[發明專利]數據交易權限控制方法、裝置和設備

在審

• 申請號: 202111040178.5
• 申請日: 2021-09-06
• 公開（公告）號: CN113793007A
• 公開（公告）日: 2021-12-14
• 發明（設計）人: 劉春;尹志斌;杜自然;董傳曄;邵雷
• 申請（專利權）人: 深圳市數聚灣區大數據研究院
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q30/02;G06Q30/06;G06K9/62
• 代理公司: 深圳市愛迪森知識產權代理事務所(普通合伙) 44341
• 代理人: 何婷

1.一種數據交易權限控制方法，其特征在于，包括：

獲取用戶初始信用數據；

根據所述用戶初始信用數據通過預先設置的隨機森林特征模型確定用戶的初始信用評估值；

根據所述用戶的初始信用評估值確定初始數據交易權限；

監測所述用戶初始信用數據的變化信息；

根據所述變化信息通過預先設置的信用等級預測模型生成用戶風險評級；

根據所述用戶風險評級對所述數據交易權限進行控制。

2.如權利要求1所述的方法，其特征在于，所述用戶初始信用數據包括信用數據權重信息；

所述根據用戶初始信用數據通過預先設置的隨機森林特征模型確定用戶的初始信用評估值，包括：

根據所述權重信息對所述用戶初始信用數據進行篩選；

將篩選后的用戶初始信用數據作為樣本輸入所述隨機森林特征模型進行模型訓練；

通過訓練后的隨機森林特征模型確定用戶的初始信用評估值。

3.如權利要求2所述的方法，其特征在于，所述用戶初始信用數據的變化信息包括：用戶初始信用數據的變更和數據訪問行為；

所述根據變化信息通過預先設置的信用等級預測模型生成用戶風險評級，包括：

將變更后的用戶初始信用數據和數據訪問行為數據輸入梯度下降樹模型進行建模；

通過所述訓練后的梯度下降樹模型生成用戶風險評級。

4.如權利要求3所述的方法，其特征在于，所述對梯度下降樹模型進行建模，包括：

輸入樣本數據集和損失函數，其中所述損失函數表示對應類別的損失函數；

根據所述輸入訓練數據集和所述損失函數計算樣本點屬于每個類別的概率；

根據所述樣本點屬于每個類別的概率確定用戶對應類別的用戶風險評級。

5.如權利要求4所述的方法，其特征在于，所述根據用戶風險評級對所述數據交易權限進行控制之前，進一步包括：

根據所述初始信用評估值和所述用戶風險評級構建用戶特征數據集；

根據所述用戶特征數據集以距離最近法進行聚類；

當各聚類之間歐式距離均不小于預定閾值時，則輸出用戶風險分類分級結果。

6.如權利要求5所述的方法，其特征在于，所述根據用戶風險評級對所述數據交易權限進行控制，進一步包括：

將所述初始信用評估值、所述用戶風險評級和所述用戶風險分類分級結果取平均值；

將所述平均值作為所述用戶的最終信用分類分級結果；

根據所述最終信用分類分級結果對所述數據交易權限進行控制。

7.一種數據交易權限控制裝置，其特征在于，包括：

用戶初始信用數據獲取模塊：用于獲取用戶初始信用數據；

初始信用評估值確定模塊：用于根據所述用戶初始信用數據通過預先設置的隨機森林特征模型確定用戶的初始信用評估值；

初始數據交易權限確定模塊：用于根據所述用戶的初始信用評估值確定初始數據交易權限；

監測模塊：用于監測所述用戶初始信用數據的變化信息；

用戶風險等級生成模塊：用于根據所述變化信息通過預先設置的信用等級預測模型生成用戶風險評級；

數據交易權限控制模塊：用于根據所述用戶風險評級對所述數據交易權限進行控制。

8.如權利要求7所述的裝置，其特征在于，所述裝置進一步包括：

最終信用分類分級結果確定模塊：用于根據所述初始信用評估值和所述用戶風險評級構建用戶特征數據集，根據所述用戶特征數據集以距離最近法進行聚類；當各聚類之間歐式距離均不小于預定閾值時，則輸出用戶風險分類分級結果；將所述初始信用評估值、所述用戶風險評級和所述用戶風險分類分級結果取平均值，將所述平均值作為所述用戶的最終信用分類分級結果。