[发明专利]基于Random Forest神经网络的金融风险评估方法

说明书

本发明公开了基于Random Forest神经网络的金融风险评估方法。包括以下步骤：第一步，在服务端设置Random Forest模型，并给出训练集和测试集，通过Bagging算法训练Random Forest模型；第二步，在客户端提出用户金融风险评估请求给到服务端；第三步，服务端在收到客户端请求后，通过匹配存储库中用户个人身份id，获取该用户所有业务属性以及金融数据；第四步，服务器端利用训练好的Random Forest模型对该用户的业务属性和金融数据进行风险评估，并将输出结果返回给服务器端；第五步，服务器将结果进行整理，最后输出给客户端最终的金融风险评估结果。本发明能够避免客户金融数据多地存储，保证客户金融数据存储安全。

技术领域

本发明涉及风险评估技术领域，具体为基于Random Forest神经网络的金融风险评估方法。

背景技术

在近两年个人隐私和数据安全越来越受到重视，传统的金融风险评估会在客户端获取大量客户个人隐私数据，一旦这些数据被不法分子以不良手段获得，后果不堪设想。在这个信息化时代，个人的隐私数据保护尤为重要，若无监督管理，人人即是透明人，毫无隐私可言。

当下金融风险评估的风险点在于收集了用户信息之后，当风险评估经理发出对用户进行金融风险评估的请求时，服务器端会把经理需要的用户信息全部发到经理的客户端，这就也意味着用户信息的多处保存，这会造成了信息安全的危险系数的提高，一旦泄露，对用户主体可能造成无法弥补的永久性的隐私侵害。

发明内容

本发明的目的在于提供基于Random Forest神经网络的金融风险评估方法，能够避免客户金融数据多地存储，保证客户金融数据存储安全。

为实现上述目的，本发明提供如下技术方案：基于Random Forest神经网络的金融风险评估方法，包括服务端和用户端，还包括以下步骤：

第一步，在服务端设置Random Forest模型，并给出训练集和测试集，通过Bagging算法训练Random Forest模型；

第二步，在客户端提出用户金融风险评估请求给到服务端；

第三步，服务端在收到客户端请求后，通过匹配存储库中用户个人身份id，获取该用户所有业务属性以及金融数据；

第四步，服务器端利用训练好的Random Forest模型对该用户的业务属性和金融数据进行风险评估，并将输出结果返回给服务器端；

第五步，服务器将结果进行整理，最后输出给客户端最终的金融风险评估结果。

优选的，客户端至少包括一种输入模块，用于输入用户身份信息、请求信息；

验证模块，用于验证用户身份信息；

以及通信模块，用于客户端和服务端之间的数据传输。

优选的，所述输入模块为触碰式输入装置或键盘。

优选的，所述验证模块为指纹识别装置或面部识别装置。

与现有技术相比，本发明的有益效果如下：

本发明提出了一种不在客户端存储原始个人隐私资料，仅在服务器端通过RandomForest模型运算，得出用户金融风险评估报告，再发回客户端的方法，从而确保金融风险评选系统存储安全，避免客户端可能存在的非法收集使用个人隐私数据的行为，同时能够完成对用户的金融风险评估。

附图说明

图1为本发明金融风险评估流程示意图；

具体实施方式