【技术实现步骤摘要】
基于机器学习的终端风险评估模型的生成方法及其系统
本专利技术涉及人工智能
，尤其涉及一种基于机器学习的终端风险评估模型的生成方法及其系统。
技术介绍
终端在进行风险操作时，需要首先进行风险评估，风险评估可以通过风险评估模型实现。机器学习技术是指利用已有数据对机器学习模型进行训练，使得训练后的机器学习模型能够对新的数据进行识别和预测，并且准确度和正确率很高，甚至接近人类。相关技术中，终端采集数据，并发送至服务器。服务器使用机器学习技术，利用采集到的数据对风险评估模型进行训练，并将训练后的模型发回终端，供终端使用。随着终端采集到的数据量越来越大，终端需要发送大量的数据给服务器，服务器需要使用大量的数据进行训练，服务器计算压力大，终端传输压力大。
技术实现思路
本专利技术旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本专利技术的第一个目的在于提出一种基于机器学习的终端风险评估模型的生成方法，以实现在终端上进行风险评估模型的训练，减轻了服务器的计算压力，...
【技术保护点】
1.一种基于机器学习的终端风险评估模型的生成方法，其特征在于，所述方法由服务器和多个终端实现，所述方法包括：/n所述终端采集第一时间段内在所述终端上产生的第一数据；/n所述服务器分别向每个所述终端发送第一机器学习模型；/n所述终端接收所述服务器发送的所述第一机器学习模型；/n所述终端使用所述第一数据对所述第一机器学习模型进行训练，以得到所述终端对应的第一训练模型；/n所述终端将所述第一训练模型发送至所述服务器；/n所述服务器获取多个所述终端发送的所述第一训练模型；以及/n所述服务器将多个所述第一训练模型进行汇总，以生成第二机器学习模型。/n
【技术特征摘要】
1.一种基于机器学习的终端风险评估模型的生成方法，其特征在于，所述方法由服务器和多个终端实现，所述方法包括：
所述终端采集第一时间段内在所述终端上产生的第一数据；
所述服务器分别向每个所述终端发送第一机器学习模型；
所述终端接收所述服务器发送的所述第一机器学习模型；
所述终端使用所述第一数据对所述第一机器学习模型进行训练，以得到所述终端对应的第一训练模型；
所述终端将所述第一训练模型发送至所述服务器；
所述服务器获取多个所述终端发送的所述第一训练模型；以及
所述服务器将多个所述第一训练模型进行汇总，以生成第二机器学习模型。
2.如权利要求1所述的生成方法，其特征在于，在所述服务器将多个所述训练模型进行汇总，以生成第二机器学习模型之后，还包括：
所述终端采集第二时间段内在所述终端上产生的第二数据；其中，所述第二时间段在所述第一时间段之后，且所述第一时间段和所述第二时间段没有重合部分；
所述服务器分别向每个所述终端发送所述第二机器学习模型；
所述终端接收所述服务器发送的所述第二机器学习模型；
所述终端使用所述第二数据对所述第二机器学习模型进行训练，以得到所述终端对应的第二训练模型；
所述服务器获取多个所述终端发送的所述第二训练模型；
所述服务器将多个所述第二训练模型进行汇总，以生成第三机器学习模型。
3.如权利要求1所述的生成方法，其特征在于，所述第一训练模型包括第一训练参数集合，所述服务器获取多个所述终端发送的所述第一训练模型，包括：
所述服务器获取多个所述终端发送的所述第一训练参数集合。
4.如权利要求3所述的生成方法，其特征在于，所述服务器将多个所述第一训练模型进行汇总，以生成第二机器学习模型，包括：
所述服务器对多个所述第一训练参数集合进行汇总，以生成第二模型参数集合；
所述服务器根据所述第二模型参数集合，生成所述第二机器学习模型。
5.如权利要求1所述的生成方法，其特征在于，在所述服务器获取多个所述终端发送的所述第一训练模型之后，还包括：
所述服务器判断已经获取的所述第一训练模型的数量是否达到第一预设阈值；
若是，则所述服务器停止获取所述第一训练模型。
6.如权利要求1-5中任一项所述的方法，其特征在于，所述第二机器学习模型用于对所述终端上的移动支付操作进行风险评估。
7.一种基于机器学习的终端风险评估模型的生成系统，其特征在于，所述系统包括服务器和多个终端，
所述终端包括：
第一采集模块，用于采集第一时间段内在所述终端上产生的第一数据；
第一接收模块，用于接收所述服务器发送的第一机器...
【专利技术属性】
技术研发人员：商瑾，孙传亮，朱通，赵华，
申请(专利权)人：支付宝杭州信息技术有限公司，
类型：发明
国别省市：浙江;33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。