[發明專利]基于縱向聯邦學習的信用分析方法和裝置

在審

• 申請號: 202110172022.6
• 申請日: 2021-02-08
• 公開（公告）號: CN114943594A
• 公開（公告）日: 2022-08-26
• 發明（設計）人: 劉站奇;陳程;葉俊棋;王世川
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06Q40/00
• 分類號: G06Q40/00;G06Q30/06;G06F21/60;G06N20/20
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 熊永強;賈允

1.基于縱向聯邦學習的信用分析方法，應用于信用分析端，其特征在于，所述方法包括：

響應于終端發送的攜帶有待分析對象信息的信用分析請求，對所述待分析對象信息進行行為特征匹配，得到相匹配的第一行為特征值；并將所述待分析對象信息發送至數據協助端，以由所述數據協助端對所述待分析對象信息進行行為特征匹配、特征分箱查詢、證據權重查詢以及信用分類處理；

對所述待分析對象信息相匹配的第一行為特征值進行特征分箱查詢，以確定所述第一行為特征值所屬的第一特征分箱；

對所述第一行為特征值所屬的第一特征分箱進行證據權重查詢，以得到所述第一行為特征值所屬的第一特征分箱的第一證據權重值；

調用信用分類模型對所述所屬的第一特征分箱的第一證據權重值進行信用分類處理，得到第一信用分類信息；

接收所述數據協助端反饋的加密的第二信用分類信息，并對所述加密的第二信用分類信息進行解密處理；

調用預設信用分析模型對所述第一信用分類信息和解密的第二信用分類信息進行信用分析計算處理，得到待分析對象的信用分析結果。

2.根據權利要求1所述的方法，其特征在于，在所述響應于終端發送的攜帶有待分析對象信息的信用分析請求，對所述待分析對象信息進行行為特征匹配，得到相匹配的第一行為特征值之前，所述方法還包括：

基于分類標簽數據對第一樣本行為特征數據進行證據權重特征轉換，得到各第一特征分箱對應的第一權重特征數據；

調用預設加密算法對所述分類標簽數據進行標簽加密處理，得到加密的分類標簽數據；

將所述加密的分類標簽數據發送至所述數據協助端，以由所述數據協助端進行加密證據權重特征轉換，得到各第二特征分箱對應的加密的第二權重特征數據。

3.根據權利要求2所述的方法，其特征在于，所述第一樣本行為特征數據包括待分析對象的第一行為特征值，在基于所述分類標簽數據對所述第一樣本行為特征數據進行證據權重特征轉換，得到各第一特征分箱對應的第一權重特征數據之前，所述方法還包括：

根據第一分箱規則和所述第一樣本行為特征數據對待分析對象集進行特征拆分，得到多個第一特征分箱和各第一特征分箱各自對應的第一分箱標識；

相應的，基于所述分類標簽數據對所述第一樣本行為特征數據進行證據權重特征轉換，得到第一權重特征數據包括：

根據所述分類標簽數據對各第一特征分箱進行證據權重計算，得到所述各第一特征分箱各自對應的第一證據權重值；

將第一特征分箱中的待分析對象的第一行為特征值轉換為對應的第一證據權重值；

基于所述各第一特征分箱各自對應的第一證據權重值和第一分箱標識生成所述第一權重特征數據。

4.根據權利要求2所述的方法，其特征在于，所述將所述加密的分類標簽數據發送至所述數據協助端，以由所述數據協助端進行加密證據權重特征轉換，得到各第二特征分箱對應的加密的第二權重特征數據包括：

接收所述數據協助端反饋的、根據所述加密的分類標簽數據生成的各第二特征分箱各自的加密標簽加和信息；

調用所述預設加密算法對各加密標簽加和信息進行標簽加和解密處理，得到所述各第二特征分箱各自的標簽加和信息；

根據標簽加和信息對對應的第二特征分箱進行證據權重計算，得到所述各第二特征分箱各自對應的第二證據權重值；

調用所述預設加密算法對第二證據權重值進行權重加密處理，得到各第二特征分箱各自對應的加密的第二證據權重值；

將所述各自對應的加密的第二證據權重值發送至所述數據協助端；以由所述數據協助端根據所述各自對應的加密的第二證據權重值進行所述各第二特征分箱的加密證據權重特征轉換，得到所述加密的第二權重特征數據。