[發明專利]一種電子合同的風險預測方法以及系統

在審

• 申請號: 202110939061.4
• 申請日: 2021-08-16
• 公開（公告）號: CN113393175A
• 公開（公告）日: 2021-09-14
• 發明（設計）人: 李學謙;金宏洲;程亮
• 申請（專利權）人: 杭州天谷信息科技有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q10/04;G06F21/60;G06F21/62;G06K9/62
• 代理公司: 杭州裕陽聯合專利代理有限公司 33289
• 代理人: 王貞利

本發明提供了一種電子合同的風險預測方法以及系統，方法包括以下步驟：接收所有合同簽署方發送的加密數據集，利用縱向聯邦算法將加密數據集進行對齊，獲得對齊樣本，并對對齊樣本進行線性回歸模型加密訓練，并將數據回傳給合同簽署方；解密各合同簽署方發送的待檢測的加密的特征數據，得到解密特征數據，將解密特征數據發送至對應的合同簽署方；接收各合同簽署方發送的根據所述特征數據計算得到的預測值，根據所述預測值計算風險值，根據所述風險值判斷待檢測合同是否存在風險。將合同特征數據與聯邦學習算法結合，獲得與特征數據關聯的模型，只需提取待檢測合同的特征數據就可以計算出該電子合同的風險值，以此保護用戶的財產安全。

技術領域

本發明涉及電子合同領域，具體涉及電子合同的風險預測和提示領域。

背景技術

在簽署合同時，簽署雙方都不希望合同內容被泄露，所以會對合同進行隱私保護，例如參與方在不泄露各自數據的前提下通過協作對他們的數據進行聯合機器學習和聯合分析。在隱私保護的計算框架下，參與方的數據明文不出本地，在保護數據安全的同時實現多源數據跨域合作，可以破解數據保護與融合應用難題。目前，隱私計算的技術路線主要包括多方安全計算、可信執行環境和聯邦學習。

但是，在合同簽署時，合同數據可能會存在風險，例如沒有規定具體的交貨量，或交貨時間不清楚等問題?？梢岳迷浐炇疬^的合同對現在需要簽署的合同進行風險預知，那么合同數據需要流通，但此時又會出現一個問題，數據流通和隱私保護產生了矛盾。而普通的聯邦學習算法在流通性上存在易被病毒攻擊，易被對抗攻擊以及隱私易被泄露的問題?，F在急需一種既能使合同數據流通又能保護隱私的新算法，在對合同的隱私保護的同時還能進行風險提示。

發明內容

為了解決簽署合同時，合同的風險控制問題，本申請提供一種能夠預測電子合同風險的方法以及系統。

一種電子合同的風險預測方法，包括以下步驟：

接收所有合同簽署方發送的加密數據集，利用縱向聯邦算法將所述加密數據集進行對齊，獲得對齊樣本，并對所述對齊樣本進行線性回歸模型加密訓練，并將數據回傳給合同簽署方；

解密各合同簽署方發送的待檢測的加密的特征數據，得到解密特征數據，將所述解密特征數據發送至對應的合同簽署方；

接收各合同簽署方發送的根據所述特征數據計算得到的預測值，根據所述預測值計算風險值，根據所述風險值判斷待檢測合同是否存在風險。

利用縱向聯邦學習算法訓練模型，在己方數據獲得保護的情況下，可以共同提升模型效果，確保最后的計算效果更精準。

進一步地，對所述對齊樣本進行線性回歸模型加密訓練，并將數據回傳給合同簽署方，包括以下步驟：

發送公鑰給所述合同簽署方；

接收所述合同簽署方利用同態加密交互計算獲得的梯度和損失以及合同簽署方生成的掩碼；

解密所述梯度和損失并回傳給所述合同簽署方。

進一步地，合同簽署方根據所述特征數據計算得到預測值，包括以下步驟：

獲取已簽署合同的特征數據，訓練所述特征數據得到線性回歸模型；

接收解密后的梯度和損失，去除掩碼后獲得模型參數，根據所述模型參數更新所述線性回歸模型，獲得新模型；

將所述解密特征數據帶入所述新模型計算得到預測值。

進一步地，接收合同簽署方發送的加密數據集之后，還包括源信息檢測，具體為：將所述加密數據集分成若干份，對若干份加密數據集進行訓練，剔除異常的數據集，重新組合剩下的數據集，獲得新加密數據集。源信息檢測可識別異常數據集以防止異常數據攻擊聯邦學習服務端，造成模型失效。

進一步地，所述特征數據為項目數據與平均項目數據的比值，所述項目數據包括總金額、單價、交貨時間、貨物量以及貨物種類。利用項目數據和平均項目數據計算合同特征數據，利用特征數據計算合同風險值，最大限度保護用戶的財產安全。