一种风险预测方法、装置及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方法、装置及设备，所述方法包括：通过从区块链系统中获取待预测企业的具有时间顺序的风险标签序列，将所述风险标签序列输入训练完成的隐马尔可夫模型中，得到对于所述待预测企业的经营状态的预测结果；预测结果中包括每个风险对应的预测概率，将预测概率达到预设阈值的风险作为所述待预测企业的预测风险，将预测得到的预测风险发送给相关用户。测风险发送给相关用户。测风险发送给相关用户。

【技术实现步骤摘要】
一种风险预测方法、装置及设备


[0001]本申请涉及计算机
，尤其涉及一种风险预测方法、装置及设备。

技术介绍

[0002]区块链（Blockchain）是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链系统中按照时间顺序将数据区块以顺序相连的方式组合成链式数据结构，并以密码学方式保证的不可篡改和不可伪造的分布式账本。由于区块链具有去中心化、信息不可篡改、自治性等特性，区块链也受到人们越来越多的重视和应用。
[0003]风险预测是指在工作之前对工作过程中以及工作结果可能出现的事物异常进行预测制订对策从而预防事故发生的一种措施。风险预测是风险管理的重要组成部分，它是风险规避即控制的基础。

技术实现思路

[0004]本说明书实施例提供一种风险预测方法、装置及设备，以提前预测企业风险，提高链上风控能力。
[0005]为解决上述技术问题，本说明书实施例是这样实现的：本说明书实施例提供的一种风险预测方法，所述方法应用于区块链系统，所述方法包括：获取待预测企业的风险标签序列；所述风险标签序列中包括具有时间顺序的风险标签；所述风险标签序列存储在区块链系统中；所述风险标签用于表示所述待预测企业已产生的经营状态；将所述风险标签序列输入训练完成的隐马尔可夫模型中，得到对于所述待预测企业的经营状态的预测结果；所述预测结果中包括每个风险对应的预测概率；将所述预测概率达到预设阈值的风险作为所述待预测企业的预测风险。
[0006]本说明书实施例提供的一种风险预测装置，包括：风险标签序列获取模块，用于获取待预测企业的风险标签序列；所述风险标签序列中包括具有时间顺序的风险标签；所述风险标签序列存储在区块链系统中；所述风险标签用于表示所述待预测企业已产生的经营状态；预测模块，用于将所述风险标签序列输入训练完成的隐马尔可夫模型中，得到对于所述待预测企业的经营状态的预测结果；所述预测结果中包括每个风险对应的预测概率；预测风险确定模块，用于将所述预测概率达到预设阈值的风险作为所述待预测企业的预测风险。
[0007]本说明书实施例提供的一种风险预测设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；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：获取待预测企业的风险标签序列；所述风险标签序列中包括具有时间顺序的风险标签；所述风险标签序列存储在区块链系统中；所述风险标签用于表示所述待预测企业已产生的经营状态；将所述风险标签序列输入训练完成的隐马尔可夫模型中，得到对于所述待预测企业的经营状态的预测结果；所述预测结果中包括每个风险对应的预测概率；将所述预测概率达到预设阈值的风险作为所述待预测企业的预测风险。
[0008]本说明书实施例提供的一种计算机可读介质，其上存储有计算机可读指令，所述计算机可读指令可被处理器执行以实现一种风险预测方法。
[0009]本说明书一个实施例实现了能够达到以下有益效果：通过获取待预测企业的风险标签序列；所述风险标签序列中包括具有时间顺序的风险标签；所述风险标签序列存储在区块链系统中；所述风险标签用于表示所述待预测企业已产生的经营状态；将所述风险标签序列输入训练完成的隐马尔可夫模型中，得到对于所述待预测企业的经营状态的预测结果；所述预测结果中包括每个风险对应的预测概率；将所述预测概率达到预设阈值的风险作为所述待预测企业的预测风险。上述方法，基于HMM模型，根据从区块链上获取的风险标签序列，可准确预估待预测企业的风险后续发展，然后对企业风险进行综合评估，提高链上风控能力，及早预警企业风险，从而有效预防企业的后续风险发展。
附图说明
[0010]为了更清楚地说明本说明书实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0011]图1是本说明书实施例提供的一种风险预测方法的系统架构图；图2是本说明书实施例提供的一种风险预测方法的流程示意图；图3是本说明书实施例提供的一种风险预测方法的泳道示意图；图4是本说明书实施例提供的一种风险预测装置的结构示意图；图5是本说明书实施例提供的一种风险预测设备的结构示意图。
具体实施方式
[0012]为使本说明书一个或多个实施例的目的、技术方案和优点更加清楚，下面将结合本说明书具体实施例及相应的附图对本说明书一个或多个实施例的技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本说明书的一部分实施例，而不是全部的实施例。基于本说明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本说明书一个或多个实施例保护的范围。
[0013]以下结合附图，详细说明本说明书各实施例提供的技术方案。
[0014]链上风控，指在区块链上提供企业风控监测。
[0015]现有技术中，提前预测重大风险，提高链上风控的核心能力。现有的链下风控场景中，风控系统需要从各个企业中拿取数据，然后综合训练风控模型。然而，在实际应用中，出
于数据隐私保护，想要拿到各个企业在多个主体存在的数据是比较困难的，因此，现有方案中，链下风控模型的数据覆盖率比较低，风控能力比较弱。而链上风控场景中，一般采用分类模型，通过历史事件进行分类汇总，链上风控的关键，是尽可能早的发现监控企业风险。但风险存在一定延迟，传统链上风控，仅针对风控企业，监测企业风险，极其依赖事件的时效性，无法对后续事件发展（态势）进行预估。这就会导致风控仅能针对当前链上企业的风险 ，给出风险等级的判断，未能捕捉企业事件发展的趋势。
[0016]为了解决现有技术中的缺陷，本说明书实施例中提供的风险预测方案中，基于HMM极大似然估计，学习链上事件链条通用分布，统计出企业事件演变的内在规律，提前预测重大风险，提高链上风控的核心能力。
[0017]图1是本说明书实施例提供的一种风险预测方法的系统架构图。如图1所示，本说明书实施例提供的一种风险预测方法实施例，可以包括图1中的角色：区块链系统101、各个用户103，用户可以包括企业、机构或个人，机构如监管机构。区块链系统101可以直接获取区块链系统中其他节点对应的风险标签，从而基于这些风险标签完成一定的处理工作，如完成企业即将发生的风险预测。各个用户103可以入驻到区块链系统101中，通过调用区块链系统101中的智能合约，可以在可信的安全计算环境中执行预定的规则，从而完成例如预测企业风险的操作。
[0018]接下来，将针对说明书实施例提供的一种风险预测方法结合附图进行具体说明：图2是本说明书实施例提供的一种风险预测方法的流程示意图。从程序角度而言，流程的执行主体可以为搭载于应用服务器的程序或应用客户端。在本说明书实施例中，执行主体可以是风险预测系统、风险监管平台，也本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种风险预测方法，所述方法包括：获取待预测企业的风险标签序列；所述风险标签序列中包括具有时间顺序的风险标签；所述风险标签序列存储在区块链系统中；所述风险标签用于表示所述待预测企业已产生的经营状态；将所述风险标签序列输入训练完成的隐马尔可夫模型中，得到对于所述待预测企业的经营状态的预测结果；所述预测结果中包括每个风险对应的预测概率；将所述预测概率达到预设阈值的风险作为所述待预测企业的预测风险。2.根据权利要求1所述的方法，所述获取待预测企业的风险标签序列，具体包括：获取待预测企业的标识信息；基于所述标识信息，根据所述标识信息与风险标签之间的映射关系，从所述区块链系统中获取所述标识信息对应的风险标签集合；所述标识信息与风险标签之间的映射关系信息存储在所述区块链系统中；按照所述风险标签的时间戳对所述风险标签集合中的风险标签进行排序，得到所述风险标签序列。3.根据权利要求1所述的方法，还包括：当所述预测概率达到预设阈值的风险有多种时，将所述预测概率最大的风险确定为所述待预测企业的预测风险。4.根据权利要求1所述的方法，所述将所述预测概率达到预设阈值的风险作为所述待预测企业的预测风险之后，还包括：确定所述风险的风险等级；根据所述风险等级生成与所述风险等级相对应的提示信息。5.根据权利要求4所述的方法，所述根据所述风险等级生成与所述风险等级相对应的提示信息，具体包括：当所述风险等级属于低风险时，向所述待预测企业发送第一提示信息；所述第一提示信息用于提示所述待预测企业确定自身风险，并进行相应调整。6.根据权利要求4所述的方法，所述根据所述风险等级生成与所述风险等级相对应的提示信息，具体包括：当所述风险等级属于高风险时，生成第二提示信息；所述第二提示信息为报警信息；将所述报警信息发送给所述待预测企业的相关企业；或，当所述风险等级属于高风险时，生成高危风险标签，对所述待预测企业进行标识。7.根据权利要求1所述的方法，所述将所述风险标签序列输入训练完成的隐马尔可夫模型中，得到对于所述待预测企业的经营状态的预测结果之前，还包括：从区块链系统中获取多家企业的风险标签序列训练样本；根据初始概率，初始化隐马尔可夫模型的参数；将所述风险标签序列训练样本输入所述隐马尔可夫模型中进行训练，得到训练后的隐马尔可夫模型；根据所述训练后的隐马尔可夫模型输出的风险与真实风险之间的差异调整所述训练后的隐马尔可夫模型的模型参数，得到训练完成的隐马尔可夫模型。8.根据权利要求7所述的方法，所述将所述风险标签序列训练样本输入隐马尔可夫模
型中进行训练，具体包括：通过维特比算法，根据所述风险标签序列训练样本，计算状态转移概率矩阵、观测向量的概率矩阵、状态数以及观测符号数，以确定不同风险标签之间的关系分布。9.根据权利要求7所述的方法，所述区块链系统中部署有智能合约，所述智能合约用于执行训练所述隐马尔可夫模型的步骤。10.根据权利要求7所述的方法，所述方法还包括：生成用于证明所述风险标签序列训练样本的可信性的可验证声明，并将所述可验证声明发送至所述区块链系统中进行存储。11.根据权利要求7所述的方法，所述根据所述训练后的隐马尔可夫模型输出的风险与真实风险之间的差异调整所述训练后的隐马尔可夫模型的模型参数，得到训练完成的隐马尔可夫模型之后，还包括：将所述训练完成的隐马尔可夫模型存储在所述区块链系统中。12.根据权利要求1所述的方法，所述将所述预测概率达到预设阈值的风险作为所述待预测企业的预测风险之后，还包括：将所述待预测企业的预测风险进行加密，存储到区块链系统中；所述区块链系统中还存储有所述待预测企业的标识信息与所述风险之间的映射关系。13.根据权利要求12所述的方法，还包括：接收风险查询请求；所述查询请求中包括需查询企业的标识信息；基于所述映射关系，从区块链系统中确定所述标识信息对应的加密后的风险；对所述加密后的风险进行解密，得到解密后的预测风险；将所述解密后的预测风险推送给所述查询请求的发送方。14.一种风险预测装置，包括：风险标签序列获取模块，用于获取待预测企业的风险标签序列；所述风险标签序列中包括具有时间顺序的风险标签；所述风险标签序列存储在区块链系统中；所述风险标签用于表示所述待预测企业已产生的经营状态；预测模块，用于将所述风险标签序列输入训练完成的隐马尔可夫模型中，得到对于所述待预测企业的经营状态的预测结果；所述预测结果中包括每个风险对应的预测概率；预测风险确定模块，用于将...

【专利技术属性】
技术研发人员：孙宝林，
申请(专利权)人：蚂蚁区块链科技上海有限公司，
类型：发明
国别省市：