基于零知识证明的企业经营风险预警方法及其应用与流程

1.本技术涉及企业经营风险监管领域，特别是一种涉及基于零知识证明的企业经营风险预警方法及其应用。


背景技术：

2.企业在生产经营过程中会面临各种风险，及时准确地获取多元企业经营相关的各类数据，对企业的经营风险进行研判分析，有助于帮助企业树立正确的风险防范意识和机制，掌握各种规避风险的方法；也有助于政府部门建立全面的风险防范体制，保证企业利益的最大化，助力企业稳定、高效、快速发展。
3.目前针对企业经营性风险，主要是事后发现的模式，缺少一种主动发现、智能发现的手段。同时传统的利用大数据进行研判预警的系统在数据隐私保护上存在缺陷，特别涉及企业的财务、经营、薪资等数据，这些数据对企业运营至关重要，如果被泄露会对企业造成不可估量的危害，如果仅靠政府部门归集的数据（公开数据）进行预警，公开的数据价值相对较低，会造成预警不准确。
4.因此，亟待一种基于零知识证明和大数据分析的企业经营风险预警方法，实现在保护企业数据隐私的情况下对企业经营异常情况进行及时发现和预警。


技术实现要素：

5.本技术实施例提供了基于零知识证明的企业经营风险预警方法及其应用，针对目前技术存在的缺少一种主动发现、智能发现的手段等问题。
6.本发明核心技术主要是基于零知识证明和大数据分析，实现在保护企业数据隐私的情况下对企业经营异常情况进行及时发现和预警。
7.第一方面，本技术提供了基于零知识证明的企业经营风险预警方法，所述方法包括以下步骤：s00、获取政府部门提供的公开数据和企业通过零知识证明提供的隐私数据；s10、根据公开数据获取企业的企业资产与企业负债的理论差值范围，并通过非交互式零知识范围证明方式验证企业的企业资产与企业负债的真实差值范围是否位于理论差值范围内，从而获得综合数据集合；s20、根据综合数据集合构建基于时间序列的大数据预测模型；s30、通过设置大数据预测模型的事件参数，判断企业在设定时间段内的资产净值和支出情况，以判断企业是否存在经营风险并进行预警。
8.进一步地，步骤s00中，公开数据至少包括企业的企业基本信息、水电气数据、法院数据及社保缴纳数据。
9.进一步地，步骤s10中，基于离散对数数学问题进行构建非交互式的零知识证明方式。
10.进一步地，步骤s10中，通过提取公开数据中的关键字段的完整数据以计算企业的
企业资产与企业负债的理论差值范围。
11.进一步地，通过对公开数据处理得到基于时间序列的数据集合，该数据集合的数据来源于企业基本信息表、企业社保数据表、企业税收数据表、企业处罚信息表、企业用水信息表、企业用电信息表及企业用气信息表。
12.进一步地，步骤s20中，根据综合数据集合构建基于时间序列的大数据预测模型的具体步骤为：s21、取设定时间段内的公开数据构建为基于时间序列的数据集；s22、利用累加手段使数据集具备指数规律，以形成新的数据集；s23、计算所述新的数据集中每个数据的均值并构建一阶微分方程进行求解；s24、将求解得到的结果累减还原得到基于时间序列的大数据预测模型。
13.进一步地，步骤s30中，当企业资产净值小于设定数量月份的公司各类支出综合时进行预警，其中设定数量为事件参数。
14.第二方面，本技术提供了一种基于零知识证明的企业经营风险预警装置，包括：数据采集模块，用于获取政府部门提供的公开数据和企业通过零知识证明提供的隐私数据；数据处理模块，用于根据公开数据获取企业的企业资产与企业负债的理论差值范围，并通过非交互式零知识范围证明方式验证企业的企业资产与企业负债的真实差值范围是否位于理论差值范围内，从而获得综合数据集合；大数据预测模型模块，用于根据综合数据集合构建基于时间序列的大数据预测模型；用于通过设置大数据预测模型的事件参数，判断企业在设定时间段内的资产净值和支出情况，以判断企业是否存在经营风险；预警模块，根据大数据预测模型模块的结果进行预警。
15.第三方面，本技术提供了一种电子装置，包括存储器和处理器，存储器中存储有计算机程序，处理器被设置为运行计算机程序以执行上述的基于零知识证明的企业经营风险预警方法。
16.第四方面，本技术提供了一种可读存储介质，可读存储介质中存储有计算机程序，计算机程序包括用于控制过程以执行过程的程序代码，过程包括根据上述的基于零知识证明的企业经营风险预警方法。
17.本发明的主要贡献和创新点如下：1、与现有技术相比，本技术采用的非交互式零知识范围证明能够保证企业的相关数据隐私，例如财务信息等敏感数据，同时又能利用这些隐私数据进行大数据模型训练，相比于传统的大数据预警平台，提供在隐私保护的同时，提供更有价值的数据集，隐私数据与公开数据的结合能在保证隐私安全的基础上提高预测的准确度；2、与现有技术相比，本技术利用公开的数据经过大数据模型进行预测，隐私数据与公开数据的结合能在保证隐私安全的基础上提高预测的准确度，有效预防企业因经营问题造成经济系统性风险，能够辅助政府提前介入监管。
18.本技术的一个或多个实施例的细节在以下附图和描述中提出，以使本技术的其他特征、目的和优点更加简明易懂。
附图说明
19.此处所说明的附图用来提供对本技术的进一步理解，构成本技术的一部分，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：图1是根据本技术实施例的基于零知识证明的企业经营风险预警方法的流程图；图2是根据本技术实施例一种实施方式流程图；图3是根据本技术实施例的电子装置的硬件结构示意图。
具体实施方式
20.这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本说明书一个或多个实施例相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本说明书一个或多个实施例的一些方面相一致的装置和方法的例子。
21.需要说明的是：在其他实施例中并不一定按照本说明书示出和描述的顺序来执行相应方法的步骤。在一些其他实施例中，其方法所包括的步骤可以比本说明书所描述的更多或更少。此外，本说明书中所描述的单个步骤，在其他实施例中可能被分解为多个步骤进行描述；而本说明书中所描述的多个步骤，在其他实施例中也可能被合并为单个步骤进行描述。
22.目前针对企业经营性风险，主要是事后发现的模式，缺少一种主动发现、智能发现的手段。同时传统的利用大数据进行研判预警的系统在数据隐私保护上存在缺陷，特别涉及企业的财务、经营、薪资等数据，这些数据对企业运营至关重要，如果被泄露会对企业造成不可估量的危害，如果仅靠政府部门归集的数据（公开数据）进行预警，公开的数据价值相对较低，会造成预警不准确。
23.基于此，本发明基于零知识证明和大数据分析的企业经营风险预警来解决现有技术存在的问题，基本步骤如下：第一步：大数据平台数据主要包括公开数据p及隐私数据s，公开数据从政府各部门提供，隐私数据由企业通过零知识证明提供。
24.第二步：对公开数据（政务数据）进行治理、专题表结构设计、专题表的开发；获取企业资产与企业负债的差值范围x。
25.第三步：综合对公开数据和隐私数据进行研判，形成综合数据集合。
26.第四步：构建基于时间序列的大数据预测模型，能够提前研判未来经营风险。
27.第五步：研判分析：通过设置事件参数，判断企业在某一段时间内的资产净值和支出情况，从而判断企业是否存在经营风险。
28.其中，零知识证明(zero—knowledge proof)，是由s.goldwasser、s.micali及c.rackoff在20世纪80年代初提出的。它指的是证明者能够在不向验证者提供任何有用的信息的情况下，使验证者相信某个论断是正确的。零知识证明实质上是一种涉及两方或更多方的协议，即两方或更多方完成一项任务所需采取的一系列步骤。证明者向验证者证明并使其相信自己知道或拥有某一消息，但证明过程不能向验证者泄漏任何关于被证明消息的信息。大量事实证明，零知识证明在密码学中非常有用。如果能够将零知识证明用于验
证，将可以有效解决许多问题。
29.在最小泄露协议中零知识证明需要满足下述两个性质：(1)正确性。p(示证者为本技术的企业)无法欺骗v(验证者为本技术的大数据平台)。换言之，若p不知道一个定理的证明方法，则p使v相信他会证明定理的概率很低。
30.(2)完备性。v无法欺骗p。若p知道一个定理的证明方法，则p使v以绝对优势的概率相信他能证明。
31.在零知识协议中，除满足上述两个条件以外，还满足下述的第三个性质。
32.(3)零知识性。v无法获取任何额外的知识。
33.因此把性质(1)和(2)称为零知识证明的正确性和完备性，而性质(3)称为零知识性。
34.以下通过实施例具体描述本技术的技术方案：实施例一具体地，本技术实施例提供了基于零知识证明的企业经营风险预警方法，可以在数据隐私保护的基础上能够确保预警的可靠性，具体地，参考图1-2所示，所述方法包括：s00、获取政府部门提供的公开数据和企业通过零知识证明提供的隐私数据；其中，公开数据至少包括企业的企业基本信息、水电气数据、法院数据及社保缴纳数据。在本实施例中，站在政府监管的角度，将政府可获取的数据定义为公开数据，公开的基础数据包括市场监督管理局的企业基本信息、水电气数据、法院数据、社保缴纳数据。
35.优选地，数据汇聚利用数据采集工具，从市场监督管理局、人社局、法院、电力局等部门业务系统的数据表中将数据抽取到目标数据库，并设定好数据采集的时间、频率等，后续基于时间戳进行增量抽取，实现目标数据库与源数据库的数据保持同步。最终通过数据汇聚形成企业基本信息表、企业税收数据表、企业社保数据表、企业处罚信息表、企业用水信息表、企业用电信息表、企业用气信息表七张数据表。如此形成了公开数据。
36.优选地，用到的数据处理包括数据预处理和数据表关联处理。
37.而隐私数据主要包括企业经营现金、企业应收账款、企业固定资产、企业金融资产、企业应付账款、企业融资信息、企业资产抵押信息等；同时企业隐私数据为密文信息，通过零知识证明向大数据分析平台进行证明，大数据平台进行验证。
38.s10、根据公开数据获取企业的企业资产与企业负债的理论差值范围，并通过非交互式零知识范围证明方式验证企业的企业资产与企业负债的真实差值范围是否位于理论差值范围内，从而获得综合数据集合；其中，基于离散对数数学问题进行构建非交互式的零知识证明方式。零知识证明分为交互式零知识证明和非交互式零知识证明：交互式零知识证明： v向p提问，若p知道证明则可正确回答v的提学问;若p不知道证明，则对提问给出正确回答概率仅为1/2。v以足够多的提问就可推定p是否知道证明，且要保证这些提问及其相应的回答不会泄露出有关p所知道的知识。
39.非交互式零知识证明：非交互式的证明则不需要这种互动。但是会额外需要一些机器或者程序，并且需要一串试验序列，这个试验序列不能被任何人知道。有了这么一个程序和试验序列，证明机就能自动算出一个证明，并且能防止任何一方作假。
40.对于非交互式零知识证明，示证者可以公布证明，任何人可以花时间检验该证明
的正确性，而交互式只能验证在交互时是正确的。
41.离散对数定义：给定大质数p和正整数g，设y为指数值；离散对数公式y=g
x
(mod p)，求解x，离散对数问题求解难度很大，反过来知道x，求解y=g
x
(mod p)则容易很多，p为公开数据。因此可以利用离散对数的性质来构建非交互式的零知识证明服务。如此，在大数据平台中只需知道企业财务数据的范围值即可知道公司的运营情况，从而实现对经营异常行为的预警。
42.而企业财务主要计算企业资产权益包括：企业经营现金、企业应收账款、企业固定资产、企业金融资产，企业负债信息包括：企业应付账款、企业融资信息、企业资产抵押信息。因此，在零知识范围证明主要证明企业资产与企业负债差值的范围x。
43.目前构造零知识证明有多种方式，本技术采用的是基于离散对数问题构建的方式，基本思路如下：公钥：(g,y,n)，且y = g
x modn，p（公司）要向v（大数据平台）证明它拥有私钥x，但并不想让v知道私钥x的任何信息；1）v选择一个随机数k，并计算a = g
k mod n，并将a发送给p；2）p收到之后，计算b = a
x = ( gk)
x
mod n，将b发送给v；3）v收到之后，计算c = y
a = ( gk)
x mod n，判断c = b是否成立；4）重复1）~3）n次。
44.如此在本实施例中，相当于企业需要证明企业资产与企业负债差值的范围x（实际范围）在[a,b](理论范围)，非交互式零知识范围证明流程如下：s11、企业证明企业资产与企业负债差值的范围x在[a,b]；s12、企业构建离散对数y=g
x
，x∈[a,b]；即已知x由企业提供，求y和g；s13、企业对所有的j∈z1计算新的指数值tj=g
vj
(mod p)，其中vj为群z
p
中的一个随机数,即vj∈z
p
，群z
p
为小于p（公开数据）的所有素数集合构成的群, 群z1为小于1的所有素数集合构成的群；其中，j为群z1为小于1的所有素数集合的一个元素；目的是构建零知识证明的验证proof,验证者根据构造的验证proof，即可相信该论断；群z
p
为小于p（大质数）的所有素数集合，vj为该集合中的随机一个元素；z
l
、z
p
就是设定的质数集合，无特殊含义。
[0045]
s14、企业计算h=h(g,y,t)，h为hash函数；目的在于计算g,y，t的哈希值，t为tj=gvj(mod p)的计算值；s15、企业对所有的j∈z1计算rj=v
j-c*x，范围零知识证明为proof=（tj,rj）；目的是生成范围零知识证明proof；s16、大数据平台对于每个j∈z1，验证g
rj
*yc≡tj；验证者验证proof是否正确，正确即可相信论断x在[a，b]范围内；如果s11-s16每个验证步骤均成立则说明企业资产与企业负债差值的范围x在[a,b]内，也就是对隐私数据的处理；优选地，通过提取公开数据中的关键字段的完整数据以计算企业的企业资产与企业负债的理论差值范围。通过对公开数据处理得到基于时间序列的数据集合，该数据集合的数据来源于企业基本信息表、企业社保数据表、企业税收数据表、企业处罚信息表、企业用水信息表、企业用电信息表及企业用气信息表。
[0046]
在本实施例，具体为：1）从企业基本信息表中提取企业统一社会信用代码、企业名称、企业行政处罚信息等关键字段完整的数据。
[0047]
2）从企业社保数据表中提取企业统一社会信用代码、企业名称、企业在缴员工身份证号、企业员工姓名、企业社保缴纳总支出等关键字段完整的数据。
[0048]
3）从企业税收数据表中提取企业统一社会信用代码、企业名称、企业法定代表人身份证号、法定代表人姓名、企业纳税信息等关键字段完整的数据。
[0049]
4）从企业处罚信息表中提取企业统一社会信用代码、企业名称、处罚时间、企业处罚类型、企业处罚金额等关键字段完整的数据。
[0050]
5）从企业用水信息表中提取企业统一社会信用代码、企业名称、时间、企业用水量、企业水费等关键字段完整的数据。
[0051]
6）从企业用电信息表中提取企业统一社会信用代码、企业名称、时间、企业用电量、企业电费等关键字段完整的数据。
[0052]
7）从企业用气信息表中提取企业统一社会信用代码、企业名称、时间、企业用气量、气费等关键字段完整的数据。
[0053]
基于上述7点生成公开数据集合；s20、根据综合数据集合构建基于时间序列的大数据预测模型；其中，根据综合数据集合构建基于时间序列的大数据预测模型的具体步骤为：s21、取设定时间段内的公开数据构建为基于时间序列的数据集；在本实施例中，平台根据输入获取原始数据（公开数据+私有数据，即企业资产与负载的差值的范围值），原始数据构建时间序列的数据集：{x1,x2,...xn}，其中x1…
xn为步骤s10中的基于时间序列的公开数据，即xi为step3中某一时间点的1）到7）的数据集合。
[0054]
s22、利用累加手段使数据集具备指数规律，以形成新的数据集；通过模型累加构造新数据列（新的数据集）：，其中，即基于时间序列的累加值。
[0055]
s23、计算所述新的数据集中每个数据的均值并构建一阶微分方程进行求解；计算均值的公式为：其中，，zn为基于yn的计算值；构建微分方程的公式为：；s24、将求解得到的结果累减还原得到基于时间序列的大数据预测模型；解微分方程，得到拟合方程：
；进一步得到结果公式：；；其中，xk表示基于时间序列的预测值。
[0056]
s30、通过设置大数据预测模型的事件参数，判断企业在设定时间段内的资产净值和支出情况，以判断企业是否存在经营风险并进行预警。
[0057]
其中，当企业资产净值小于设定数量月份的公司各类支出综合时进行预警，其中设定数量为事件参数。
[0058]
如设定业务研判模型，根据xk的情况，将所有支出项相加，例如企业资产净值要大于n个月的公司各类支出；如果小于n个月就预警。其中n可以人为手动设置。xk是预测值，能够提前研判未来经营风险情况。
[0059]
实施例二基于相同的构思，本技术还提出了一种基于零知识证明的企业经营风险预警装置，包括：数据采集模块，用于获取政府部门提供的公开数据和企业通过零知识证明提供的隐私数据；数据处理模块（大数据平台），用于根据公开数据获取企业的企业资产与企业负债的理论差值范围，并通过非交互式零知识范围证明方式验证企业的企业资产与企业负债的真实差值范围是否位于理论差值范围内，从而获得综合数据集合；大数据预测模型模块，用于根据综合数据集合构建基于时间序列的大数据预测模型；用于通过设置大数据预测模型的事件参数，判断企业在设定时间段内的资产净值和支出情况，以判断企业是否存在经营风险预警模块，根据大数据预测模型模块的结果进行预警。
[0060]
实施例三本实施例还提供了一种电子装置，参考图3，包括存储器404和处理器402，该存储器404中存储有计算机程序，该处理器402被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
[0061]
具体地，上述处理器402可以包括中央处理器（cpu），或者特定集成电路（applicationspecificintegratedcircuit，简称为asic），或者可以被配置成实施本技术实施例的一个或多个集成电路。
[0062]
其中，存储器404可以包括用于数据或指令的大容量存储器404。举例来说而非限制，存储器404可包括硬盘驱动器（harddiskdrive，简称为hdd）、软盘驱动器、固态驱动器（solidstatedrive，简称为ssd）、闪存、光盘、磁光盘、磁带或通用串行总线（universalserialbus，简称为usb）驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器404可包括可移除或不可移除（或固定）的介质。在合适的情况下，存储器404可
在数据处理装置的内部或外部。在特定实施例中，存储器404是非易失性（non-volatile）存储器。在特定实施例中，存储器404包括只读存储器（read-onlymemory，简称为rom）和随机存取存储器（randomaccessmemory，简称为ram）。在合适的情况下，该rom可以是掩模编程的rom、可编程rom（programmableread-onlymemory，简称为prom）、可擦除prom（erasableprogrammableread-onlymemory，简称为eprom）、电可擦除prom（electricallyerasableprogrammableread-onlymemory，简称为eeprom）、电可改写rom（electricallyalterableread-onlymemory，简称为earom）或闪存（flash）或者两个或更多个以上这些的组合。在合适的情况下，该ram可以是静态随机存取存储器（staticrandom-accessmemory，简称为sram）或动态随机存取存储器（dynamicrandomaccessmemory，简称为dram），其中，dram可以是快速页模式动态随机存取存储器404（fastpagemodedynamicrandomaccessmemory，简称为fpmdram）、扩展数据输出动态随机存取存储器（extendeddateoutdynamicrandomaccessmemory，简称为edodram）、同步动态随机存取内存（synchronousdynamicrandom-accessmemory，简称sdram）等。
[0063]
存储器404可以用来存储或者缓存需要处理和/或通信使用的各种数据文件，以及处理器402所执行的可能的计算机程序指令。
[0064]
处理器402通过读取并执行存储器404中存储的计算机程序指令，以实现上述实施例中的任意基于零知识证明的企业经营风险预警方法。
[0065]
可选地，上述电子装置还可以包括传输设备406以及输入输出设备408，其中，该传输设备406和上述处理器402连接，该输入输出设备408和上述处理器402连接。
[0066]
传输设备406可以用来经由一个网络接收或者发送数据。上述的网络具体实例可包括电子装置的通信供应商提供的有线或无线网络。在一个实例中，传输设备包括一个网络适配器（network interface controller，简称为nic），其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输设备406可以为射频（radio frequency，简称为rf）模块，其用于通过无线方式与互联网进行通讯。
[0067]
输入输出设备408用于输入或输出信息。在本实施例中，输入的信息可以是公开数据和隐私数据等，输出的信息可以是预警信息等。
[0068]
实施例四本实施例还提供了一种可读存储介质，可读存储介质中存储有计算机程序，计算机程序包括用于控制过程以执行过程的程序代码，过程包括根据实施例一的基于零知识证明的企业经营风险预警方法。
[0069]
需要说明的是，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。
[0070]
通常，各种实施例可以以硬件或专用电路、软件、逻辑或其任何组合来实现。本发明的一些方面可以以硬件来实现，而其他方面可以由控制器、微处理器或其他计算设备执行的固件或软件来实现，但是本发明不限于此。尽管本发明的各个方面可以被示出和描述为框图、流程图或使用一些其他图形表示，但是应当理解，作为非限制性示例，本文中描述的这些框、装置、系统、技术或方法可以以硬件、软件、固件、专用电路或逻辑、通用硬件或控制器或其他计算设备或其某种组合来实现。
[0071]
本发明的实施例可以由计算机软件来实现，该计算机软件由移动设备的数据处理
器诸如在处理器实体中可执行，或者由硬件来实现，或者由软件和硬件的组合来实现。包括软件例程、小程序和/或宏的计算机软件或程序(也称为程序产品)可以存储在任何装置可读数据存储介质中，并且它们包括用于执行特定任务的程序指令。计算机程序产品可以包括当程序运行时被配置为执行实施例的一个或多个计算机可执行组件。一个或多个计算机可执行组件可以是至少一个软件代码或其一部分。另外，在这一点上，应当注意，如图中的逻辑流程的任何框可以表示程序步骤、或者互连的逻辑电路、框和功能、或者程序步骤和逻辑电路、框和功能的组合。软件可以存储在诸如存储器芯片或在处理器内实现的存储块等物理介质、诸如硬盘或软盘等磁性介质、以及诸如例如dvd及其数据变体、cd等光学介质上。物理介质是非瞬态介质。
[0072]
本领域的技术人员应该明白，以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0073]
以上实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本技术范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以作出若干变形和改进，这些都属于本技术的保护范围。因此，本技术的保护范围应以所附权利要求为准。