关联方识别模型的训练方法、关联方识别方法以及装置与流程

本说明书实施例涉及计算机，特别涉及一种关联方识别模型的训练方法、关联方识别方法以及装置。

背景技术：

1、随着消费金融公司业务的不断拓展，消费金融公司与其他主体之间发生的关联交易也越来越多，按照消费金融相关规则及其他监管披露要求，关联方认证以及交易事项的发生需要有完善的认定，审批，披露流程。

2、然而，现有的关联方识别方法是通过人工进行，即从签约合同中获取关联方，或者从发生的交易事项中人工摘取关联方，然后通过线下邮件上报董事会的方式确认。这种方式的流程长达几个月，时效性不够，同时个人隐私，姓名、公司持股比例等有泄露风险。因此，如何在高效低成本地识别交互的关联方的同时，保障用户的隐私，成为了亟待解决的技术难题。

技术实现思路

1、本说明书实施例提供了一种关联方识别模型的训练方法、关联方识别方法以及装置，提高了关联方识别的效率，同时可以降低在关联方识别的过程中数据发生泄露的风险，技术方案如下。

2、一方面，提供了一种关联方识别模型的训练方法，所述方法包括：

3、一种关联方识别模型的训练方法，由第一平台执行，所述方法包括：

4、获取服务器发送的第一全局模型参数，所述第一全局模型参数为所述服务器基于所述第一平台和第二平台在上一轮上传的本地模型参数生成的，所述第一平台对应的第一参与方与所述第二平台对应的第二参与方之间发生过交互；

5、基于所述第一全局模型参数和第一本地交互数据集，训练第一本地关联方识别模型，得到所述第一本地关联方识别模型的第一本地模型参数，所述第一本地交互数据集包括与所述第一参与方发生过交互的参与方的参与方信息；

6、将所述第一本地模型参数发送至所述服务器，以使所述服务器基于所述第一本地模型参数生成第二全局模型参数；

7、接收所述服务器返回的第二全局模型参数；

8、基于所述第一本地交互数据集及所述第二全局模型参数，训练所述第一本地关联方识别模型，所述第一本地关联方识别模型用于基于交互数据识别所述第一参与方的关联方。

9、一方面，提供了一种关联方识别模型的训练方法，由服务器执行，所述方法包括：

10、发送第一全局模型参数给第一平台和第二平台，所述第一全局模型参数为基于所述第一平台和所述第二平台在上一轮上传的本地模型参数生成的，所述第一平台对应的第一参与方与所述第二平台对应的第二参与方之间发生过交互；

11、分别接收所述第一平台发送的第一本地模型参数以及所述第二平台发送的第二本地模型参数，所述第一本地模型参数为所述第一平台基于所述第一全局模型参数和第一本地交互数据集，训练第一本地关联方识别模型后得到的模型参数，所述第一本地交互数据集包括与所述第一参与方发生过交互的参与方的参与方信息；所述第二本地模型参数为所述第二平台基于所述第一全局模型参数和第二本地交互数据集，训练第二本地关联方识别模型后得到的模型参数，所述第二本地交互数据集包括与所述第二参与方发生过交互的参与方的参与方信息；

12、将所述第一本地模型参数和所述第二本地模型参数进行数据融合，生成第二全局模型参数；

13、将所述第二全局模型参数分别发送至所述第一平台和所述第二平台，以使所述第一平台基于所述第一本地交互数据集及所述第二全局模型参数，训练所述第一本地关联方识别模型，且所述第二平台基于所述第二本地交互数据集及所述第二全局模型参数，训练所述第二本地关联方识别模型。

14、一方面，提供了一种关联方识别方法，所述方法包括：

15、将目标交互数据输入训练完成的本地关联方识别模型；

16、通过所述本地关联方识别模型对所述目标交互数据进行关联方预测，得到所述目标交互数据的关联方预测结果；

17、其中，所述本地关联方识别模型是基于第一平台的本地交互数据集和第二平台的本地交互数据集训练得到的，所述第一平台对应的第一参与方与所述第二平台对应的第二参与方之间发生过交互。

18、一方面，提供了一种关联方识别关联方识别模型的训练装置，所述装置包括：

19、第一接收模块，用于获取服务器发送的第一全局模型参数，所述第一全局模型参数为所述服务器基于第一平台和第二平台在上一轮上传的本地模型参数生成的，所述第一平台对应的第一参与方与所述第二平台对应的第二参与方之间发生过交互；

20、第一训练模块，用于基于所述第一全局模型参数和本地交互数据集，训练本地关联方识别模型，得到所述本地关联方识别模型的第一本地模型参数，所述本地交互数据集包括与所述第一参与方发生过交互的参与方的参与方信息；

21、第一发送模块，用于将所述第一本地模型参数发送至所述服务器，以使所述服务器基于所述第一本地模型参数生成第二全局模型参数；

22、所述第一接收模块，还用于接收所述服务器返回的第二全局模型参数；

23、所述第一训练模块，还用于基于所述本地交互数据集及所述第二全局模型参数，训练所述本地关联方识别模型，所述第一本地关联方识别模型用于基于目标交互数据识别所述第一参与方的关联方。

24、在一种可能的实施方式中，所述第一训练模块，用于：

25、采用所述第一全局模型参数更新所述第一本地关联方识别模型的模型参数；

26、采用所述第一本地交互数据集中第一批次的多个第一本地交互数据，训练模型参数更新后的第一本地关联方识别模型，得到所述第一本地关联方识别模型的第一本地模型参数。

27、在一种可能的实施方式中，所述第一训练模块，用于：

28、将所述第一批次的多个第一本地交互数据输入所述参数更新后的第一本地关联方识别模型；

29、由所述参数更新后的第一本地关联方识别模型基于所述多个第一本地交互数据进行关联方识别，得到所述多个第一本地交互数据对应的多个关联方预测结果；

30、基于所述多个关联方预测结果与所述多个第一本地交互数据对应的多个关联方标注结果之间的差异信息，训练所述参数更新后的第一本地关联方识别模型，得到所述第一本地模型参数。

31、在一种可能的实施方式中，所述第一训练模块，用于：

32、对于所述多个第一本地交互数据中的任一第一本地交互数据，由所述参数更新后的第一本地关联方识别模型对所述第一本地交互数据进行全连接和归一化，得到所述第一本地交互数据的关联方预测值；

33、基于所述关联方预测值与关联方预测阈值，确定所述第一本地交互数据的关联方预测结果。

34、在一种可能的实施方式中，所述第一训练模块，用于：

35、基于所述多个关联方预测结果与所述多个第一本地交互数据对应的多个关联方标注结果之间的差异信息，更新所述参数更新后的第一本地关联方识别模型的模型参数；

36、将所述多个第一本地交互数据中最后一个第一本地交互数据对应的所述参数更新后的第一本地关联方识别模型的模型参数，确定为所述第一本地模型参数。

37、在一种可能的实施方式中，所述第一发送模块，用于：

38、采用所述服务器的公钥对所述第一本地模型参数进行加密，得到第一加密信息；

39、将所述第一加密信息发送至所述服务器。

40、在一种可能的实施方式中，所述第一接收模块，用于：

41、获取服务器发送的第二加密信息；

42、采用所述服务器的公钥对所述第二加密信息进行解密，得到所述第一全局模型参数。

43、在一种可能的实施方式中，所述装置还包括存储模块，用于对所述第一对象数据集进行加密存储；对所述第二对象数据集进行加密存储。

44、一方面，提供了一种关联方识别模型的训练装置，所述装置包括：

45、第二发送模块，用于发送第一全局模型参数给第一平台和第二平台，所述第一全局模型参数为基于所述第一平台和所述第二平台在上一轮上传的本地模型参数生成的，所述第一平台对应的第一参与方与所述第二平台对应的第二参与方之间发生过交互；

46、第二接收模块，用于分别接收所述第一平台发送的第一本地模型参数以及所述第二平台发送的第二本地模型参数，所述第一本地模型参数为所述第一平台基于所述第一全局模型参数和所述第一平台的本地交互数据集，训练本地关联方识别模型后得到的，所述第二本地模型参数为所述第二平台基于所述第一全局模型参数和本地交互数据集，训练本地关联方识别模型后得到的；

47、数据融合模块，将所述第一本地模型参数和所述第二本地模型参数进行数据融合，生成第二全局模型参数；

48、所述第二发送模块，还用于将所述第二全局模型参数分别发送至所述第一平台和所述第二平台，以使所述第一平台基于所述第一本地交互数据集及所述第二全局模型参数，训练所述第一本地关联方识别模型，且所述第二平台基于所述第二本地交互数据集及所述第二全局模型参数，训练所述第二本地关联方识别模型。

49、在一种可能的实施方式中，所述数据融合模块，用于采用不同权重将所述第一本地模型参数和所述第二本地模型参数进行加权融合，得到所述第二全局模型参数。

50、在一种可能的实施方式中，所述第二发送模块，用于：

51、分别向所述第一平台和所述第二平台分别发送认证请求，并分别接收所述第一平台和所述第二平台返回的第一认证信息和第二认证信息；

52、基于所述第一认证信息和所述第二认证信息认证所述第一平台和所述第二平台具备可信执行环境，以使所述服务器与所述第一平台和所述第二平台分别基于安全通信协议进行数据交互。

53、一方面，提供了一种关联方识别装置，所述装置包括：

54、输入模块，用于将目标交互数据输入训练完成的本地关联方识别模型；

55、关联方识别模块，用于通过所述本地关联方识别模型对所述目标交互数据进行关联方预测，得到所述目标交互数据的关联方预测结果；

56、其中，所述本地关联方识别模型是基于第一平台的本地交互数据集和第二平台的本地交互数据集训练得到的，所述第一平台对应的第一参与方与所述第二平台对应的第二参与方之间发生过交互。

57、一方面，提供了一种计算机设备，所述计算机设备包括一个或多个处理器和一个或多个存储器，所述一个或多个存储器中存储有至少一条计算机程序，所述计算机程序由所述一个或多个处理器加载并执行以实现所述关联方识别模型的训练方法或关联方识别方法。

58、一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一条计算机程序，所述计算机程序由处理器加载并执行以实现所述关联方识别模型的训练方法或所述关联方识别方法。

59、一方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括程序代码，该程序代码存储在计算机可读存储介质中，计算机设备的处理器从计算机可读存储介质读取该程序代码，处理器执行该程序代码，使得该计算机设备执行上述关联方识别模型的训练方法或上述关联方识别方法。

60、通过本说明书实施例提供的技术方案，第一平台从服务器获取第一全局模型参数，基于第一全局模型参数和第一本地交互数据集，训练第一本地关联方识别模型，得到第一本地关联方识别模型的第一本地模型参数，将第一本地模型参数发送至服务器，并接收服务器返回的第二全局模型参数，基于第一本地交互数据集及第二全局模型参数，来训练第一本地关联方识别模型。在上述过程中，不同平台之间协同进行联邦学习，基于不同平台的本地交互数据集进行联合建模，在保证第一平台数据和第二平台数据的安全性的前提下，综合其他平台对应的参与方信息，训练得到第一平台的第一本地关联方识别模型。