[發明專利]基于縱向聯邦邏輯回歸的可疑交易監測方法及裝置

在審

• 申請號: 202110339256.5
• 申請日: 2021-03-30
• 公開（公告）號: CN113191072A
• 公開（公告）日: 2021-07-30
• 發明（設計）人: 劉鴻斌
• 申請（專利權）人: 中國建設銀行股份有限公司
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N20/20;G06Q20/40
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 賈磊;李輝

本發明公開了一種基于縱向聯邦邏輯回歸的可疑交易監測方法及裝置，涉及人工智能領域，該方法包括：獲取各個金融機構系統基于縱向聯邦學習算法建立非法資金轉移可疑交易監測模型的建模需求信息；根據建模需求信息，確定有標簽金融機構系統和無標簽金融機構系統；無標簽金融機構系統基于本地存儲的用戶數據，計算模型參數；有標簽金融機構系統利用邏輯回歸方程，將各個無標簽金融機構系統的模型參數進行聚合，根據聚合結果更新非法資金轉移可疑交易監測模型的模型參數，直到獲得滿足預設條件的非法資金轉移可疑交易監測模型；基于該模型，監測各個金融機構系統中的非法資金轉移可疑交易。本發明能夠打破數據孤島完成非法資金轉移可疑交易監測模型的聯合建模。

技術領域

本發明涉及人工智能領域，尤其涉及一種基于縱向聯邦邏輯回歸的可疑交易監測方法及裝置。

背景技術

本部分旨在為權利要求書中陳述的本發明實施例提供背景或上下文。此處的描述不因為包括在本部分中就承認是現有技術。

隨著大數據、機器學習等新興技術在金融領域風險防控上的應用，各大金融機構的非法資金轉移系統，紛紛開始利用機器學習建立高效的可疑交易監測模型。然而，大多數金融機構數據質量有限，且難以打破數據孤島，確保用戶隱私安全責任重大，使得機器學習實現需求困難重重。

目前，無論是傳統基于規則的可疑交易監測模型還是進階的基于機器學習的可疑交易監測模型，在優化迭代速度和準確率上都具有明顯的數據質量瓶頸，也難以應對靈活的人行監管要求和變化莫測的非法資金轉移手段。

因而，如何在確保數據安全和用戶隱私的情況下，提供一種適用于大多數場景下的非法資金轉移可疑交易監測模型，是各大金融機構非法資金轉移系統亟待解決的技術問題。

發明內容

本發明實施例中提供了一種基于縱向聯邦邏輯回歸的可疑交易監測方法，用以解決現有基于規則的可疑交易監測模型和基于機器學習的可疑交易監測模型，由于數據質量有限，存在迭代速度和準確率瓶頸的技術問題，該方法包括：獲取各個金融機構系統的建模需求信息，其中，所述建模需求信息為各個金融機構系統基于縱向聯邦學習算法建立非法資金轉移可疑交易監測模型的需求信息；根據所述建模需求信息，確定有標簽金融機構系統和無標簽金融機構系統，其中，有標簽金融機構系統為具有標簽數據的金融機構系統，所述無標簽金融機構系統為不具有標簽數據的金融機構系統；無標簽金融機構系統基于本地存儲的用戶數據，計算非法資金轉移可疑交易監測模型的模型參數，上傳至有標簽金融機構系統；有標簽金融機構系統利用邏輯回歸方程，將各個無標簽金融機構系統的模型參數進行聚合，根據聚合結果更新非法資金轉移可疑交易監測模型的模型參數，直到獲得滿足預設條件的非法資金轉移可疑交易監測模型；基于所述滿足預設條件的非法資金轉移可疑交易監測模型，監測各個金融機構系統中的非法資金轉移可疑交易。

進一步地，在根據建模需求信息，確定有標簽金融機構系統和無標簽金融機構系統之后，方法還包括：確定各個金融機構系統之間存在交集的用戶信息；根據各個金融機構系統之間存在交集的用戶信息，構建各個金融機構系統基于縱向聯邦學習算法建立非法資金轉移可疑交易監測模型的數據樣本。

進一步地，確定各個金融機構系統之間存在交集的用戶信息，包括：對每個金融機構系統中各個用戶的唯一身份標識進行加密；基于加密后的唯一身份標識，確定各個金融機構系統之間存在交集的用戶信息。

進一步地，在無標簽金融機構系統基于本地存儲的用戶數據，計算非法資金轉移可疑交易監測模型的模型參數，上傳至有標簽金融機構系統之前，方法還包括：有標簽金融機構系統向無標簽金融機構系統發送密鑰信息，其中，密鑰信息用于無標簽金融機構系統加密待與有標簽金融機構系統交換的數據。

進一步地，在無標簽金融機構系統基于本地存儲的用戶數據，計算非法資金轉移可疑交易監測模型的模型參數，上傳至有標簽金融機構系統之前，方法還包括：無標簽金融機構系統根據密鑰信息，對待上傳的模型參數進行加密。