风险预测和风险预测模型的训练方法、装置及电子设备制造方法及图纸

本说明书实施例公开了一种风险预测和风险预测模型的训练方法、装置及电子设备，该方法包括：获取与目标用户的用户标识对应的第一私有数据和第二私有数据；将所述第一私有数据输入到第一风险等级预测模型中，预测得到所述目标用户的第一风险等级；将所述第一私有数据和所述第二私有数据输入到第二风险等级预测模型中，预测得到所述目标用户的第二风险等级，所述第二风险等级预测模型为基于目标群体用户的私有数据及对应的标签、通过纵向联邦学习训练得到的，所述目标群体用户的私有数据对应的标签为目标群体用户在第一风险预测模型对应的拟合误差；基于所述第一风险等级和所述第二风险等级，预测所述目标用户的风险等级。

Training methods, devices and electronic equipment of risk prediction and risk prediction models

【技术实现步骤摘要】
风险预测和风险预测模型的训练方法、装置及电子设备
本文件涉及计算机软件
，尤其涉及一种风险预测和风险预测模型的训练方法、装置及电子设备。
技术介绍
目前，具备完善的风险识别能力的企业在对外赋能时，往往希望能够帮助银行、独立软件开发商(ISV，IndependentSoftwareVendors)等其他机构，准确识别用户或商户在风险场景中的风险等级。现有的方案，往往是使用上述具备完善的风险识别能力的企业的大数据，针对其所有用户和商户训练得到一个风险预测模型，并将该风险预测模型针对其他机构的用户或商户的识别结果输出给对应的机构。然而，上述方式在识别其他机构的用户或商户的风险等级时，由于缺乏其他机构本身的个性化数据，可能会出现识别准确率较低的情况。因此，如何充分利用一些已有数据，训练得到识别准确率较高的风险预测模型，仍然需要进一步的解决方案。
技术实现思路
本说明书实施例的目的是提供一种风险预测和风险预测模型的训练方法、装置及电子设备，以提高风险预测模型的识别准确率。为解决上述技术问题，本说明书实施例是这样实本文档来自技高网...

【技术保护点】
1.一种风险预测方法，包括：/n从赋能机构的用户数据库中获取与目标用户的用户标识对应的第一私有数据、以及从目标机构的用户数据库中获取与所述目标用户的用户标识对应的第二私有数据；/n将所述第一私有数据输入到第一风险等级预测模型中，预测得到所述目标用户的第一风险等级，所述第一风险等级预测模型为基于赋能机构的用户的私有数据通过同构迁移训练得到的；/n将所述第一私有数据和所述第二私有数据输入到第二风险等级预测模型中，预测得到所述目标用户的第二风险等级，所述第二风险等级预测模型为基于目标群体用户的私有数据及对应的标签、通过纵向联邦学习训练得到的，所述目标群体用户的私有数据对应的标签为目标群体用户在第一风...

【技术特征摘要】
1.一种风险预测方法，包括：
从赋能机构的用户数据库中获取与目标用户的用户标识对应的第一私有数据、以及从目标机构的用户数据库中获取与所述目标用户的用户标识对应的第二私有数据；
将所述第一私有数据输入到第一风险等级预测模型中，预测得到所述目标用户的第一风险等级，所述第一风险等级预测模型为基于赋能机构的用户的私有数据通过同构迁移训练得到的；
将所述第一私有数据和所述第二私有数据输入到第二风险等级预测模型中，预测得到所述目标用户的第二风险等级，所述第二风险等级预测模型为基于目标群体用户的私有数据及对应的标签、通过纵向联邦学习训练得到的，所述目标群体用户的私有数据对应的标签为目标群体用户在第一风险预测模型对应的拟合误差；
基于所述第一风险等级和所述第二风险等级，预测所述目标用户的风险等级；
其中，所述目标群体用户为所述赋能机构和所述目标机构的共同用户，所述目标群体用户的私有数据包括所述目标群体用户在所述赋能机构中的私有数据、和所述目标群体用户在目标机构中的私有数据。


2.如权利要求1所述的方法，基于所述第一风险等级和所述第二风险等级，确定所述目标用户的风险等级，包括：
通过加法模型基于所述第一风险等级和所述第二风险等级，确定所述目标用户的风险等级。


3.一种风险预测模型的训练方法，包括：
获取赋能机构的用户的私有数据和目标群体用户的私有数据，其中，所述目标群体用户为所述赋能机构和目标机构的共同用户，所述目标群体用户的私有数据包括所述目标群体用户在所述赋能机构中的私有数据、和所述目标群体用户在目标机构中的私有数据，所述赋能机构的用户包括所述目标群体用户；
基于所述赋能机构的用户的私有数据，通过同构迁移训练得到第一风险预测模型；
基于所述目标群体用户的私有数据及对应的标签，通过纵向联邦学习训练得到第二风险预测模型，所述目标群体用户的私有数据对应的标签为目标群体用户在第一风险预测模型对应的拟合误差；
其中，所述第一风险预测模型和所述第二风险预测模型用于联合识别用户的风险等级。


4.如权利要求3所述的方法，基于所述赋能机构的用户的私有数据，通过同构迁移训练得到第一风险预测模型，包括：
获取所述赋能机构中所述目标群体用户的私有数据；
基于所述赋能机构的用户的私有数据和所述赋能机构中所述目标群体用户的私有数据，通过同构迁移训练得到所述第一风险预测模型。


5.如权利要求4所述的方法，基于所述目标群体用户的私有数据及对应的标签，通过纵向联邦学习训练得到第二风险预测模型，包括：
基于所述第一风险预测模型对测试数据的预测值和所述测试数据对应的真实值，获取所述第一风险预测模型的拟合误差；
基于所述目标群体用户的私有数据，通过纵向联邦学习训练得到第二风险预测模型，直到所述第二风险预测模型的预测值逼近所述第一风险预测模型的拟合误差。


6.一种风险预测装置，包括：
获取单元，从赋能机构的用户数据库中获取与目标用户的用户标识对应的第一私有数据、以及从目标机构的用户数据库中获取与所述目标用户的用户标识对应的第二私有数据；
第一预测单元，将所述第一私有数据输入到第一风险等级预测模型中，预测得到所述目标用户的第一风险等级，所述第一风险等级预测模型为基于赋能机构的用户的私有数据通过同构迁移训练得到的；
第二预测单元，将所述第一私有数据和所述第二私有数据输入到第二风险等级预测模型中，预测得到所述目标用户的第二风险等级，所述第二风险等级预测模型为基于目标群体用户的私有数据及对应的标签、通过纵向联邦学习训练得到的，所述目标群体用户的私有数据对应的标签为目标群体用户在第一风险预测模型对应的拟合误差；
第三预测单元，基于所述第一风险等级和所述第二风险等级，预测所述目标用户的风险等级；
其中，所述目标群体用户为所述赋能机构和所述目标机构的共同用户，所述目标群体用户的私有数据包括所述目标群体用户在所述赋能机构中的私有数据、和所述目标群体用户在目标机构中的私有数据。


7.一种风险预测模型的训练装置，包括：
数据获取单元，获取赋能机构的用户的私有数据和目标群体用户的私有数据，其中，所述目标群体用户为所述赋能机构和目标机构的共同用户，所述目标群体用户的私有数据包括所述目标群体用户在所述赋能机构中的私有数据、和所述目标群体用户在目标机构中的私有数据，所述赋能机构的用户包括所述目标群体用户；
第一训练单元，基于所述赋能机构的用户的私有数据，通过同构迁移训练得到第一风险预测模型；

【专利技术属性】
技术研发人员：陆梦倩，
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