“彭南博”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104个，建议您升级VIP下载更多相关专利

[发明专利]基于联邦学习的模型训练方法、装置、设备以及存储介质-CN202110666784.1有效
发明人：陈晓霖;杨恺;王虎;黄志翔;彭南博 -专利权人：京东科技控股股份有限公司
申请日： 2021-06-16 - 公布日： 2023-09-26 - 主分类号： G06F18/214 文献下载
摘要：本申请公开了基于联邦学习的模型训练方法和装置，具体实现方案为：当未达到梯度提升树的棵树阈值并且未达到梯度提升树的深度阈值，向联邦学习系统中的各个第二电子设备发送梯度数据；接收各个第二电子设备基于梯度数据发送的表征第二特征信息集中每个特征和相应特征的分裂阈值的随机数编码和第一融合梯度；基于各个第一融合梯度和第一特征信息集，确定信息增益的目标值；响应于信息增益的目标值为本方信息增益的最大值，基于信息增益的目标值对应特征和分裂阈值对样本空间进行划分，生成样本空间划分结果和目标融合梯度；根据目标融合梯度，对第一电子设备的模型参数进行更新。该方案实现了一种具有可解释性的基于联邦学习的模型训练方法。
基于联邦学习模型训练方法装置设备以及存储介质

[发明专利]文本数据处理方法、装置和计算机可读存储介质-CN201911270221.X有效
发明人：汪冬冬;程建波;彭南博;黄志翔 -专利权人：京东科技控股股份有限公司
申请日： 2019-12-11 - 公布日： 2023-09-26 - 主分类号： G06F16/35 文献下载
摘要：本发明公开了一种文本数据处理方法、装置和计算机可读存储介质，涉及数据处理领域。文本数据处理方法包括：根据获取的文本，确定文本对应的词向量序列；将词向量序列输入到文本特征提取模型中，获得文本对应的文本特征；将文本特征输入到一个或多个预先训练的子目标预测模型中，获得每个子目标预测模型输出的子目标预测值；将由文本特征和子目标预测值构建的分类模型输入向量输入到预先训练的分类模型中，获得对文本的分类结果。本发明的实施例可以采用子目标作为整个分类预测过程的中间结果，并根据该中间结果、结合文本的词向量进一步获得文本的分类结果。从而，提升了文本分类的准确性。
文本数据处理方法装置计算机可读存储介质

[发明专利]联邦学习模型的训练方法、装置、电子设备和存储介质-CN202011584106.2有效
发明人：陈忠;韩雨锦;王虎;黄志翔;彭南博 -专利权人：京东科技控股股份有限公司
申请日： 2020-12-28 - 公布日： 2023-09-05 - 主分类号： H04L9/40 文献下载
摘要：本申请提出一种联邦学习模型的训练方法、装置和电子设备，其中，训练方法包括：与数据提供方服务器进行样本对齐；计算当前样本的梯度信息，并发送至数据提供方服务器；接收数据提供方服务器提供的公钥、假消息集以及梯度返回信息；根据梯度返回信息生成目标分裂点编号，并基于公钥、假消息集和目标分裂点编号生成密文，并将密文发送至数据提供方服务器；以及接收数据提供方服务器发送的每个假消息对应的解密运算值，并根据每个假消息对应的解密运算值进行节点分裂。由此，能够有效地防止模型提取攻击和模型逆向攻击，实现了保护业务方的模型和训练数据的安全，也能防止数据提供方的信息泄露，保护了数据提供方的数据安全。
联邦学习模型训练方法装置电子设备存储介质

[发明专利]联邦学习模型的模型参数训练方法、装置和电子设备-CN202110251790.0有效
发明人：陈忠;陈晓霖;冯泽瑾;王虎;黄志翔;彭南博 -专利权人：京东科技控股股份有限公司
申请日： 2021-03-08 - 公布日： 2023-09-01 - 主分类号： G06N20/00 文献下载
摘要：本申请提出一种联邦学习模型的模型参数训练方法、装置和电子设备，其中，该方法包括：与数据提供方服务器进行样本对齐；获取公共参数；计算当前样本的梯度信息，并发送至数据提供方服务器；接收数据提供方服务器提供的中间参数和梯度返回信息；根据梯度返回信息生成目标分裂点编号，并基于业务密钥，以及中间参数或公共参数生成密文；基于目标分裂点编号和混淆分裂点编号生成特征混淆字典，并将特征混淆字典和密文发送至数据提供方服务器；以及接收数据提供方服务器发送的第一解密运算值集合和第二解密运算值集合，并根据业务密钥、第一解密运算值集合和第二解密运算值集合进行节点分裂。
联邦学习模型参数训练方法装置电子设备

[发明专利]用于识别异常行为用户的方法和装置-CN201910903789.4有效
发明人：黄婉棉;程建波;彭南博 -专利权人：京东科技控股股份有限公司
申请日： 2019-09-24 - 公布日： 2023-08-04 - 主分类号： G06F11/34 文献下载
摘要：本公开的实施例公开了用于识别异常行为用户的方法和装置。该方法的一具体实施方式包括：获取预设用户集合中的用户在目标时间段内对目标应用执行的操作的操作信息；基于所获取的操作信息，生成频繁模式树，其中，频繁模式树的路径用于指示预设用户集合中的用户在目标时间段内对目标应用执行的操作序列；基于频繁模式树，从预设用户集合中识别异常行为用户。该实施方式通过生成频繁模式树，实现了基于用户执行的操作序列确定用户集合中的异常行为用户，有助于避免由于异常行为用户的操作而导致的目标应用的运行异常，异常行为用户非法、违规获利等情况的发生。
用于识别异常行为用户方法装置

[发明专利]纵向联邦学习中逻辑回归模型的训练方法及系统-CN202111289927.8在审
发明人：张德;陈行;彭南博 -专利权人：京东科技控股股份有限公司
申请日： 2021-11-02 - 公布日： 2023-05-05 - 主分类号： G06N20/00 文献下载
摘要：本发明涉及一种纵向联邦学习中逻辑回归模型的训练方法、预测方法、纵向联邦学习系统及存储介质，用以实现在不依赖第三方，且保护双方隐私数据的前提下，完成纵向联邦学习中逻辑回归模型的训练。该训练方法包括：对于纵向联邦学习系统中的任意一方执行如下操作：接收另一方发送的第二公钥和第二加密中间结果；基于已有的第一加密中间结果所述第二加密中间结果和本地的第一样本数据，得到加密梯度；对加密梯度进行混淆，得到加密混淆梯度并发送给另一方；接收另一方发送的明文混淆梯度；对明文混淆梯度进行去混淆，得到梯度，并基于所述梯度更新本地所拥有的一部分逻辑回归模型；循环迭代直到满足预设停止条件时得到训练完成的逻辑回归模型。
纵向联邦学习逻辑回归模型训练方法系统

[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-CN202110747550.X在审
发明人：杨恺;彭南博;陈晓霖;王虎;黄志翔;韩雨锦 -专利权人：京东科技控股股份有限公司
申请日： 2021-07-01 - 公布日： 2023-01-03 - 主分类号： G06N3/00 文献下载
摘要：本申请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，通过数据对齐，与数据方确定建模用的目标样本数据与样本标签；在每一轮纵向联邦学习建模过程中，基于目标样本数据确定当前轮所用的目标数量的目标数据，基于样本标签确定各个目标数据的目标标签；获取当前轮之前的已有联邦集成树模型对目标数据的标签预测值；基于每个目标数据及对应的目标标签、标签预测值，构建对应的随机森林树模型；基于随机森林树模型确定当前轮构建的联邦集成树模型；基于每一轮构建的联邦集成树模型确定目标联邦树模型，以基于目标联邦树模型进行数据处理；其中，第一轮之前的已有联邦集成树模型的标签预测值为零。数据处理效率高。
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]信息推荐方法、装置、服务器及存储介质-CN202110749214.9在审
发明人：闫玉成;彭南博;张德 -专利权人：京东科技控股股份有限公司
申请日： 2021-07-01 - 公布日： 2023-01-03 - 主分类号： G06F16/9535 文献下载
摘要：本申请实施例提供一种信息推荐方法、装置、服务器及存储介质，在该方法中，业务服务器根据商家服务器发送的策略处理请求，目标用户表示集合以及关联用户的加密行为特征信息，去获取每个待处理用户的加密策略结果，然后将加密策略结果返回给商家服务器，在在检测到待推荐用户处于推荐场景时，根据从商家服务器中获取的待推荐用户对应的策略结果，对待推荐用户进行信息推荐。该技术方案，既使用了业务服务器中丰富的用户关联信息，使用了商家服务器中用户的行为特征信息，又避免了用户明文数据出库和泄露，解决了数据孤岛问题并且保证了数据的合规性，能够在保证数据安全的前提下挖掘用户隐藏消费潜力，提高了信息推荐准确性。
信息推荐方法装置服务器存储介质

[发明专利]信息处理方法、装置、电子设备及介质-CN201910957683.2有效
发明人：何天琪;程建波;彭南博 -专利权人：京东科技控股股份有限公司
申请日： 2019-10-09 - 公布日： 2022-08-12 - 主分类号： G06K9/62 文献下载
摘要：本公开提供了一种信息处理方法，包括：获取样本数据，该样本数据表征目标用户、目标物品及目标用户在第一时刻对目标物品执行p种预定操作的操作信息；获取目标用户的用户信息及目标物品的第一物品信息；将用户信息及第一物品信息输入特征提取模型，提取得到特征向量；采用预测模型处理特征向量，得到目标用户对目标物品执行p种预定操作中每种预定操作的预测置信度；以及根据操作信息及预测置信度，优化特征提取模型。其中，用户信息和/或第一物品信息包括以下至少两种类型的信息：特征信息、图像信息和文本信息，p为大于1的自然数。本公开还提供了一种信息处理装置、一种电子设备及一种计算机可读存储介质。
信息处理方法装置电子设备介质

[发明专利]数据预测模型的创建与预测方法、设备及存储介质-CN202210393854.5在审
发明人：苏莉娅;杨恺;黄志翔;彭南博 -专利权人：京东科技控股股份有限公司
申请日： 2022-04-15 - 公布日： 2022-07-22 - 主分类号： G06N20/00 文献下载
摘要：本申请提供一种数据预测模型的创建与预测方法、设备及存储介质。在模型创建过程中，将模型叶子节点权重、参与方特征划分对应的聚合值保存在参与方本地，对发起方保密，从而保证发起方在已知模型节点特征的基础上无法推测出样本对应的参与方特征属性，实现可靠的可解释模型。在基于数据预测模型进行数据预测时，发起方将本地预测结果加密传输给参与方，经各参与方数据预测后，将最终的预测结果返回发起方，该过程不会泄露叶子节点对应的参与方特征分布，同时保护发起方样本标签不被参与方获知。
数据预测模型创建方法设备存储介质

[发明专利]多变量处理方法、第一数据端、第二数据端及系统-CN202210420405.5在审
发明人：陈行;张德;彭南博 -专利权人：京东科技控股股份有限公司
申请日： 2022-04-20 - 公布日： 2022-07-15 - 主分类号： G06N20/00 文献下载
摘要：本发明实施例涉及一种多变量处理方法、第一数据端、第二数据端及系统，第一数据端通过选取所述第一特征变量集中的任一特征变量作为目标变量，第一特征变量集中的其他特征变量作为第一输入变量，第二特征变量集作为第二输入变量；接收所述第二数据端发送的第二输入变量计算值；根据第二输入变量计算值、第一输入变量以及第一模型参数获得目标变量预测值；根据目标变量和目标变量预测值获得残差平方和，并根据目标变量和目标变量均值获得离差平方和；根据所述残差平方和、离差平方和确定所述目标变量对应的相关性系数，并输出所述相关性系数；即本发明实施例能够有效分析联邦场景下的多个变量之间的多重共线性程度。
多变处理方法第一数据第二系统

[发明专利]联邦模型训练方法及装置-CN202210393490.0在审
发明人：杨恺;黄志翔;彭南博 -专利权人：京东科技控股股份有限公司
申请日： 2022-04-15 - 公布日： 2022-07-08 - 主分类号： G06N20/00 文献下载
摘要：本申请实施例提供一种联邦模型训练方法及装置，该方法应用于中心设备，包括：获取提升树模型对多个参与方设备的特征数据的加密预测值，多个参与方设备包括至少两个第一参与方设备；向多个参与方设备发送加密预测值；从各参与方设备接收对应的加密聚合梯度，加密聚合梯度为各参与方设备根据对应的特征数据和加密预测值得到的，加密聚合梯度用于指示预测值与复合标签值之间的残差，复合标签值为根据至少两个第一参与方设备的标签值得到的；根据加密聚合梯度，更新提升树模型。以最小化与复合标签值的损失作为训练目标来不断更新提升树模型，能够充分挖掘各个参与方设备提供的数据，提高联邦模型训练的准确性。
联邦模型训练方法装置

[发明专利]机器学习模型的生成方法、系统和用户数据的处理方法-CN202210404748.2在审
发明人：徐武兴;杨恺;范昊;黄志翔;彭南博 -专利权人：京东科技控股股份有限公司
申请日： 2022-04-18 - 公布日： 2022-07-08 - 主分类号： G06N20/00 文献下载
摘要：本公开涉及一种机器学习模型的生成方法、系统和用户数据的处理方法，涉及计算机技术领域。该据样本的标签密文、各用户数据样本属于的用户分类，计算不同用户分类的梯度信息密文；标签提供方，根据不同用户分类的梯度信息密文，计算不同用户分类的信息增益；标签提供方，根据不同用户分类的信息增益，指示数据提供方生成机器学习模型。本公开的技术方案能够保证数据提供方和标签提供方的隐私，从而提高安全性。
机器学习模型生成方法系统用户数据处理

[发明专利]单变量处理方法及变量筛选方法-CN202210418824.5在审
发明人：陈行;张德;彭南博 -专利权人：京东科技控股股份有限公司
申请日： 2022-04-20 - 公布日： 2022-07-01 - 主分类号： G06F17/18 文献下载
摘要：本发明实施例涉及一种单变量处理方法及变量筛选方法，第一数据端通过获取因变量与因变量均值的差值，并将所述差值发送给第二数据端；接收第二数据端发送的第三参数和加密的第四参数；根据第三参数和因变量均值获得所述一元线性回归模型的常数项；根据加密的第四参数、常数项以及因变量获得加密的残差平方和，并根据所述因变量与因变量均值的差值获得离差平方和；根据加密的残差平方和、离差平方和获得与所述自变量对应的加密的第一相关性系数，并将加密的第一相关性系数发送给第二数据端进行解密；接收第二数据端发送的解密的第一相关性系数，并输出第一相关性系数；即本发明实施例能够有效分析联邦场景下的自变量和因变量的线性相关程度。
变量处理方法筛选

[发明专利]联邦学习方法、装置、设备和可读存储介质-CN202210310843.6在审
发明人：苏莉娅;杨恺;黄志翔;彭南博 -专利权人：京东科技控股股份有限公司
申请日： 2022-03-28 - 公布日： 2022-07-01 - 主分类号： H04L9/00 文献下载
摘要：本申请提供一种联邦学习方法、装置、设备和可读存储介质，其中，该方法包括：将样本加密标签的第一分量共享至参与方，根据第二分量，计算得到主动方的每个分裂的信息增益分量，根据参与方的每个分裂的信息增益分量和主动方的每个分裂的信息增益分量，从分裂中确定出最优分裂，根据最优分裂，与参与方共同构建得到最优分裂的分裂信息。该技术方案中，通过主动方将样本加密标签中的分量共享给参与方，由主动方和参与方分别在本地计算所有分裂的信息增益，本地比较得到最优分裂，之后主动方再与参与方通信构建得到分裂信息的明文，能够降低联邦学习的训练过程中的通讯成本。
联邦学习方法装置设备可读存储介质

1
2
3
4
5
6
7
下一页»
尾页
共 104 条