[發明專利]對雙方加密關系網絡數據交叉訓練的方法及相關設備

在審

• 申請號: 202010462167.5
• 申請日: 2020-05-27
• 公開（公告）號: CN111882054A
• 公開（公告）日: 2020-11-03
• 發明（設計）人: 陸韻;鄭輝;何剛;常榮虎;李金飛;陳玉琴;鄭申俊
• 申請（專利權）人: 杭州中奧科技有限公司
• 主分類號: G06N3/08
• 分類號: G06N3/08;G06Q10/06
• 代理公司: 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463
• 代理人: 張欣欣

1.一種對雙方加密關系網絡數據交叉訓練的方法，用于訓練第一數據網絡和第二數據網絡，所述第一數據網絡包括節點轉賬交易數據及節點風險數據，所述第二數據網絡包括人員關系數據；其特征在于，包括：

當所述第一數據網絡與所述第二數據網絡至少有一個共有節點的損失函數大于等于預定閾值時，判斷所述共有節點是否經過所述第一數據網絡的訓練；

若否，則利用第一梯度下降函數訓練所述第一數據網絡中所述共有節點的鄰居節點的權重值，并基于正樣本重新計算所述共有節點的第一損失函數；所述正樣本包括存在風險的節點；

若是，則利用第二梯度下降函數訓練所述第二數據網絡中的權重矩陣，并計算出第二損失函數；

當所述第一損失函數或所述第二損失函數均小于預定閾值時，輸出訓練好的模型參數及訓練結果。

2.根據權利要求1所述的方法，其特征在于，所述節點風險數據包括所述第一數據網絡中每個節點的金融風險值；

利用第一梯度下降函數訓練所述第一數據網絡中所述共有節點的鄰居節點的權重值之后的步驟，包括：

計算所述第一數據網絡中初始金融風險值不為0的所述共有節點的金融風險值；所述金融風險值為0表征所述共有節點沒有金融風險，所述金融風險值為1表征所述共有節點存在金融風險；

所述共有節點的金融風險值滿足如下計算公式：

其中，M為當前共有節點n的一階和二階鄰居節點的總數，表示共有節點n的第k階鄰居節點i的權重參數，權重參數的初值均為0.5，表示共有節點n的第k階鄰居節點i的風險屬性，M^k為共有節點n的k階鄰居節點的個數，V_i^k表示共有節點n的第k階鄰居節點i的加密編碼值。

3.根據權利要求2所述的方法，其特征在于，

所述第一損失函數L_D(n)滿足如下計算公式：

其中，表示共有節點n的第k階鄰居節點i的權重參數，D_n用來表示共有節點n是否屬于所述正樣本，如果屬于所述正樣本則金融風險值D_n為1，如果不屬于所述正樣本則金融風險值D_n為0，為共有節點n的一階鄰居節點計算出來的金融風險值，為共有節點n的金融風險值；

所述第一梯度下降函數q_n′滿足如下計算公式：

其中q_n′為共有節點n計算后的節點的權重，q_n為共有節點n計算之前的節點的權重，表示共有節點n的k階鄰居節點的損失函數，M^k為共有節點n的k階鄰居節點的個數,N為參與本次權重更新的所有共有節點的總數。

4.根據權利要求1所述的方法，其特征在于，所述第二數據網絡包括每個節點與鄰居節點之間的權重值；

利用第二梯度下降函數訓練所述第二數據網絡中的權重矩陣之后的步驟，包括：

重新計算所述第二數據網絡中所有所述共有節點n的編碼向量值；

所述節點n的編碼向量值V_n滿足如下計算公式：

V_n＝soft max(AReLU(AXW⁰)W¹)

其中，soft max()為歸一化指數函數，A為當前共有節點n的帶權重的鄰接矩陣，ReLU()為訓練神經網絡中的激活函數，X為當前共有節點n的特征矩陣，W⁰為神經網絡訓練時從輸入層到隱藏層的權重矩陣，W¹為神經網絡訓練時從隱藏層到輸出層的權重矩陣。