本公开提供了一种基于联邦学习模型的银企对账方法、装置、电子设备、介质和计算机程序产品。上述方法和装置可用于人工智能技术领域。基于联邦学习模型的银企对账方法包括：预先构建的联邦学习模型获取银行侧加密后的对账单信息，得到第一加密数据，其中，所述对账单信息包括企业信息和企业的交易信息；利用所述联邦学习模型的隐私求交算法，根据所述第一加密数据，从企业侧获取第二加密数据，其中，所述第二加密数据包括企业信息和企业的交易信息；对所述第一加密数据和所述第二加密数据进行对账操作，得到对账结果；以及将所述对账结果发送至银行侧和/或企业侧。发送至银行侧和/或企业侧。发送至银行侧和/或企业侧。
【技术实现步骤摘要】
银企对账方法、装置、电子设备、介质和程序产品
[0001]本公开涉及人工智能
，更具体地，涉及一种基于联邦学习模型的银企对账方法、装置、电子设备、介质和计算机程序产品。
技术介绍
[0002]在现有的银企对账业务中，银行通过与客户约定的周期，生成余额对账单，并根据监管要求，在限定的时间内，由银行对账中心的业务人员，通过电话、邮件、短信、网银或者面对面等方式，催促客户完成对账，以保障银行账户的交易安全。由于银行为保障客户的交易数据安全，都要求客户使用由银行维护的系统，或由银行专业人员参与，与客户面对面完成对账工作及对账凭证的影像收纳及管理。
技术实现思路
[0003]有鉴于此，本公开提供了一种时效性好、效率高和数据安全的基于联邦学习模型的银企对账方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
[0004]本公开的一个方面提供了一种基于联邦学习模型的银企对账方法，包括：预先构建的联邦学习模型获取银行侧加密后的对账单信息，得到第一加密数据，其中，所述对账单信息包括企业信息和企业的交易信息；利用所述联邦学习模型的隐私求交算法，根据所述第一加密数据，从企业侧获取第二加密数据，其中，所述第二加密数据包括企业信息和企业的交易信息；对所述第一加密数据和所述第二加密数据进行对账操作，得到对账结果；以及将所述对账结果发送至银行侧和/或企业侧。
[0005]根据本公开实施例的基于联邦学习模型的银企对账方法，通过联邦学习模型实现银行和企业之间的智能对账，可以节约银行和企业的时间与精力，并且可以保证对账时效。无需第三方公司的参与，可以保证数据安全及符合数据监管要求。
[0006]在一些实施例中，所述对所述第一加密数据和所述第二加密数据进行对账操作，得到对账结果，包括：将所述第一加密数据中的企业信息和企业的交易信息与所述第二加密数据中的企业信息和企业的交易信息进行匹配；当匹配一致时，得到所述对账结果为账单信息无误；以及当匹配不一致时，得到所述对账结果为账单信息异常和异常信息。
[0007]在一些实施例中，所述预先构建联邦学习模型，包括：操作S31：将获取的银行侧的第一历史加密数据和企业侧的第二历史加密数据组成第一加密数据对；操作S32：利用所述第一加密数据对训练所述联邦学习模型中设定的初始模型参数，得到训练模型参数；以及操作S35：将所述训练模型参数作为所述联邦学习模型的模型参数进行应用。
[0008]在一些实施例中，所述预先构建联邦学习模型，还包括：操作S33：将获取的银行侧的第三历史加密数据和企业侧的第四历史加密数据组成第二加密数据对；操作S34：根据所述第二加密数据对，验证所述训练模型参数；操作S35：若验证通过，则将所述训练模型参数作为所述联邦学习模型的模型参数进行应用；以及操作S36：若验证未通过，重复操作S31～操作S34，直至验证通过。
[0009]在一些实施例中，所述企业侧的第二加密数据为多个，每个所述第二加密数据包括不同的企业信息和每个企业信息对应的企业的交易信息。
[0010]在一些实施例中，所述将所述对账结果发送至银行侧和/或企业侧，包括：对所述对账结果进行加密；以及将所述加密后的对账结果发送至银行侧和/或企业侧。
[0011]本公开的另一个方面提供了一种基于联邦学习模型的银企对账装置，包括：第一获取模块，所述第一获取模块用于执行预先构建的联邦学习模型获取银行侧加密后的对账单信息，得到第一加密数据，其中，所述对账单信息包括企业信息和企业的交易信息；第二获取模块，所述第二获取模块用于执行利用所述联邦学习模型的隐私求交算法，根据所述第一加密数据，从企业侧获取第二加密数据，其中，所述第二加密数据包括企业信息和企业的交易信息；对账模块，所述对账模块用于执行对所述第一加密数据和所述第二加密数据进行对账操作，得到对账结果；以及发送模块，所述发送模块用于执行将所述对账结果发送至银行侧和/或企业侧。
[0012]本公开的另一方面提供了一种电子设备，包括一个或多个处理器以及一个或多个存储器，其中，所述存储器用于存储可执行指令，所述可执行指令在被所述处理器执行时，实现如上所述方法。
[0013]本公开的另一方面提供了一种计算机可读存储介质，存储有计算机可执行指令，所述指令在被执行时用于实现如上所述的方法。
[0014]本公开的另一方面提供了一种计算机程序产品，包括计算机程序，所述计算机程序包括计算机可执行指令，所述指令在被执行时用于实现如上所述的方法。
附图说明
[0015]通过以下参照附图对本公开实施例的描述，本公开的上述以及其他目的、特征和优点将更为清楚，在附图中：
[0016]图1示意性示出了根据本公开实施例的可以应用方法、装置的示例性系统架构；
[0017]图2示意性示出了根据本公开实施例的基于联邦学习模型的银企对账方法的流程图；
[0018]图3示意性示出了根据本公开实施例的对第一加密数据和第二加密数据进行对账操作，得到对账结果的流程图；
[0019]图4示意性示出了根据本公开实施例的预先构建联邦学习模型的流程图；
[0020]图5示意性示出了根据本公开实施例的预先构建联邦学习模型的流程图；
[0021]图6示意性示出了根据本公开实施例的将对账结果发送至银行侧和/或企业侧的流程图；
[0022]图7示意性示出了根据本公开实施例的可信架构示意图；
[0023]图8示意性示出了根据本公开实施例的基于联邦学习模型的银企对账方法的流程图；
[0024]图9示意性示出了根据本公开实施例的基于联邦学习模型的银企对账装置的框图；
[0025]图10示意性示出了根据本公开实施例的电子设备的方框图。
具体实施方式
[0026]以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本公开实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。
[0027]在本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，采取了必要保密措施，且不违背公序良俗。在本公开的技术方案中，对数据的获取、收集、存储、使用、加工、传输、提供、公开和应用等处理，均符合相关法律法规的规定，采取了必要保密措施，且不违背公序良俗。
[0028]在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
[0029]在使用类似于“A、B或C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B或C中至少一个的系统”应本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于联邦学习模型的银企对账方法，其特征在于，包括：预先构建的联邦学习模型获取银行侧加密后的对账单信息，得到第一加密数据，其中，所述对账单信息包括企业信息和企业的交易信息；利用所述联邦学习模型的隐私求交算法，根据所述第一加密数据，从企业侧获取第二加密数据，其中，所述第二加密数据包括企业信息和企业的交易信息；对所述第一加密数据和所述第二加密数据进行对账操作，得到对账结果；以及将所述对账结果发送至银行侧和/或企业侧。2.根据权利要求1所述的方法，其特征在于，所述对所述第一加密数据和所述第二加密数据进行对账操作，得到对账结果，包括：将所述第一加密数据中的企业信息和企业的交易信息与所述第二加密数据中的企业信息和企业的交易信息进行匹配；当匹配一致时，得到所述对账结果为账单信息无误；以及当匹配不一致时，得到所述对账结果为账单信息异常和异常信息。3.根据权利要求1所述的方法，其特征在于，所述预先构建联邦学习模型，包括：操作S31：将获取的银行侧的第一历史加密数据和企业侧的第二历史加密数据组成第一加密数据对；操作S32：利用所述第一加密数据对训练所述联邦学习模型中设定的初始模型参数，得到训练模型参数；以及操作S35：将所述训练模型参数作为所述联邦学习模型的模型参数进行应用。4.根据权利要求3所述的方法，其特征在于，所述预先构建联邦学习模型，还包括：操作S33：将获取的银行侧的第三历史加密数据和企业侧的第四历史加密数据组成第二加密数据对；操作S34：根据所述第二加密数据对，验证所述训练模型参数；操作S35：若验证通过，则将所述训练模型参数作为所述联邦学习模型的模型参数进行应用；以及操作S36：若验证未通过...
【专利技术属性】
技术研发人员：赵磬，顾佳骏，夏翠翠，
申请(专利权)人：中国工商银行股份有限公司，
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。