【技术实现步骤摘要】
联邦学习建模优化方法、电子设备、介质及程序产品
[0001]本申请涉及金融科技(Fintech)的人工智能
，尤其涉及一种联邦学习建模优化方法、电子设备、介质及程序产品。
技术介绍
[0002]随着金融科技，尤其是互联网科技金融的不断发展，越来越多的技术(如分布式、人工智能等)应用在金融领域，但金融业也对技术提出了更高的要求，如对金融业对应待办事项的分发也有更高的要求。
[0003]随着人工智能的不断发展，神经网络的类型也越来越丰富，图神经网络作为一种深度学习技术主要应用在存在图关系数据的场景之中，而图神经网络在用户特征数据(用户节点数据)之外，还引入了关系链数据(用户与用户之间的连接边数据)。但是在许多应用场景中，用户特征数据和关系链数据通常并不被单一方所持有，例如具备社交熟悉的公司掌握着关系链数据，而普通的商业公司常常只能得到用户本身的特征数据。目前为了联合关系链数据和用户特征数据构建图嵌入特征提取模型，通常需要具备关系链数据的一方向具备用户特征数据的一方共享数据，但是对于具备关系链数据一方来讲，关系链数据...
【技术保护点】
【技术特征摘要】
1.一种联邦学习建模优化方法，其特征在于，应用于第一方，所述联邦学习建模优化方法包括：获取图嵌入特征提取模型和各目标用户对应的用户节点的用户数据，其中，所述目标用户为所述第一方与第二方之间的交集用户；将各所述用户数据作为所述图嵌入特征提取模型的第一层神经网络的输入，生成各所述用户节点对应的用户中间特征；依据各所述用户中间特征，在加密状态下向所述第二方请求获取各所述用户节点的所有邻居节点的邻居节点聚合特征；分别将各所述用户中间特征和对应的邻居节点聚合特征作为所述图嵌入特征提取模型的下一层神经网络的输入，重新生成各所述用户节点对应的用户中间特征；返回执行步骤：依据各所述用户中间特征，在加密状态下向所述第二方请求获取各所述用户节点的所有邻居节点的邻居节点聚合特征，直至得到所述图嵌入特征提取模型的最后一层神经网络输出的各用户中间特征，将得到的所述各用户中间特征作为目标图嵌入特征；根据各所述目标图嵌入特征，得到所述图嵌入特征提取模型对应的联邦图嵌入特征提取模型。2.如权利要求1所述联邦学习建模优化方法，其特征在于，所述分别将各所述用户中间特征和对应的邻居节点聚合特征作为所述图嵌入特征提取模型的下一层神经网络的输入，重新生成各所述用户节点对应的用户中间特征的步骤包括：分别对各所述用户中间特征和对应的邻居节点聚合特征进行特征拼接，得到各拼接特征；将各所述拼接特征分别输入所述图嵌入特征提取模型的下一层神经网络，得到各所述用户节点对应的神经网络输出；通过分别对各所述神经网络输出进行归一化，重新生成各所述用户节点对应的用户中间特征。3.如权利要求1所述联邦学习建模优化方法，其特征在于，所述依据各所述用户中间特征，在加密状态下向所述第二方请求获取各所述用户节点的所有邻居节点的邻居节点聚合特征的步骤包括：将各所述用户中间特征同态加密为密态用户中间特征；将各所述密态用户中间特征发送至所述第二方，以供所述第二方根据各所述目标用户共同对应的用户关系链数据和各所述密态用户中间特征，分别将各所述用户节点的所有邻居节点对应的密态用户中间特征加密聚合为密态邻居节点聚合特征；接收所述第二方发送的各密态邻居节点聚合特征，分别对各所述密态邻居节点聚合特征进行解密，得到各所述邻居节点聚合特征。4.如权利要求1所述联邦学习建模优化方法，其特征在于，在所述根据各所述目标图嵌入特征，得到所述图嵌入特征提取模型对应的联邦图嵌入特征提取模型的步骤之后，所述联邦学习建模优化方法还包括：获取待预测用户对应的目标用户节点上的待预测用户数据；提取所述目标用户节点所有邻居节点共同对应的邻居节点聚合特征集合，其中，所述
邻居节点聚合特征集合在所述目标图嵌入特征提取模型的训练过程中产生；通过将所述待预测用户数据和所述邻居节点聚合特征集合作为所述目标图嵌入特征提取模型的输入，对所述待预测用户数据进行基于联邦学习的特征提取，得到所述目标用户节点对应的待预测图嵌入特征；通过将所述待预测图嵌入特征输入预设样本预测模型，对所述待预测用户特征进行样本预测，得到目标预测结果。5.如权利要求4所述联邦学习建模优化方法，其特征在于，所述目标图嵌入特征提取模型包括输入层和各隐藏层，所述邻居节点聚合特征集合至少包括一隐藏层对应的邻居节点聚合特征，所述通过将所述待预测用户数据和所述邻居节点聚合特征集合作为所述目标图嵌入特征提取模型的输入，对所述待预测用户数据进行基于联邦学习的特征提取，得到所述目标用户节点对应的待预测图嵌入特征的...
【专利技术属性】
技术研发人员：魏文斌，范涛，
申请(专利权)人：深圳前海微众银行股份有限公司，
类型：发明
国别省市：
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。