[发明专利]基于智能学习的风险评估方法、装置、设备、系统和介质

权利要求书

1.一种基于智能学习的风险评估方法，所述方法应用于控制服务器，所述方法包括：

接收终端设备发送的用户风险评估请求，并接收所述终端设备发送的第一评估信息，其中，所述第一评估信息为依据第一预设模型和第一用户特征数据所生成的，所述第一预设模型为依据多个训练设备的第一梯度信息进行联合分析得到的，所述第一梯度信息用于表征一个所述训练设备与所述控制服务器之间的联合训练结果；

根据所述控制服务器中的第二用户特征数据和第二预设模型，生成第二评估信息，其中，所述第二预设模型为根据第二梯度信息所获取到的，所述第二梯度信息用于表征多个训练设备与所述控制服务器的联合训练结果；

根据所述第一评估信息和所述第二评估信息，生成用户风险评估结果；

将所述用户风险评估结果，发送给所述终端设备。

2.根据权利要求1所述的方法，其中，根据所述控制服务器中的第二用户特征数据和第二预设模型，生成第二评估信息，包括：

获取其他设备中存储的第二用户特征数据；

将所述第二用户特征数据进行数据归一化处理，得到处理后的第二用户特征数据；

将所述处理后的第二用户特征数据，输入所述第二预设模型，生成所述第二评估信息。

3.根据权利要求1所述的方法，所述第一梯度信息为加密的第一梯度信息，所述第二梯度信息为加密的第二梯度信息。

4.根据权利要求1所述的方法，所述第一用户特征数据为从数据解析设备中获取到的特征数据，或者，所述第一用户特征数据为对所述终端设备中的数据信息进行解析之后得到的特征数据。

5.根据权利要求1所述的方法，所述第一预设模型为依据多个训练设备的第一梯度信息对第一初始模型进行更新得到的；在根据所述控制服务器中的第二用户特征数据和第二预设模型，生成第二评估信息之前，还包括：

接收安全方设备发送的所述第二梯度信息；

根据所述第二梯度信息对第二初始模型进行更新，得到所述第二预设模型。

6.根据权利要求1-5任一项所述的方法，所述方法还包括：

根据预设信息生成第一初始模型和第二初始模型，并将所述第一初始模型通过后台设备发送给每一个训练设备；

接收安全方设备发送的公钥，所述训练设备中具有所述公钥；

重复执行以下步骤，直至达到预设条件：根据所述公钥、所述控制服务器中的训练信息、以及第i个训练设备发送的训练信息，生成第i个训练设备的第一梯度信息，各所述训练设备的第一梯度信息用于更新第一初始模型以得到所述第一预设模型；根据所述公钥、所述控制服务器中的训练信息、以及各所述训练设备发送的训练信息，生成所述第二梯度信息，并根据所述第二梯度信息更新第二初始模型，得到所述第二预设模型；其中，i为大于等于1的正整数。

7.根据权利要求6所述的方法，其中，第i个训练设备发送的训练信息为加密后的第一中间结果，所述控制服务器中的训练信息为加密后的第二中间结果；根据所述公钥、所述控制服务器中的训练信息、以及第i个训练设备发送的训练信息，生成第i个训练设备的第一梯度信息，包括：

接收第i个训练设备发送的加密的第一中间结果，其中，所述加密的第一中间结果为根据所述第一初始模型、第一训练数据和所述公钥得到的；

根据所述第二初始模型、第二训练数据和所述公钥，得到加密的第二中间结果；

根据加密的第二中间结果、第i个训练设备的加密的第一中间结果，生成第i个训练设备的梯度权重；

将第i个训练设备的梯度权重，发送给第i个训练设备，所述梯度权重用于依据第一训练数据生成第i个训练设备的第一梯度信息，各训练设备的第一梯度信息用于联合分析后得到梯度累加信息；所述梯度累加信息用于采用与所述公钥对应的私钥进行解密后，得到解密后的梯度累加信息；所述解密后的梯度累加信息用于更新所述第一初始模型，以得到所述第一预设模型。