[發(fā)明專利]一種基于聯(lián)邦學習的企業(yè)風險預測方法和系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202111547710.2
• 申請日: 2021-12-16
• 公開（公告）號: CN114037359A
• 公開（公告）日: 2022-02-11
• 發(fā)明（設(shè)計）人: 莊曉明;吳少華;吳江煌;許佳裕;林曉東;孫健都
• 申請（專利權(quán)）人: 廈門美亞億安信息科技有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06F21/60;G06N20/00
• 代理公司: 廈門福貝知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 35235
• 代理人: 郭涵煒

1.一種基于聯(lián)邦學習的企業(yè)風險預測方法，其特征在于，包括：

S1：將企業(yè)經(jīng)營數(shù)據(jù)與第三方數(shù)據(jù)提交到聯(lián)邦存儲庫中，其中，所述第三方數(shù)據(jù)包括咨詢和審計數(shù)據(jù)；

S2：基于預設(shè)數(shù)據(jù)規(guī)范在所述聯(lián)邦存儲庫中對所述企業(yè)經(jīng)營數(shù)據(jù)和所述第三方數(shù)據(jù)進行自由樣本的加工處理，所述加工處理包括同態(tài)加密和業(yè)務(wù)數(shù)據(jù)對齊；

S3：利用機器學習和深度學習模型訓練分別構(gòu)建企業(yè)和第三方算法模型，從各自模型中抽樣獲得樣本數(shù)據(jù)，并將所述樣本數(shù)據(jù)輸入聯(lián)邦學習技術(shù)平臺進行聯(lián)合建模，生成聯(lián)合模型；以及

S4：利用所述聯(lián)合模型進行聯(lián)合預測，并將預測結(jié)果反饋至所述企業(yè)和第三方算法模型。

2.根據(jù)權(quán)利要求1所述的基于聯(lián)邦學習的企業(yè)風險預測方法，其特征在于，所述步驟S2中對所述企業(yè)經(jīng)營數(shù)據(jù)和所述第三方數(shù)據(jù)進行同態(tài)加密后保存至所述聯(lián)邦存儲庫中，且在整個風險預測過程中的所有數(shù)據(jù)均為同態(tài)加密后的密文。

3.根據(jù)權(quán)利要求1所述的基于聯(lián)邦學習的企業(yè)風險預測方法，其特征在于，所述步驟S2中的業(yè)務(wù)數(shù)據(jù)對齊包括將所述企業(yè)和第三方的數(shù)據(jù)進行量化切分。

4.根據(jù)權(quán)利要求1所述的基于聯(lián)邦學習的企業(yè)風險預測方法，其特征在于，所述企業(yè)和第三方算法模型獲取對應(yīng)的分類數(shù)據(jù)、特征數(shù)據(jù)和核心業(yè)務(wù)數(shù)據(jù)，所述核心業(yè)務(wù)數(shù)據(jù)包括樣本ID、業(yè)務(wù)特征變量和表現(xiàn)數(shù)據(jù)。

5.根據(jù)權(quán)利要求1所述的基于聯(lián)邦學習的企業(yè)風險預測方法，其特征在于，所述樣本數(shù)據(jù)包括所述企業(yè)和第三方算法模型的訓練參數(shù)和梯度。

6.根據(jù)權(quán)利要求4所述的基于聯(lián)邦學習的企業(yè)風險預測方法，其特征在于，所述步驟S3中的聯(lián)合建模具體包括：對輸入的所述企業(yè)和第三方的數(shù)據(jù)樣本進行樣本ID匹配，輸出樣本ID交集后進行模型的訓練，生成所述聯(lián)合模型。

7.根據(jù)權(quán)利要求1所述的基于聯(lián)邦學習的企業(yè)風險預測方法，其特征在于，所述步驟S4之后還包括：所述企業(yè)和第三方算法模型根據(jù)所述聯(lián)合模型反饋的參數(shù)進行更新訓練。

8.根據(jù)權(quán)利要求1所述的基于聯(lián)邦學習的企業(yè)風險預測方法，其特征在于，所述聯(lián)合模型中的風險模型公式為Ris＝min(150,F1)+min(150,F2)+min(150,F3)+min(150,F4)+min(150,F5)，其中，Ris為風險分數(shù)，F(xiàn)1表示法人股東情況，F(xiàn)2表示經(jīng)營情況，F(xiàn)3表示信用情況，F(xiàn)4表示競爭能力，F(xiàn)5表示行業(yè)趨勢。

9.一種計算機可讀存儲介質(zhì)，其上存儲有一或多個計算機程序，其特征在于，該一或多個計算機程序被計算機處理器執(zhí)行時實施權(quán)利要求1至8中任一項所述的方法。

10.一種基于聯(lián)邦學習的企業(yè)風險預測系統(tǒng)，其特征在于，所述系統(tǒng)包括：

數(shù)據(jù)存儲單元：配置用于將企業(yè)經(jīng)營數(shù)據(jù)與第三方數(shù)據(jù)提交到聯(lián)邦存儲庫中，其中，所述第三方數(shù)據(jù)包括咨詢和審計數(shù)據(jù)；

數(shù)據(jù)加工單元：配置用于基于預設(shè)數(shù)據(jù)規(guī)范在所述聯(lián)邦存儲庫中對所述企業(yè)經(jīng)營數(shù)據(jù)和所述第三方數(shù)據(jù)進行自由樣本的加工處理，所述加工處理包括同態(tài)加密和業(yè)務(wù)數(shù)據(jù)對齊；

聯(lián)合模型構(gòu)建單元：配置用于利用機器學習和深度學習模型訓練分別構(gòu)建企業(yè)和第三方算法模型，從各自模型中抽樣獲得樣本數(shù)據(jù)，并將所述樣本數(shù)據(jù)輸入聯(lián)邦學習技術(shù)平臺進行聯(lián)合建模，生成聯(lián)合模型；

預測單元：配置用于利用所述聯(lián)合模型進行聯(lián)合預測，并將預測結(jié)果反饋至所述企業(yè)和第三方算法模型。