[发明专利]三合一场所识别方法、识别模型的构建方法及相关设备

权利要求书

1.一种三合一场所识别方法，其特征在于，所述方法包括：

获取待识别的三合一场所的生活能源使用数据、信令数据和网络消费数据；

提取所述生活能源使用数据、信令数据和网络消费数据的特征向量，并将所述特征向量输入三合一场所识别模型，所述三合一场所识别模型为利用数据拥有方采集的具有时空属性的样本数据进行时空联邦学习构建的模型；

利用所述三合一场所识别模型对所述特征向量进行识别，得到所述待识别的三合一场所对应的风险分数；

若所述风险分数大于预设风险分数，确定所述待识别的三合一场所存在安全隐患。

2.根据权利要求1所述的方法，其特征在于，所述提取所述生活能源使用数据、信令数据和网络消费数据的特征向量，并将所述特征向量输入所述三合一场所识别模型，包括：

将所述生活能源使用数据通过transformer模型，转化为生活特征向量；

利用卷积神经网络CNN和循环神经网络RNN将所述信令数据转换为信令特征向量；

获取所述网络消费数据中的地址信息，分析所述地址信息下的消费数据，基于所述消费数据构造对应的消费特征向量；

特征融合所述生活特征向量、所述信令特征向量和所述消费特征向量，将得到的融合特征输入所述三合一场所识别模型。

3.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：

发送报警提示信息，用于提示存在安全隐患的所述待识别的三合一场所。

4.一种三合一场所识别模型的构建方法，其特征在于，所述方法包括：

提取联合训练三合一场所识别模型的数据拥有方各自收集的样本数据对应的特征向量，所述样本数据包括生活能源使用数据、信令数据和网络消费数据；

基于联邦学习将所述特征向量进行特征融合并存储，得到三合一场所对应的数据集；

获取各个所述数据拥有方反馈的梯度更新参数，所述梯度更新参数由各个所述数据拥有方基于所述数据集进行时空联邦学习训练得到；

基于所述梯度更新参数对初始多任务识别模型进行更新，得到三合一场所识别模型，所述初始多任务识别模型基于各个所述数据拥有方上传的初始梯度参数构建，所述三合一场所识别模型的输入为特征数据，输出为风险分数。

5.根据权利要求4所述的方法，其特征在于，所述提取联合训练三合一场所识别模型的数据拥有方各自收集的样本数据对应的特征向量，包括：

获取当前联合训练三合一场所识别模型的数据拥有方各自在采样周期内收集的样本数据；

若所述样本数据为生活能源使用数据，将所述生活能源使用数据通过transformer模型，转化为生活能源特征向量；

若所述样本数据为信令数据，利用卷积神经网络CNN和循环神经网络RNN将所述信令数据转换为信令特征向量；

若所述样本数据为网络消费数据，获取所述网络消费数据中的地址信息，并分析所述地址信息下的消费数据，基于所述消费数据构造对应的消费特征向量。

6.根据权利要求4或5所述的方法，其特征在于，所述基于所述梯度更新参数对初始多任务识别模型进行更新，直至得到三合一场所识别模型，包括：

聚合所述梯度更新参数，得到新梯度；

基于所述新梯度对初始多任务识别模型进行更新，并将更新后的多任务识别模型反馈至各个所述数据拥有方，由所述各个数据拥有方更新本地模型。

7.一种三合一场所识别装置，其特征在于，所述装置包括：

根据所述权利要求4的三合一场所识别模型的构建方法构建的三合一场所识别模型；

特征获取模块，用于获取待识别的三合一场所的生活能源使用数据、信令数据和网络消费数据，以及提取所述生活能源使用数据、信令数据和网络消费数据的特征向量，并将所述特征向量输入所述三合一场所识别模型；

所述三合一场所识别模型，用于对输入的特征向量进行识别，得到所述待识别的三合一场所对应的风险分数；

确定模块，用于若所述风险分数大于预设风险分数，确定所述待识别的三合一场所存在安全隐患。