[发明专利]基于联邦学习的境内外风险客户识别方法、装置及系统

权利要求书

1.一种基于联邦学习的境内外风险客户识别方法，其特征在于，应用于参与方端，所述方法包括：

采集用户样本信息和监管特征信息；所述用户样本信息用于确定用户的风险等级数据；所述监管特征信息用于确定用户与监管数据的关联关系数据；

利用所述用户样本信息和所述监管特征信息训练第一联邦学习模型，得到第一模型参数；

将所述第一模型参数和所述监管特征信息中的用户基本信息发送至服务器端，以使所述服务器端根据所述第一模型参数和所述用户基本信息生成第二模型参数；

接收所述第二模型参数，并利用所述第二模型参数更新所述第一模型参数，得到更新后的第一联邦学习模型；

利用所述更新后的第一联邦学习模型生成境内外风险客户识别结果。

2.根据权利要求1所述的方法，其特征在于，所述用户样本信息包括第一样本和第二样本；所述第一样本包括第一风险可开户用户数据、第二风险可开户用户数据和第三风险可开户用户数据；所述第二样本包括第一风险不可开户用户数据，第二风险不可开户用户数据和第三风险不可开户用户数据。

3.根据权利要求1所述的方法，其特征在于，监管特征信息包括用户基本信息、第一监管信息和第二监管信息；所述第一监管信息与所述第二监管信息对应的监管范围不同。

4.根据权利要求3所述的方法，其特征在于，利用所述用户样本信息和所述监管特征信息训练第一联邦学习模型，包括：

利用聚类算法对所述监管特征信息进行分类，得到用户基本信息、第一监管信息和第二监管信息；

根据所述用户样本信息、所述用户基本信息、所述第一监管信息和所述第二监管信息，利用深度神经网络算法训练第一联邦学习模型。

5.根据权利要求1所述的方法，其特征在于，将所述监管特征信息中的用户基本信息发送至服务器端，包括：

对所述用户基本信息进行加密，将加密结果发送至服务器端。

6.根据权利要求5所述的方法，其特征在于，包括：

对所述用户基本信息进行同态加密。

7.一种基于联邦学习的境内外风险客户识别方法，其特征在于，应用于服务器端，所述方法包括：

获取多个参与方端发送的第一模型参数和用户基本信息；

利用多个所述第一模型参数和所述用户基本信息训练第二联邦学习模型，得到第二模型参数；

将所述第二模型参数发送至所述多个参与方端，以使每个参与方端利用所述第二模型参数更新第一模型参数，得到更新后的第一联邦学习模型，并利用所述更新后的第一联邦学习模型生成境内外风险客户识别结果。

8.根据权利要求7所述的方法，其特征在于，利用多个用户基本信息训练第二联邦学习模型，包括：

对所述用户基本信息进行解密，得到解密结果；

根据所述解密结果确定目标特征数据；

根据所述目标特征数据，利用深度神经网络算法训练第二联邦学习模型。

9.一种基于联邦学习的境内外风险客户识别装置，其特征在于，应用于参与方端，所述装置包括：

采集模块，用于采集用户样本信息和监管特征信息；所述用户样本信息用于确定用户的风险等级数据；所述监管特征信息用于确定用户与监管数据的关联关系数据；

第一联邦学习模块，用于利用所述用户样本信息和所述监管特征信息训练第一联邦学习模型，得到第一模型参数；

第一发送模块，用于将所述第一模型参数和所述监管特征信息中的用户基本信息发送至服务器端，以使所述服务器端根据所述第一模型参数和所述用户基本信息生成第二模型参数；

接收模块，用于接收所述第二模型参数，并利用所述第二模型参数更新所述第一模型参数，得到更新后的第一联邦学习模型；

结果模块，用于利用所述更新后的第一联邦学习模型生成境内外风险客户识别结果。