[发明专利]业务处理、信用评价模型训练方法、装置、设备及介质

说明书

本发明实施例公开了一种业务处理、信用评价模型训练方法、装置、设备及介质。所述方法包括：接收目标用户发起的业务请求，并获取所述目标用户对应的特征数据；将所述特征数据输入至预先训练的信用评价模型中，获取所述信用评价模型输出的信用评价结果，所述信用评价模型通过联邦学习方法基于至少两个业务系统提供的数据训练生成；根据所述信用评价结果，响应所述业务请求。本发明实施例可以兼顾用户数据的隐私安全的同时，共同进行用户信用特征的学习，提高用户信用评价结果的预测准确率。

技术领域

本发明实施例涉及数据处理领域，尤其涉及一种业务处理、信用评价模型训练方法、装置、设备及介质。

背景技术

征信记录获取自然人、法人及其他组织的信用信息。征信会影响人或组织的经济活动。

现有的征信建模方法通常依据金融机构自身数据为主，辅助银行的征信报告，以及其他第三方数据，如有：电商消费数据或运营商数据等，通常是以最终结果征信分直接查询。

而第三方原始数据作为第三方的客户隐私数据不能与金融机构数据打通，导致在征信过程中数据使用效率低，同时由于每家金融机构征信风控方向不一致，第三方征信分直接参与建模会导致模型有所偏差。

发明内容

本发明实施例提供了一种业务处理、信用评价模型训练方法、装置、设备及介质，可以兼顾用户数据的隐私安全的同时，共同进行用户信用特征的学习，提高用户信用评价结果的预测准确率。

第一方面，本发明实施例提供了一种业务处理方法，包括：

接收目标用户发起的业务请求，并获取所述目标用户对应的特征数据；

将所述特征数据输入至预先训练的信用评价模型中，获取所述信用评价模型输出的信用评价结果，所述信用评价模型通过联邦学习方法基于至少两个业务系统提供的数据训练生成；

根据所述信用评价结果，响应所述业务请求。

第二方面，本发明实施例提供了一种信用评价模型训练方法，包括：

获取至少两个业务系统发送的加密用户数据，并确定共有用户数据；

根据目标业务系统的训练需求信息，对各所述共有用户数据进行聚合，形成样本数据；

根据所述样本数据对模型进行训练，生成与所述训练需求信息匹配的联合信用评价模型；

在所述联合信用评价模型的训练过程中，获取模型参数，并发送至所述目标业务系统，以使所述目标业务系统根据所述模型参数更新信用评价模型。

第三方面，本发明实施例提供了一种业务处理装置，包括：

业务请求获取模块，用于接收目标用户发起的业务请求，并获取所述目标用户对应的特征数据；

信用评价模块，用于将所述特征数据输入至预先训练的信用评价模型中，获取所述信用评价模型输出的信用评价结果，所述信用评价模型通过联邦学习方法基于至少两个业务系统提供的数据训练生成；

业务请求响应模块，用于根据所述信用评价结果，响应所述业务请求。

第四方面，本发明实施例提供了一种信用评价模型训练装置，包括：

共有用户数据获取模块，用于获取至少两个业务系统发送的加密用户数据，并确定共有用户数据；

样本数据聚合模块，用于根据目标业务系统的训练需求信息，对各所述共有用户数据进行聚合，形成样本数据；

模型训练模块，用于根据所述样本数据对模型进行训练，生成与所述训练需求信息匹配的联合信用评价模型；