基于区块链的模型训练、风险预测的方法及装置制造方法及图纸

本说明书实施例提供了基于区块链的模型训练、风险预测的方法及装置。区块链中部署有第一智能合约，第一智能合约的状态中存储有接入区块链且归属于目标行业的多个业务方各自的训练样本集，训练样本中包括对应业务方的用户的用户标识、用户特征信息和用于指示该用户是否存在风险的训练标签，区块链对应的计算节点中存储有待训练的联合模型，联合模型中包括共享编码层和该多个业务方各自对应的风险预测模型，风险预测模型中包括编码层、全连接层和分类层。对于第一业务方的训练样本集中的第一样本，当其他业务方的训练样本集中均不包括与第一样本具有相同用户标识的样本时，可以基于第一样本对共享编码层和第一业务方对应的风险预测模型进行训练。风险预测模型进行训练。风险预测模型进行训练。

【技术实现步骤摘要】
基于区块链的模型训练、风险预测的方法及装置


[0001]本说明书实施例属于区块链
，尤其涉及基于区块链的模型训练、风险预测的方法及装置。

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]企业链上风控业务中，区块链技术(如基于swarm learning的3.0区块链技术)通过互联网互通的特性可以链接多个不同业务方，而每个业务方都有自己特有的训练样本集，每个训练样本都包含了其所属的业务方特有的信息。

技术实现思路

[0004]本专利技术的目的在于提供基于区块链的模型训练、风险预测的方法及装置，不仅可以提升多个业务方各自对应的风险预测模型的性能，还可以减少人力投入，降低成本。
[0005]本说明书第一方面提供一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于区块链的模型训练方法，所述区块链中部署有第一智能合约，所述第一智能合约的状态中存储有接入所述区块链且归属于目标行业的多个业务方各自的训练样本集，任意的训练样本中包括对应业务方的用户的用户标识、用户特征信息和用于指示该用户是否存在风险的训练标签，所述区块链对应的计算节点中存储有待训练的联合模型，所述联合模型中包括共享编码层和所述多个业务方各自对应的风险预测模型，所述风险预测模型中包括编码层、全连接层和分类层，所述方法应用于所述计算节点，包括：通过调用所述第一智能合约获取所述多个业务方各自的训练样本集；对于所述多个业务方中第一业务方的训练样本集中的第一样本，将所述第一样本中的用户特征信息输入所述第一业务方对应的编码层，得到该编码层输出的所述第一业务方的第一私有特征；当所述多个业务方中其他业务方各自的训练样本集中均不包括与所述第一样本具有相同用户标识的样本时，将所述第一样本中的用户特征信息输入所述共享编码层，得到所述共享编码层输出的所述目标行业的第一共享特征；将所述第一私有特征和所述第一共享特征输入所述第一业务方对应的全连接层，得到该全连接层输出的第一融合特征，并将所述第一融合特征输入所述第一业务方对应的分类层，得到该分类层输出的第一预测结果，以及基于所述第一预测结果和所述第一样本中的训练标签确定第一预测损失；基于所述第一预测损失，调整所述共享编码层和所述第一业务方对应的风险预测模型的参数。2.根据权利要求1所述的方法，还包括：当所述其他业务方中第二业务方的训练样本集中包括与所述第一样本具有相同用户标识的第二样本时，将所述第二样本中的用户特征信息输入所述第二业务方对应的编码层，得到该编码层输出的所述第二业务方的第二私有特征；将所述第一样本和所述第二样本各自的用户特征信息输入所述共享编码层，得到所述共享编码层输出的所述目标行业的第二共享特征；将所述第一私有特征和所述第二共享特征输入所述第一业务方对应的全连接层，得到该全连接层输出的第二融合特征，并将所述第二融合特征输入所述第一业务方对应的分类层，得到该分类层输出的第二预测结果，以及基于所述第二预测结果和所述第一样本中的训练标签确定第二预测损失；将所述第二私有特征和所述第二共享特征输入所述第二业务方对应的全连接层，得到该全连接层输出的第三融合特征，并将所述第三融合特征输入所述第二业务方对应的分类层，得到该分类层输出的第三预测结果，以及基于所述第三预测结果和所述第二样本中的训练标签确定第三预测损失；基于所述第二预测损失和所述第三预测损失的融合结果，调整所述共享编码层、所述第一业务方和所述第二业务方各自对应的风险预测模型的参数。3.根据权利要求1所述的方法，其中，所述计算节点中包括可信执行环境TEE单元，所述联合模型存储在所述TEE单元中，所述多个业务方各自的训练样本集均为密文形式的训练样本集；以及所述方法还包括：
所述TEE单元对所述多个业务方各自的训练样本集对应的密文解密。4.根据权利要求1所述的方法，其中，所述计算节点为所述区块链中的节点。5.根据权利要求1所述的方法，其中，所述多个业务方各自的训练样本集中各个训练样本中的用户特征信息关联于相同的字段。6.根据权利要求1所述的方法，其中，所述第一融合特征包括，对所述第一私有特征和所述第一共享特征进行相加或拼接后所得的特征。7.根据权利要求1
‑
6之一所述的方法，其中，所述区块链中还部署有第二智能合约，所述第二智能合约的状态中存储有所述联合模型；以及所述方法还包括：在所述联合模型训练完成后，向所述区块链发送用于更新所述第二智能合约的状态中的所述联合模型的交易，所述交易中包括训练完成的所述联合模型的信息。8.根据权利要求7所述的方法，其中，所述联合模型的信息为密文形式的信息。9.一种基于区块链的风险预测方法，所述区块链中部署有第二智能合约，所述第二智能合约的状态中存储有训练完成的联合模型，所述联合模型中包括共享编码层、及接入所述区块链且归属于目标行业的多个业务方各自对应的风险预测模型，所述风险预测模型中包括编码层、全连接层和分类...

【专利技术属性】
技术研发人员：孙宝林，齐翔，章鹏，
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：