Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 支付宝(杭州)信息技术有限公司郑龙飞获国家专利权

支付宝(杭州)信息技术有限公司郑龙飞获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉支付宝(杭州)信息技术有限公司申请的专利多方联合训练模型的方法及装置获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN116822620B

龙图腾网通过国家知识产权局官网在2025-08-08发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202310790640.6,技术领域涉及:G06N3/098;该发明授权多方联合训练模型的方法及装置是由郑龙飞;王磊设计研发完成,并于2023-06-29向国家知识产权局提交的专利申请。

多方联合训练模型的方法及装置在说明书摘要公布了:本说明书实施例提供一种联合更新模型的方法及装置,适用于纵向联邦学习架构,基于特征成员的乱序处理和标签成员对标签数据、预测数据的隐藏处理的技术构思,进行适当的数据交互。具体而言,由单个特征成员将各个特征成员的中间结果的融合张量在样本维度乱序,标签成员使用乱序的融合张量进行预测。标签成员将乱序的融合张量和正常顺序的标签数据隐藏在扰乱数据中提供给该单个特征成员,由其反馈乱序情况下预测结果的梯度数据,从而标签成员更新全局模型,并经由梯度的反向传递确定乱序情况下的融合数据的梯度信息传递给该特征成员,由其更新本地局部模型。如此可以使得标签明文传输,避免标签成员恶意标记数据,更有效保护数据隐私。

本发明授权多方联合训练模型的方法及装置在权利要求书中公布了:1.一种多方联合训练模型的方法,适用于多个训练成员利用各自的本地隐私数据进行纵向联邦学习的场景,所述多个训练成员包括持有标签数据的第一成员及至少一个特征成员,所述模型包括各个特征成员分别对应的各个局部模型,以及第一成员对应的全局模型,所述至少一个特征成员包括第二成员;所述方法由第二成员执行,在所述模型的当前更新周期,针对当前批次的样本,所述方法包括: 对各个特征成员分别对应的各个中间结果密文进行融合得到融合张量密文,其中,单个中间结果密文由第一密钥加密相应中间结果得到,单个中间结果为单个特征成员通过本地局部模型处理本地特征数据的处理结果,所述第一密钥由第一成员提供; 经由乱序规则f将所述融合张量密文在样本维度乱序得到乱序融合密文,并提供给第一成员,以供第一成员利用与所述第一密钥对应的第二密钥对所述乱序融合密文解密为乱序融合张量后,基于所述全局模型对所述乱序融合张量的处理得到乱序预测张量; 从第一成员获取乱序扰动预测张量和扰动标签张量,其中,所述乱序扰动预测张量、所述扰动标签张量分别为针对所述乱序预测张量在预测维度、针对所述标签数据在标签维度扩展得到,且所述乱序预测张量在预测维度的位置k和所述标签数据在标签维度的位置k对应一致; 基于所述乱序规则f、所述扰动标签张量、所述乱序扰动预测张量,对比确定所述乱序扰动预测张量对应的全局乱序梯度; 与第一成员执行不经意传输协议,由第一成员从所述全局乱序梯度中安全选择位置k处的第一子乱序梯度,以供第一成员利用所述第一子乱序梯度的反向传递更新所述全局模型,并反馈所述乱序融合密文对应的第二子乱序梯度; 利用基于所述乱序规则f对所述第二子乱序梯度在样本维度进行顺序恢复得到的第二子梯度,更新本地的第二局部模型。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人支付宝(杭州)信息技术有限公司,其通讯地址为:310000 浙江省杭州市西湖区西溪路556号8层B段801-11;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。