基于联邦学习的信贷风险评估方法与流程

本发明涉及计算机应用，尤其涉及基于联邦学习的信贷风险评估方法。

背景技术：

1、在金融领域，信贷风险评估是非常重要的一项工作，将直接关系到金融机构的资产质量和风险控制。现有技术中通常使用传统的信贷风险评估方法，即依赖于央行的征信数据，然而这些数据往往存在一定的不足，示范性的如数据更新缓慢、单独主体所拥有的数据无法涵盖所有用户的全部信息等问题。因此，如何更加准确地评估信贷风险成为了当前亟待解决的问题。基于联邦学习的信贷风险评估方法通过引入人工智能技术，对多个评估主体进行建模和分析，在保护各评估主体的数据隐私安全的同时最大化多个评估主体拥有的所有用户数据的价值，进一步地，对于解决传统信贷风险评估方法中存在的不足具有重要意义。

2、然而，现有技术在利用计算机技术对某评估主体进行信贷风险评估时，仅通过对该单个评估主体拥有的客户数据信息进行分析训练智能模型，由于单个评估主体的数据信息不够全面，因此导致训练得到的模型性能和准确性不佳，进而存在无法准确地评估信贷风险的问题。

技术实现思路

1、本发明的目的是提供基于联邦学习的信贷风险评估方法，用以解决现有技术在利用计算机技术对某评估主体进行信贷风险评估时，仅通过对该单个评估主体拥有的客户数据信息进行分析训练智能模型，由于单个评估主体的数据信息不够全面，因此导致训练得到的模型性能和准确性不佳，进而存在无法准确地评估信贷风险的问题。

2、鉴于上述问题，本发明提供了基于联邦学习的信贷风险评估方法。

3、第一方面，本发明提供了基于联邦学习的信贷风险评估方法，所述方法通过基于联邦学习的信贷风险评估系统实现，其中，所述方法包括：通过基于可信方，获取需要通过联邦学习进行信贷风险合作评估的多个评估主体，并获取多个评估主体的信贷业务信息，获得多个业务信息集合，其中，每个业务信息包括用户、业务类别和业务数据信息；对所述多个业务信息集合，分别按照用户进行聚类，获得多个用户业务信息聚类结果集合，并分析获取多个价值度集合和多个保密度集合；对所述多个业务信息集合进行加密和划分，基于多个划分类别，分析所述多个评估主体内每组评估主体之间的重叠度，获得多个重叠度，每组评估主体包括两个评估主体；基于所述多个重叠度、多个价值度集合和多个保密度集合，获得第一组评估主体的第一组构建数据，并基于所述第一组构建数据组成多组构建数据，其中，所述第一组评估主体为任意一组评估主体，所述第一组构建数据为基于联邦学习筛选得到的所述第一组评估主体构建第一信贷风险评估器的数据；基于所述多组构建数据，构建获得多个信贷风险评估器，并集成获得联邦信贷风险评估通道，基于多组构建数据，分配获得对所述多个评估主体的多个主体奖励信息；获取当前任意评估主体提供的业务信息，输入所述联邦信贷风险评估通道，进行集成信贷风险评估，获得信贷风险评估结果。

4、第二方面，本发明还提供了基于联邦学习的信贷风险评估系统，用于执行如第一方面所述的基于联邦学习的信贷风险评估方法，其中，所述系统包括：业务信息获得模块，其用于基于可信方，获取需要通过联邦学习进行信贷风险合作评估的多个评估主体，并获取多个评估主体的信贷业务信息，获得多个业务信息集合，其中，每个业务信息包括用户、业务类别和业务数据信息；聚类分析模块，其用于对所述多个业务信息集合，分别按照用户进行聚类，获得多个用户业务信息聚类结果集合，并分析获取多个价值度集合和多个保密度集合；重叠度获得模块，其用于对所述多个业务信息集合进行加密和划分，基于多个划分类别，分析所述多个评估主体内每组评估主体之间的重叠度，获得多个重叠度，每组评估主体包括两个评估主体；数据筛选模块，其用于基于所述多个重叠度、多个价值度集合和多个保密度集合，获得第一组评估主体的第一组构建数据，并基于所述第一组构建数据组成多组构建数据，其中，所述第一组评估主体为任意一组评估主体，所述第一组构建数据为基于联邦学习筛选得到的所述第一组评估主体构建第一信贷风险评估器的数据；通道集成模块，其用于基于所述多组构建数据，构建获得多个信贷风险评估器，并集成获得联邦信贷风险评估通道，基于多组构建数据，分配获得对所述多个评估主体的多个主体奖励信息；信贷风险评估执行模块，其用于获取当前任意评估主体提供的业务信息，输入所述联邦信贷风险评估通道，进行集成信贷风险评估，获得信贷风险评估结果。

5、第三方面，本发明还提供了一种电子设备，包括：

6、至少一个处理器；

7、与所述至少一个处理器通信连接的存储器；

8、其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述第一方面中任一项所述的方法。

9、第四方面，一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序在执行时实现上述第一方面中任一项所述方法的步骤。

10、本发明中提供的一个或多个技术方案，至少具有如下技术效果或优点：

11、通过基于可信方，获取需要通过联邦学习进行信贷风险合作评估的多个评估主体，并获取多个评估主体的信贷业务信息，获得多个业务信息集合，其中，每个业务信息包括用户、业务类别和业务数据信息；对所述多个业务信息集合，分别按照用户进行聚类，获得多个用户业务信息聚类结果集合，并分析获取多个价值度集合和多个保密度集合；对所述多个业务信息集合进行加密和划分，基于多个划分类别，分析所述多个评估主体内每组评估主体之间的重叠度，获得多个重叠度，每组评估主体包括两个评估主体；基于所述多个重叠度、多个价值度集合和多个保密度集合，获得第一组评估主体的第一组构建数据，并基于所述第一组构建数据组成多组构建数据，其中，所述第一组评估主体为任意一组评估主体，所述第一组构建数据为基于联邦学习筛选得到的所述第一组评估主体构建第一信贷风险评估器的数据；基于所述多组构建数据，构建获得多个信贷风险评估器，并集成获得联邦信贷风险评估通道，基于多组构建数据，分配获得对所述多个评估主体的多个主体奖励信息；获取当前任意评估主体提供的业务信息，输入所述联邦信贷风险评估通道，进行集成信贷风险评估，获得信贷风险评估结果。通过基于联邦学习算法原理对多个评估主体之间进行联邦学习，并构建联邦信贷风险评估通道，在保证各评估主体各自用户应用数据信息安全保密的基础上，有效融合并利用了各评估主体的用户应用数据信息，从而使得构建的联邦信贷风险评估通道具备更准确有效的评估结果，达到了提高信贷风险评估准确性的技术效果。

12、上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。

技术特征：

1.一种基于联邦学习的信贷风险评估方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，对所述多个业务信息集合，分别按照用户进行聚类，获得多个用户业务信息聚类结果集合，并分析获取多个价值度集合和多个保密度集合，包括：

3.根据权利要求2所述的方法，其特征在于，根据所述多个用户业务数量集合，分析获取多个价值度集合，根据所述多个用户总业务额度集合，分析获得多个保密度集合，包括：

4.根据权利要求1所述的方法，其特征在于，对所述多个业务信息集合进行加密和划分，基于多个划分类别，分析所述多个评估主体内每组评估主体之间的重叠度，获得多个重叠度，包括：

5.根据权利要求1所述的方法，其特征在于，基于所述多个重叠度、多个价值度集合和多个保密度集合，获得第一组评估主体的第一组构建数据，并基于所述第一组构建数据组成多组构建数据，其中，所述第一组评估主体为任意一组评估主体，所述第一组构建数据为基于联邦学习筛选得到的所述第一组评估主体构建第一信贷风险评估器的数据，包括：

6.根据权利要求5所述的方法，其特征在于，构建联邦数据分析器，包括：

7.根据权利要求1所述的方法，其特征在于，基于所述多组构建数据，构建获得多个信贷风险评估器，并集成获得联邦信贷风险评估通道，基于多组构建数据，分配获得对所述多个评估主体的多个主体奖励信息，包括：

8.一种基于联邦学习的信贷风险评估系统，其特征在于，所述系统包括：

9.一种电子设备，包括：

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序在执行时实现权利要求1至7中任一项所述方法的步骤。

技术总结
本发明公开了基于联邦学习的信贷风险评估方法，涉及计算机应用技术领域，所述方法包括：通过基于可信方，获取需要通过联邦学习进行信贷风险合作评估的多个评估主体，获得多个业务信息集合；获得多个用户业务信息聚类结果集合，并获取多个价值度集合和多个保密度集合；获得多个重叠度；基于所述多个重叠度、多个价值度集合和多个保密度集合，获得多组构建数据；构建获得多个信贷风险评估器，并集成获得联邦信贷风险评估通道；输入所述联邦信贷风险评估通道，获得信贷风险评估结果。解决了现有无法准确地评估信贷风险的问题。通过对多个评估主体之间进行联邦学习并构建联邦信贷风险评估通道，达到了提高信贷风险评估准确性的效果。

技术研发人员：徐兵,赵骁飞,兰春嘉,王磊
受保护的技术使用者：上海零数众合信息科技有限公司
技术研发日：
技术公布日：2024/2/8