[发明专利]一种风险预测方法及装置、存储介质及电子设备

权利要求书

1.一种风险预测方法，其特征在于，应用于目标设备，所述目标设备预先部署有第一预测子模型，所述方法包括：

将待预测用户的用户信息发送至所述目标设备的每个参与方设备；

获取每个参与方设备反馈的第二风险预测结果，所述第二风险预测结果由第二预测子模型处理参与方本地数据得到，所述参与方本地数据与所述用户信息对应，所述第二预测模型预先部署于所述参与方设备；

获取第一风险预测结果；其中，所述第一风险预测结果由所述第一预测子模型处理目标设备本地数据得到，所述目标设备本地数据与所述用户信息对应；

依据所述第一风险预测结果和每个第二风险预测结果，处理得到所述待预测用户的目标风险预测结果。

2.根据权利要求1所述的方法，其特征在于，各个预测子模型的部署过程，包括：

获取预先构建的预测模型；所述预测模型为：基于所述目标设备中预先存储的各个参与方设备的用户数据和所述目标设备的用户数据，对神经网络模型进行训练得到的模型；

确定所述目标设备和每个参与方设备各自对应的特征变量；

依据所述目标设备和每个参与方设备各自对应的特征变量，对所述预测模型进行拆分，得到所述目标设备对应的第一预测子模型、以及每个参与方设备各自对应的第二预设子模型；

将所述第一预测子模型部署至所述目标设备中，并将每个参与方对应的第二预测子模型发送至该第二预测子模型对应的参与方设备，以使每个参与方设备对接收到的第二预测子模型进行部署。

3.根据权利要求1所述的方法，其特征在于，各个预测子模型的部署过程，包括：

接收每个参与方设备发送的加密样本数据，并获取所述目标设备的加密样本数据；每个参与方设备发送的加密样本数据及所述目标设备的加密样本数据中包括加密用户信息；

依据每个加密样本数据中包括的加密用户信息，对各个加密样本数据进行样本对齐；

对样本对齐后的各个加密样本数据进行特征分箱，得到多个特征变量组；

依据各个特征变量组，对预先构建的联邦模型进行训练，得到预测模型；

对所述预测模型进行拆分，得到所述目标设备对应的第一预测子模型和每个参与方设备各自对应的第二预测子模型；

将所述第一预测子模型部署至所述目标设备中，并将每个参与方对应的第二预测子模型发送至该第二预测子模型对应的参与方设备，以使每个参与方设备对接收到的第二预测子模型进行部署。

4.根据权利要求1所述的方法，其特征在于，所述将待预测用户的用户信息发送所述目标设备的每个参与方设备之前，还包括：

利用每个参与方设备的加密密钥，对所述用户信息进行加密。

5.根据权利要求1或4所述的方法，其特征在于，所述依据所述第一风险预测结果和每个第二风险预测结果，处理得到所述待预测用户的目标风险预测结果，包括：

获取所述目标设备和每个参与方设备各自对应的预测权重；

依据所述目标设备和每个参与方设备各自对应的预测权重，对第一风险预测结果和每个第二风险预测结果进行计算，得到所述待预测用户的目标风险预测结果。

6.一种风险预测装置，其特征在于，应用于目标设备，所述目标设备预先部署有第一预测子模型，所述装置包括：

发送单元，用于将待预测用户的用户信息发送至所述目标设备的每个参与方设备；

第一获取单元，用于获取每个参与方设备反馈的第二风险预测结果，所述第二风险预测结果由第二预测子模型处理参与方本地数据得到，所述参与方本地数据与所述用户信息对应，所述第二预测模型预先部署于所述参与方设备；

第二获取单元，用于获取第一风险预测结果；其中，所述第一风险预测结果由所述第一预测子模型处理目标设备本地数据得到，所述目标设备本地数据与所述用户信息对应；

处理单元，用于依据所述第一风险预测结果和每个第二风险预测结果，处理得到所述待预测用户的目标风险预测结果。