分的方法和装置以及物品推荐方法和装置。其中，所述预测评分的方法包括：获取多个样本对，所述样本对包括选自于多个用户标识的任一个用户标识和选自于多个物品标识的任一个物品标识；获取多个已有评分，所述多个已有评分对应于所述多个样本对中的部分样本对；获取分别与各个样本对对应的多组上下文特征；基于所述多组上下文特征，将所述多个样本对聚类为多个子类；以及关于每个子类，基于多个所述第一用户标识和多个所述第一物品标识、和多个所述第一用户相对于多个所述第一物品的多个已有评分，通过协同过滤算法预测各个第一用户对其未评分的第一物品的评分。
一种物品推荐方法装置

[发明专利]一种基于安全内存的存储优化方法及系统-CN202010329956.1在审
发明人：吴秉哲;陈超超;王力 -专利权人：支付宝（杭州）信息技术有限公司
申请日： 2020-04-24 - 公布日： 2020-06-05 - 主分类号： G06F3/06 文献下载
摘要：本说明书一个或多个实施例涉及一种基于安全内存的存储优化方法；所述方法包括：获取安全内存的可用容量；获取模型或者模型某一层的待计算数据；获取所述模型或者模型某一层的权重；根据所述权重，以及所述待计算数据，确定内存需求量；所述内存需求量为完成计算预计需要占用的安全内存的存储空间；将所述内存需求量与所述内存的可用容量进行对比；当比较结果满足预设条件时，对所述权重进行修正，获取量化权重，基于所述量化权重进行计算；所述量化权重对内存的需求量小于所述权重对内容的需求量。
一种基于安全内存存储优化方法系统

[发明专利]图结构模型训练、垃圾账户识别方法、装置以及设备-CN201810209270.1有效
发明人：刘子奇;陈超超;周俊;李小龙 -专利权人：阿里巴巴集团控股有限公司
申请日： 2018-03-14 - 公布日： 2020-06-02 - 主分类号： H04L29/06 文献下载
摘要：本说明书实施例公开了图结构模型训练、垃圾账户识别方法、装置以及设备。方案包括：获取账户媒介网络图，账户媒介网络图中的节点表示账户和媒介，至少部分边表示其连接的节点间具有登录行为关系，获取节点的特征数据和风险标注数据，特征数据反映对应节点在时间序列上的登录行为，根据账户媒介网络图、特征数据和风险标注数据，训练预定义的图结构模型，利用训练后的图结构模型识别垃圾账户。
结构模型训练垃圾账户识别方法装置以及设备

[发明专利]业务预测模型的划分处理及预测方法和装置-CN202010174985.5有效
发明人：吴秉哲;陈超超;陈岑;王力 -专利权人：支付宝（杭州）信息技术有限公司
申请日： 2020-03-13 - 公布日： 2020-06-02 - 主分类号： G06F9/50 文献下载
摘要：本说明书实施例提供了一种业务预测模型的划分处理及预测方法和装置。在对业务预测模型进行划分时，协调设备可以确定业务预测模型的N个计算层中每个计算层的运算对应的内存占用量；根据可信计算单元的内存容量以及内存占用量，确定分配至可信计算单元的连续的前M个计算层，并得到分配至非可信数据处理设备的N‑M个计算层。可信计算单元可以将业务数据输入前M个计算层中，并得到输出结果，通过预设安全协议将输出结果发送至非可信数据处理设备，非可信数据处理设备中的N‑M个计算层基于输出结果确定针对业务数据的预测结果。
业务预测模型划分处理方法装置

[发明专利]依据决策内容生成决策树用于多方决策的方法和装置-CN202010276684.3在审
发明人：黄群山;陆宇飞;操顺德;陈星宇;王磊;陈超超 -专利权人：支付宝（杭州）信息技术有限公司
申请日： 2020-04-10 - 公布日： 2020-05-19 - 主分类号： G06F16/9535 文献下载
摘要：本说明书实施例提供的一种依据决策内容生成决策树用于多方决策的方法和装置。在生成第一决策树时依据的第一决策内容包括：当业务对象的多个对象特征的特征值满足第一关系式时，针对该业务对象执行第一决策；其中，第一关系式由多个比较关系式及其之间的若干逻辑关系符构成，比较关系式由对象特征和阈值之间的比较关系构成。在生成第一决策树时，基于第一关系式中的每个比较关系式，生成对应的子决策树；确定若干逻辑关系符的类型及其之间的层次；根据各个逻辑关系符的类型以及层次，逐层地对各个比较关系式的子决策树进行拼接，得到第一关系式对应的第一决策树，该第一决策树用于根据对象特征的特征值确定是否针对该业务对象执行第一决策。
依据决策内容生成决策树用于多方方法装置

[发明专利]保护数据隐私的双方联合训练业务预测模型的方法和装置-CN202010276696.6在审
发明人： 陈超超;王力;王磊;周俊 -专利权人：支付宝（杭州）信息技术有限公司
申请日： 2020-04-10 - 公布日： 2020-05-19 - 主分类号： G06N20/20 文献下载
摘要：本说明书实施例提供一种保护数据隐私的双方联合训练业务预测模型的方法和装置，其中双方各自拥有一部分特征数据。在模型迭代过程中，双方通过安全矩阵乘法，得到总的特征矩阵X与总的参数矩阵W的乘积结果的两个乘积分片。拥有标签的第二方对标签向量Y进行秘密分享，使双方得到两个标签分片。于是，双方各自根据持有的乘积分片和标签分片计算出对应的误差分片。然后双方基于各自的误差分片和特征矩阵，通过秘密分享和安全矩阵乘法，得到对应的梯度分片。然后，第一方利用其梯度分片更新其维护的参数分片，第二方利用其梯度分片更新其维护的参数分片。如此实现保护数据隐私的安全联合训练。
保护数据隐私双方联合训练业务预测模型方法装置

[发明专利]保护数据隐私的双方联合训练业务预测模型的方法和装置-CN202010276698.5在审
发明人：王磊;陈超超;王力;周俊 -专利权人：支付宝（杭州）信息技术有限公司
申请日： 2020-04-10 - 公布日： 2020-05-19 - 主分类号： G06F21/60 文献下载
摘要：本说明书实施例提供一种保护数据隐私的双方联合训练业务预测模型的方法和装置，其中第一方和第二方分别拥有一部分特征数据，分别维护第一和第二参数部分。在模型迭代时，双方各自计算其特征矩阵与参数的乘积结果，第一方将其乘积结果同态加密后发送给拥有标签的第二方，由第二方进行同态运算，得到加密误差向量。然后，基于该加密误差向量，双方联合通过同态添加混淆元素的方式，传递第二方的梯度，使得第二方更新其第二参数；此外，还通过二次加密的方式，传递第一方的梯度，使得第一方更新其第一参数。如此实现保护数据隐私的安全联合训练。
保护数据隐私双方联合训练业务预测模型方法装置