[發明專利]一種基于聯邦學習的企業風險預測方法和系統

在審

• 申請號: 202111547710.2
• 申請日: 2021-12-16
• 公開（公告）號: CN114037359A
• 公開（公告）日: 2022-02-11
• 發明（設計）人: 莊曉明;吳少華;吳江煌;許佳裕;林曉東;孫健都
• 申請（專利權）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: 廈門福貝知識產權代理事務所(普通合伙) 35235
• 代理人: 郭涵煒

公開了一種基于聯邦學習的企業風險預測方法和系統，包括將企業經營數據與第三方數據提交到聯邦存儲庫中，其中，第三方數據包括咨詢和審計數據；基于預設數據規范在聯邦存儲庫中對企業經營數據和第三方數據進行自由樣本的加工處理，加工處理包括同態加密和業務數據對齊；利用機器學習和深度學習模型訓練分別構建企業和第三方算法模型，從各自模型中抽樣獲得樣本數據，并將樣本數據輸入聯邦學習技術平臺進行聯合建模，生成聯合模型；利用聯合模型進行聯合預測，并將預測結果反饋至企業和第三方算法模型。本申請可用于明確當前企業的業務漏洞，預測未來企業中存在風險。

技術領域

本發明涉及企業風險預測的應用領域，尤其是一種基于聯邦學習的企業風險預測方法和系統。

背景技術

目前，企業運營過程中的風險預測主要依據專家的經驗或企業管理層依據以往工作經驗以及市場環境等因素進行主觀判斷。分析的準確性主要依賴于分析人員的個人經驗和能力，主觀因素較大、標準不統一，需要人工篩查任務繁重，因此對市場洞察力和企業風險預測能力不足。

而且，涉及第三方(如審計等)的數據由于標準不統一，因此，現有的風險預測由于數據量巨大，人工整合數據、分析總結、得出結等工作量大，人工篩查任務繁重，效率低，無法對信息全面篩查，使得預測結果的準確性大打折扣，很難對企業起到幫助的作用。

發明內容

為了解決現有技術中企業風險預測中存在的種種技術問題，本發明提出了一種基于聯邦學習的企業風險預測方法和系統，用以解決上述技術問題，

根據本發明的一個方面，提出了一種基于聯邦學習的企業風險預測方法，包括：

S1：將企業經營數據與第三方數據提交到聯邦存儲庫中，其中，第三方數據包括咨詢和審計數據；

S2：基于預設數據規范在聯邦存儲庫中對企業經營數據和第三方數據進行自由樣本的加工處理，加工處理包括同態加密和業務數據對齊；

S3：利用機器學習和深度學習模型訓練分別構建企業和第三方算法模型，從各自模型中抽樣獲得樣本數據，并將樣本數據輸入聯邦學習技術平臺進行聯合建模，生成聯合模型；以及

S4：利用聯合模型進行聯合預測，并將預測結果反饋至企業和第三方算法模型。

在一些具體的實施例中，步驟S2中對企業經營數據和第三方數據進行同態加密后保存至聯邦存儲庫中，且在整個風險預測過程中的所有數據均為同態加密后的密文。

在一些具體的實施例中，步驟S2中的業務數據對齊包括將企業和第三方的數據進行量化切分。

在一些具體的實施例中，企業和第三方算法模型獲取對應的分類數據、特征數據和核心業務數據，核心業務數據包括樣本ID、業務特征變量和表現數據。

在一些具體的實施例中，樣本數據包括企業和第三方算法模型的訓練參數和梯度。

在一些具體的實施例中，步驟S3中的聯合建模具體包括：對輸入的企業和第三方的數據樣本進行樣本ID匹配，輸出樣本ID交集后進行模型的訓練，生成聯合模型。

在一些具體的實施例中，步驟S4之后還包括：企業和第三方算法模型根據聯合模型反饋的參數進行更新訓練。

在一些具體的實施例中，聯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，F1表示法人股東情況，F2表示經營情況，F3表示信用情況，F4表示競爭能力，F5表示行業趨勢。

根據本發明的第二方面，一種計算機可讀存儲介質，其上存儲有一或多個計算機程序，該一或多個計算機程序被計算機處理器執行時實施上述方法。

根據本發明的第二方面，提出了一種基于聯邦學習的企業風險預測系統，該系統包括：