一种基于联邦学习框架的策略制定方法、装置和电子设备制造方法及图纸

本发明专利技术公开了一种基于联邦学习框架的策略制定方法，包括：利用联邦学习方法构建信用评估模型，包括安装在至少一个用户客户端的信用评估子模型；获取用户信息数据；将用户信息数据代入信用评估子模型，获取评估结果，评估结果包括用户的信用评分及中间梯度；服务器获取评估结果，基于信用评分制定信用策略，并利用中间梯度对所述信用评估子模型进行修正。本发明专利技术在保护用户数据安全和用户隐私的前提下，对用户进行信用评分，制定准确的策略，并在不上传原始数据的情况下，优化迭代模型，给用户更好的用户体验。

【技术实现步骤摘要】
一种基于联邦学习框架的策略制定方法、装置和电子设备
本专利技术涉及计算机信息处理领域，具体而言，涉及一种基于联邦学习框架的策略制定方法、装置、电子设备及计算机可读介质。
技术介绍
随着互联网经济的发展，互联网+金融服务模式日益为广大用户接受，据统计，当下我国互联网金融行业规模已经超过17.8万亿元。风险控制、策略制定、营销获客等互联网金融服务业务的核心也随着大数据、人工智能等新兴技术手段的使用，得到了极大的提升。现有技术中，大多数互联网金融服务的风险控制策略是基于评分卡方式与机器学习模型相结合而制定的，这就需要尽量多的获取分析变量的维度，尽可能多的收集用户的行为信息，将其加入评分模型来提高模型精度，获取更为准确的风险评分。更具体而已，现有的建模流程是采集用户通讯录，客户端设备等原始信息然后上传到服务端进行数据处理加工，再经过离线模型训练后把训练好的模型部署在服务端对线上的申请用户进行评分，在此过程中，这些数据需要进行脱敏处理并进行保存，有一定的数据安全风险。此外，这种服务端模型，经过一段时间之后，性能通常会衰减，需要重新迭代上线本文档来自技高网...

【技术保护点】
1.一种基于联邦学习框架的策略制定方法，其特征在于，包括：/n利用联邦学习方法构建信用评估模型，所述信用评估模型包括安装在至少一个用户客户端的信用评估子模型；/n获取用户信息数据；/n将所述用户信息数据代入所述信用评估子模型，获取评估结果，所述评估结果包括所述用户的信用评分及中间梯度；/n服务器获取所述评估结果，基于所述信用评分制定信用策略，并利用所述中间梯度对所述信用评估子模型进行修正。/n

【技术特征摘要】
1.一种基于联邦学习框架的策略制定方法，其特征在于，包括：
利用联邦学习方法构建信用评估模型，所述信用评估模型包括安装在至少一个用户客户端的信用评估子模型；
获取用户信息数据；
将所述用户信息数据代入所述信用评估子模型，获取评估结果，所述评估结果包括所述用户的信用评分及中间梯度；
服务器获取所述评估结果，基于所述信用评分制定信用策略，并利用所述中间梯度对所述信用评估子模型进行修正。


2.根据权利要求1所述的方法，其特征在于，所述利用联邦学习方法构建信用评估模型进一步包括设置于服务器的联合子模型，用于基于所述中间梯度修正所述信用评估子模型的参数。


3.根据权利要求1-2中任一项所述的方法，其特征在于：所述联邦学习方法为横向联邦学习方法。


4.根据权利要求1-3中任一项所述的方法，其特征在于，所述利用联邦学习方法构建信用评估模型进一步包括：使用Tensorlfowlite框架将训练的信用评估模型文件转化为能在用户客户端运行的所述信用评估子模型文件并分发给所述用户客户端。


5.根据权利要求1-4中任一项中所述的方法，其特征在于，所述安装在至少一个用户客户端的信用评估子模型进一步包括：将所述信用评估子模型文件集成到所述用户的客户端应用中。


6.根据权利要求1-5中任一项所述的方法，其特征在于，进一步包括：对所述训练的信用评估模型文件进行差分隐私处理封装后，使用Tensorlfowlite框架转化为能在用户客户端运行的所述信用评估子模...

【专利技术属性】
技术研发人员：王垚炜，白苗君，沈赟，
申请(专利权)人：上海淇毓信息科技有限公司，
类型：发明
国别省市：上海;31