[發(fā)明專利]數(shù)據(jù)交易權(quán)限控制方法、裝置和設(shè)備

在審

• 申請(qǐng)?zhí)枺?/td>: 202111040178.5
• 申請(qǐng)日: 2021-09-06
• 公開（公告）號(hào): CN113793007A
• 公開（公告）日: 2021-12-14
• 發(fā)明（設(shè)計(jì)）人: 劉春;尹志斌;杜自然;董傳曄;邵雷
• 申請(qǐng)（專利權(quán)）人: 深圳市數(shù)聚灣區(qū)大數(shù)據(jù)研究院
• 主分類號(hào): G06Q10/06
• 分類號(hào): G06Q10/06;G06Q30/02;G06Q30/06;G06K9/62
• 代理公司: 深圳市愛迪森知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44341
• 代理人: 何婷

本發(fā)明實(shí)施例涉及數(shù)據(jù)交易技術(shù)領(lǐng)域，具體提供了一種數(shù)據(jù)交易權(quán)限控制方法、裝置和設(shè)備，本申請(qǐng)實(shí)施例提供的數(shù)據(jù)交易權(quán)限控制方法，在基于用戶初始信用數(shù)據(jù)確定用戶初始信用評(píng)估值的基礎(chǔ)上，通過信用等級(jí)預(yù)測(cè)模型，基于用戶變化后的初始信用數(shù)據(jù)，重新對(duì)用戶的風(fēng)險(xiǎn)進(jìn)行評(píng)測(cè)，可以實(shí)時(shí)根據(jù)用戶的數(shù)據(jù)變化和操作行為生成用戶風(fēng)險(xiǎn)評(píng)級(jí)，根據(jù)用戶風(fēng)險(xiǎn)評(píng)級(jí)對(duì)用戶數(shù)據(jù)交易權(quán)限進(jìn)行控制，使得數(shù)據(jù)交易權(quán)限的控制更加精細(xì)化，更能夠?qū)崟r(shí)反應(yīng)用戶的真實(shí)情況。

技術(shù)領(lǐng)域

本發(fā)明實(shí)施例數(shù)據(jù)交易技術(shù)領(lǐng)域，具體涉及一種數(shù)據(jù)交易權(quán)限控制方法、裝置和設(shè)備。

背景技術(shù)

隨著大數(shù)據(jù)和人工智能的發(fā)展，數(shù)據(jù)交易需求越來(lái)越多，交易行為也越來(lái)越活躍。目前數(shù)據(jù)交易平臺(tái)在會(huì)員認(rèn)證過程中主要是對(duì)用戶注冊(cè)時(shí)提供的身份資料屬性進(jìn)行認(rèn)證，將用戶劃分到既定的等級(jí)和分類中，以此開放用戶的數(shù)據(jù)購(gòu)買使用權(quán)限。

本申請(qǐng)發(fā)明人在研究中發(fā)現(xiàn)，隨著數(shù)據(jù)交易的快速發(fā)展，更多的中小企業(yè)參與到數(shù)據(jù)交易市場(chǎng)，數(shù)據(jù)的類型也日益豐富，數(shù)據(jù)交易用戶和數(shù)據(jù)類型呈現(xiàn)雙增長(zhǎng)復(fù)合化的趨勢(shì)，相對(duì)簡(jiǎn)單、準(zhǔn)入式的用戶審查和分類方法已無(wú)法滿足數(shù)據(jù)交易平臺(tái)的安全要求。

發(fā)明內(nèi)容

鑒于上述問題，本發(fā)明實(shí)施例提供了一種數(shù)據(jù)交易權(quán)限控制方法、裝置和設(shè)備，解決了現(xiàn)有技術(shù)中存在的上述技術(shù)問題。

根據(jù)本發(fā)明實(shí)施例的一個(gè)方面，提供了一種數(shù)據(jù)交易權(quán)限控制方法，包括：

獲取用戶初始信用數(shù)據(jù)；

根據(jù)所述用戶初始信用數(shù)據(jù)通過預(yù)先設(shè)置的隨機(jī)森林特征模型確定用戶的初始信用評(píng)估值；

根據(jù)所述用戶的初始信用評(píng)估值確定初始數(shù)據(jù)交易權(quán)限；

監(jiān)測(cè)所述用戶初始信用數(shù)據(jù)的變化信息；

根據(jù)所述變化信息通過預(yù)先設(shè)置的信用等級(jí)預(yù)測(cè)模型生成用戶風(fēng)險(xiǎn)評(píng)級(jí)；

根據(jù)所述用戶風(fēng)險(xiǎn)評(píng)級(jí)對(duì)所述數(shù)據(jù)交易權(quán)限進(jìn)行控制。

一些實(shí)施例中，所述用戶初始信用數(shù)據(jù)包括信用數(shù)據(jù)權(quán)重信息；

所述根據(jù)用戶初始信用數(shù)據(jù)通過預(yù)先設(shè)置的隨機(jī)森林特征模型確定用戶的初始信用評(píng)估值，包括：

根據(jù)所述權(quán)重信息對(duì)所述用戶初始信用數(shù)據(jù)進(jìn)行篩選；

將篩選后的用戶初始信用數(shù)據(jù)作為樣本輸入所述隨機(jī)森林特征模型進(jìn)行模型訓(xùn)練；

通過訓(xùn)練后的隨機(jī)森林特征模型確定用戶的初始信用評(píng)估值。

一些實(shí)施例中，所述用戶初始信用數(shù)據(jù)的變化信息包括：用戶初始信用數(shù)據(jù)的變更和數(shù)據(jù)訪問行為；

所述根據(jù)變化信息通過預(yù)先設(shè)置的信用等級(jí)預(yù)測(cè)模型生成用戶風(fēng)險(xiǎn)評(píng)級(jí)，包括：

將變更后的用戶初始信用數(shù)據(jù)和數(shù)據(jù)訪問行為數(shù)據(jù)輸入梯度下降樹模型進(jìn)行建模；

通過所述訓(xùn)練后的梯度下降樹模型生成用戶風(fēng)險(xiǎn)評(píng)級(jí)。

一些實(shí)施例中，所述對(duì)梯度下降樹模型進(jìn)行建模，包括：

輸入樣本數(shù)據(jù)集和損失函數(shù)，其中所述損失函數(shù)表示對(duì)應(yīng)類別的損失函數(shù)；

根據(jù)所述輸入訓(xùn)練數(shù)據(jù)集和所述損失函數(shù)計(jì)算樣本點(diǎn)屬于每個(gè)類別的概率；

根據(jù)所述樣本點(diǎn)屬于每個(gè)類別的概率確定用戶對(duì)應(yīng)類別的用戶風(fēng)險(xiǎn)評(píng)級(jí)。

一些實(shí)施例中，所述根據(jù)用戶風(fēng)險(xiǎn)評(píng)級(jí)對(duì)所述數(shù)據(jù)交易權(quán)限進(jìn)行控制之前，進(jìn)一步包括：

根據(jù)所述初始信用評(píng)估值和所述用戶風(fēng)險(xiǎn)評(píng)級(jí)構(gòu)建用戶特征數(shù)據(jù)集；

根據(jù)所述用戶特征數(shù)據(jù)集以距離最近法進(jìn)行聚類；