CN114971841B 风险管理方法、风险模型训练方法、装置、设备和介质 （中国工商银行股份有限公司）

2基于所述风险评估结果生成信贷请求反馈数据以及其中，所述第一风险联邦模型基于联邦学习算法训练得到，所基于非对称加密算法获取第一用户标识数据和第二用户标识数据初始化部署于所述银行服务器的第一联邦模型参基于同态加密算法对所述第一联邦模型参数和第二联邦模型参数及获取所述第一风险联邦模型和第二风险联邦模型，其中，第一基于非对称加密算法获取第一用户标识数据和第二用户标识数据初始化部署于所述银行服务器的第一联邦模型参基于同态加密算法对所述第一联邦模型参数和第二联邦模型参数3及获取第一风险联邦模型和第二风险联邦模型，其中，第一风险联所述银行服务器和所述大数据局服务器分别基于第一特征数据和第二特征数据对第所述银行服务器和所述大数据局服务器分别对所述第一传递数据和所述第二传递数所述银行服务器基于第二加密传递数据训练所述第一联邦模型，所述银行服务器和所述大数据局服务器分别将所述第一加密梯度信所述第三方服务器基于持有的私钥对所述第一加密梯度信息、所述第一加密损失信所述银行服务器基于所述第一解密梯度信息和第一解密损失信息更新第一联邦模型述验证集用户包括第二预设时间周期内申请押品贷款的用户。计算模块，配置为将所述用户特征数据输入预训练得4基于非对称加密算法获取第一用户标识数据和第二用户标识数据初始化部署于所述银行服务器的第一联邦模型参基于同态加密算法对所述第一联邦模型参数和第二联邦模型参数及获取所述第一风险联邦模型和第二风险联邦模型，其中，第一对齐装置，配置为基于非对称加密算法获取第一用户标识数据和初始化装置，配置为初始化部署于所述银行服务器的第一计算装置，配置为基于同态加密算法对所述第一联邦模交集标识数据存在映射关系的用户特征数据，所述第一特征数据包含用户信用样本数据，5其中，当所述一个或多个程序被所述一个或多个处理器执6足额有效的押品到处置时却出现明显价值衰减[0004]由于商业银行尚未建立有效的押品管理机制，导致被动的接受第三方机构的结联邦模型基于联邦学习算法训练得到，所述训练由银行服务器和大数据局服务器联合执[0010]本公开的第二方面提供了一种基于联邦学习的风险模型包括：基于非对称加密算法获取第一用户标识数据和第二用户标识数据的交集标识数据，7包含训练截止时第二联邦模型参数的第二联邦局服务器分别基于第一特征数据和第二特征数据对第一联邦模型和第二联邦模型进行训第一加密损失信息，所述大数据局服务器基于第一加密传递数据训练所述第二联邦模型，户，所述正样本用户包括第一预设时间周期内申请押品贷款获得通过且按时还款的用户，贷款获得通过但未按时还款的用户，所述正样本用户数与负样本用户数基于预设比例设[0013]根据本公开的实施例，所述第一风险模型和所述第二风险模型基于XGBoost算法配置为基于所述风险评估结果生成信贷请求反馈数据以及信贷8[0018]本公开的第六方面还提供了一种计算机可读存储介质，[0025]图4示意性示出了根据本公开另一实施例的基于联邦学习的风险模型训练方法的[0026]图5示意性示出了将第一用户标识数据和第二用户标识数据对齐的方法的原理[0028]图7示意性示出了根据本公开另一实施例的用于训练风险模型的方法、装置的示[0029]图8示意性示出了根据本公开另一实施例的基于同态加密算法对第一联邦模型参9[0033]图12示意性示出了根据本公开实施例的适于实现风险管理方法的电子设备的方邦学习的方法将商业银行中的用户特征数据与大数据局中用户的押品信息作为特征数据[0045]以下将结合附图及其说明文字围绕实现本公开的至少一个目的的上述操作进行[0051]需要说明的是，本公开实施例所提供的风险管理方法一般可以由银行服务器105公开实施例所提供的风险管理方法也可以由不同于银行服务器105且能够与终端设备101、或银行服务器105通信的服务器或服务器部门通过大数据局授权数据访问后可通过API接口方式访问。大数据平台可以通过系统直[0073]图4示意性示出了根据本公开另一实施例的基于联邦学习的风险模型训练方法的[0075]在操作410，基于非对称加密算法获取第一用户标识数据和第二用户标识数据的据局服务器持有的数据仍然保存在本地，建模和模型运行过程中不进行原始数据的交换，或多方只能得到多方数据集的正确交集,而不会得到交集以外其他参与方的任何信息。本公开的实施例中，采用非对称加密的方法对齐银行服务器和大数据局服务器的用户标识，识数据和第二用户标识数据对齐后可以获得[0077]图5示意性示出了将第一用户标识数据和第二用户标识数据对齐的方法的原理[0087]在操作430，基于同态加密算法对所述第一联邦模型参数和第二联邦模型参数进结果与直接在明文状态下进行加法或乘法之后再进行加密[0095]图7示意性示出了根据本公开另一实施例的用于训练风险模型的方法、装置的示例性系统架构。需要注意的是，图7所示仅为可以应用本公开另一实施例的系统架构的示务器106在联合训练第一联邦模型和第二联邦模型时对用于交互传递的中间结果的同态加服务器106可以获取来自于银行服务器的加密后的中间结果b，并基于中间结果b以及自身局服务器106分别将联合数据a和联合数据b发送给第三方服务器107。第三方服务器107可以利用持有的私钥对联合数据a和b进行解密，再分别将联合数据a的解密结果发送给银行[0098]图8示意性示出了根据本公开另一实施例的基于同态加密算法对第一联邦模型参进行获取和更新梯度信息和损失信息的过程中，银行服务器除应用第二加密传递数据外，达到在不泄露隐私的情况下充分利用双方数据进行模型于更新第一联邦模型参数和第二联邦模型参数的梯度信息用户可以使用随机抽样法，并设置正样本用户数:负样本用户数=1:3。验证集用户可用户特征数据和押品样本数据可以利用特征工程进行数据清洗，包括但不限于均值填充，工具包。Xgboost工具包比常见的工具包快10倍以上，具有很快的模型训练速度和预测精[0122]计算模块1030被配置为将所述用户特征数据输入预训练得到的第一风险联邦模[0123]生成模块1040被配置为基于所述风险评估结果生成信贷请求反馈数据以及信贷[0128]计算装置1130被配置为基于同态加密算法对所述第一联邦模型参数和第二联邦据包含用户信用样本数据，所述用户信用样本数据包含用户特征样本数据和用户信用标施例的方法流程的不同动作的单一处理单元或者是多902以及RAM903通过总线904彼此相连。处理器901通过执行ROM902和/或RAM903中的程ROM902和RAM903以外的一个或多个存储器中。处理器901也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。例如，根据本公开的实施例，计算机可读存储介质可以包括上文描述的ROM902和/或RAM903和/或ROM902和RAM903以外的一个或多个存储器。包含用于执行流程图所示的方法的程序代码。当计算机程序产品在计算机系统中运行时，[0138]在该计算机程序被处理器901执行时执行本公开实施例的系统/装置中限定的上