风险识别模型的训练方法、装置、设备及存储介质制造方法及图纸

本申请实施例提供一种风险识别模型的训练方法、装置、设备及存储介质。该方法应用于训练服务器，包括：接收机构服务器发送的多个用户的第一用户标识和用户标签；向第一用户标识对应的终端设备发送预设风险识别模型的第一模型参数，以用于终端设备根据第一模型参数和使用数据，计算并加密用户的使用特征参数，得到加密使用特征参数；向机构服务器发送预设风险识别模型的第二模型参数，以用于机构服务器根据第二模型参数和多个用户的交易数据，计算多个用户的交易特征参数；根据多个用户的加密使用特征参数、交易特征参数和用户标签，训练预设风险识别模型，得到目标风险识别模型。如此可以充分保护用户隐私。此可以充分保护用户隐私。此可以充分保护用户隐私。

【技术实现步骤摘要】
风险识别模型的训练方法、装置、设备及存储介质


[0001]本申请涉及深度学习
，尤其涉及一种风险识别模型的训练方法、装置、设备及存储介质。

技术介绍

[0002]随着终端设备的应用范围越来越广，终端设备的使用数据可以辅助相关机构对用户进行风险识别。例如，金融机构可以基于终端设备的应用安装数据或者应用卸载数据识别用户是否存在欺诈行为。
[0003]目前，传统的风险识别方法通常是将终端设备的使用数据上传至机构服务器，由机构服务器根据基于使用数据训练预设模型，得到风险识别模型，然后通过风险识别模型对用户进行风险识别。但是，上传至机构服务器的使用数据存在泄漏的风险，不利于保护用户隐私。

技术实现思路

[0004]本申请实施例提供了一种风险识别模型的训练方法、装置、设备及存储介质，能够充分保护用户隐私。
[0005]第一方面，本申请实施例提供一种风险识别模型的训练方法，该方法应用于训练服务器，包括：
[0006]接收机构服务器发送的多个用户的第一用户标识和用户标签；
[0007]向每个第一用户标识对应的终端设备发送预设风险识别模型的第一模型参数，以用于终端设备根据第一模型参数和用户使用终端设备的使用数据，计算用户的使用特征参数，并加密使用特征参数，得到加密使用特征参数；
[0008]向机构服务器发送预设风险识别模型的第二模型参数，以用于机构服务器根据第二模型参数和多个用户的交易数据，计算多个用户的交易特征参数；
[0009]接收每个第一用户标识对应的终端设备发送的用户的加密使用特征参数，以及机构服务器发送的多个用户的交易特征参数；
[0010]根据多个用户的加密使用特征参数、交易特征参数和用户标签，训练预设风险识别模型，得到目标风险识别模型。
[0011]第二方面，本申请实施例提供一种风险识别模型的训练方法，该方法应用于机构服务器，包括：
[0012]获取多个用户的第一用户标识、用户标签和交易数据；
[0013]向训练服务器发送多个用户的第一用户标识和用户标签，以用于训练服务器向每个第一用户标识对应的终端设备发送预设风险识别模型的第一模型参数，以用于终端设备根据第一模型参数和用户使用终端设备的使用数据，计算用户的使用特征参数，并加密使用特征参数，得到加密使用特征参数，向训练服务器发送加密使用特征参数；
[0014]接收训练服务器发送的预设风险识别模型的第二模型参数；
[0015]根据第二模型参数和多个用户的交易数据，计算多个用户的交易特征参数；
[0016]向训练服务器发送多个用户的交易特征参数，以用于训练服务器根据多个用户的加密使用特征参数、交易特征参数和用户标签，训练预设风险识别模型，得到目标风险识别模型。
[0017]第三方面，本申请实施例提供一种风险识别模型的训练方法，该方法应用于终端设备，包括：
[0018]接收训练服务器发送的预设风险识别模型的第一模型参数；
[0019]根据第一模型参数和用户使用终端设备的使用数据，计算用户的使用特征参数，并加密使用特征参数，得到加密使用特征参数；
[0020]向训练服务器发送加密使用特征参数，以用于训练服务器根据多个终端设备发送的加密使用特征参数、每个终端设备对应的用户的交易特征参数和用户标签，训练预设风险识别模型，得到目标风险识别模型，其中，交易特征参数是机构服务器根据训练服务器发送的预设风险识别模型的第二模型参数，以及用户的交易数据，计算得到。
[0021]第四方面，本申请实施例提供一种风险识别方法，该方法应用于训练服务器，包括：
[0022]接收终端设备发送的目标用户的加密使用特征参数，以及机构服务器发送的目标用户的交易特征参数，其中，目标用户的加密使用特征参数是终端设备根据目标风险识别模型的第一模型参数和目标用户使用终端设备的使用数据，计算目标用户的使用特征参数，并加密目标用户的使用特征参数得到，目标用户的交易特征参数是机构服务器根据目标风险识别模型的第二模型参数和目标用户的交易数据，计算得到，目标风险识别模型基于第一方面、第二方面或者第三方面所述的风险识别模型的训练方法得到；
[0023]基于目标用户的加密使用特征参数、交易特征参数和目标风险识别模型对目标用户进行风险识别，得到风险识别结果。
[0024]第五方面，本申请实施例提供一种风险识别模型的训练装置，该装置应用于训练服务器，包括：
[0025]接收模块，用于接收机构服务器发送的多个用户的第一用户标识和用户标签；
[0026]发送模块，用于向每个第一用户标识对应的终端设备发送预设风险识别模型的第一模型参数，以用于终端设备根据第一模型参数和用户使用终端设备的使用数据，计算用户的使用特征参数，并加密使用特征参数，得到加密使用特征参数；
[0027]发送模块，还用于向机构服务器发送预设风险识别模型的第二模型参数，以用于机构服务器根据第二模型参数和多个用户的交易数据，计算多个用户的交易特征参数；
[0028]接收模块，还用于接收每个第一用户标识对应的终端设备发送的用户的加密使用特征参数，以及机构服务器发送的多个用户的交易特征参数；
[0029]训练模块，用于根据多个用户的加密使用特征参数、交易特征参数和用户标签，训练预设风险识别模型，得到目标风险识别模型。
[0030]第六方面，本申请实施例提供一种风险识别模型的训练装置，该装置应用于机构服务器，包括：
[0031]获取模块，用于获取多个用户的第一用户标识、用户标签和交易数据；
[0032]发送模块，用于向训练服务器发送多个用户的第一用户标识和用户标签，以用于
训练服务器向每个第一用户标识对应的终端设备发送预设风险识别模型的第一模型参数，以用于终端设备根据第一模型参数和用户使用终端设备的使用数据，计算用户的使用特征参数，并加密使用特征参数，得到加密使用特征参数，向训练服务器发送加密使用特征参数；
[0033]接收模块，用于接收训练服务器发送的预设风险识别模型的第二模型参数；
[0034]计算模块，用于根据第二模型参数和多个用户的交易数据，计算多个用户的交易特征参数；
[0035]发送模块，用于向训练服务器发送多个用户的交易特征参数，以用于训练服务器根据多个用户的加密使用特征参数、交易特征参数和用户标签，训练预设风险识别模型，得到目标风险识别模型。
[0036]第七方面，本申请实施例提供一种风险识别模型的训练装置，该装置应用于终端设备，包括：
[0037]接收模块，用于接收训练服务器发送的预设风险识别模型的第一模型参数；
[0038]计算模块，用于根据第一模型参数和用户使用终端设备的使用数据，计算用户的使用特征参数，并加密使用特征参数，得到加密使用特征参数；
[0039]发送模块，用于向训练服务器发送加密使用特征参数，以用于训练服务器根据多个终端设备发送的加密使用特征参数、每个终端设备对应的用户本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种风险识别模型的训练方法，其特征在于，所述方法应用于训练服务器，包括：接收机构服务器发送的多个用户的第一用户标识和用户标签；向每个第一用户标识对应的终端设备发送预设风险识别模型的第一模型参数，以用于所述终端设备根据所述第一模型参数和所述用户使用所述终端设备的使用数据，计算所述用户的使用特征参数，并加密所述使用特征参数，得到加密使用特征参数；向所述机构服务器发送所述预设风险识别模型的第二模型参数，以用于所述机构服务器根据所述第二模型参数和所述多个用户的交易数据，计算所述多个用户的交易特征参数；接收每个第一用户标识对应的终端设备发送的所述用户的加密使用特征参数，以及所述机构服务器发送的所述多个用户的交易特征参数；根据所述多个用户的加密使用特征参数、交易特征参数和用户标签，训练所述预设风险识别模型，得到目标风险识别模型。2.根据权利要求1所述的方法，其特征在于，所述向每个第一用户标识对应的终端设备发送预设风险识别模型的第一模型参数，包括：接收与所述训练服务器连接的多个终端设备发送的第二用户标识；在第二用户标识与所述第一用户标识相同的情况下，向发送第二用户标识的终端设备发送所述预设风险识别模型的第一模型参数。3.根据权利要求1或2所述的方法，其特征在于，所述根据所述多个用户的加密使用特征参数、交易特征参数和用户标签，训练所述预设风险识别模型，得到目标风险识别模型，包括：将所述多个用户的加密使用特征参数、交易特征参数和用户标签，输入所述预设风险识别模型的损失函数，计算模型损失值；在所述模型损失值大于预设损失阈值的情况下，迭代更新所述第一模型参数和所述第二模型参数，计算参数更新后的模型损失值；在参数更新后的模型损失值小于或等于所述预设损失阈值，或者模型迭代次数达到预设迭代次数的情况下，得到所述目标风险识别模型。4.一种风险识别模型的训练方法，其特征在于，所述方法应用于机构服务器，包括：获取多个用户的第一用户标识、用户标签和交易数据；向训练服务器发送所述多个用户的第一用户标识和用户标签，以用于所述训练服务器向每个第一用户标识对应的终端设备发送预设风险识别模型的第一模型参数，以用于所述终端设备根据所述第一模型参数和所述用户使用所述终端设备的使用数据，计算所述用户的使用特征参数，并加密所述使用特征参数，得到加密使用特征参数，向所述训练服务器发送所述加密使用特征参数；接收所述训练服务器发送的所述预设风险识别模型的第二模型参数；根据所述第二模型参数和所述多个用户的交易数据，计算所述多个用户的交易特征参数；向所述训练服务器发送所述多个用户的交易特征参数，以用于所述训练服务器根据所述多个用户的加密使用特征参数、交易特征参数和用户标签，训练所述预设风险识别模型，得到目标风险识别模型。
5.根据权利要求4所述的方法，其特征在于，所述根据所述第二模型参数和所述多个用户的交易数据，计算所述多个用户的交易特征参数，包括：对所述多个用户的交易数据进行特征提取，得到所述多个用户的交易特征；根据所述第二模型参数和所述多个用户的交易特征，计算所述多个用户的交易特征参数。6.一种风险识别模型的训练方法，其特征在于，所述方法应用于终端设备，包括：接收训练服务器发送的预设风险识别模型的第一模型参数；根据所述第一模型参数和用户使用所述终端设备的使用数据，计算所述用户的使用特征参数，并加密所述使用特征参数，得到加密使用特征参数；向所述训练服务器发送所述加密使用特征参数，以用于所述训练服务器根据多个终端设备发送的加密使用特征参数、每个终端设备对应的用户的交易特征参数和用户标签，训练所述预设风险识别模型，得到目标风险识别模型，其中，所述交易特征参数是机构服务器根据所述训练服务器发送的预设风险识别模型的第二模型参数，以及所述用户的交易数据，计算得到。7.根据权利要求6所述的方法，其特征在于，所述根据所述第一模型参数和用户使用所述终端设备的使用数据，计算所述用户的使用特征参数，包括：对所述使用数据进行特征提取，得到所述使用数据的使用特征；根据所述第一模型参数和所述使用特征，计算所述用户的使用特征参数。8.一种风险识别方法，其特征在于，所述方法应用于训练服务器，包括：接收终端设备发送的目标用户的加密使用特征参数，以及机构服务器发送的所述目标用户的交易特征参数，其中，所述目标用户的加密使用特征参数是所述终端设备根据目标风险识别模型的第一模型参数和所述目标用户使用所述终端设备的使用数据，计算所述目标用户的使用特征参数，并加密所述目标用户的使用特征参数得到，所述目标用户的交易特征参数是所述机构服务器根据目标风险识别模型的第二模型参数和所述目标...

【专利技术属性】
技术研发人员：雍若兰，
申请(专利权)人：上海钐昆网络科技有限公司，
类型：发明
国别省市：