风险评估方法、装置、计算机设备和存储介质制造方法及图纸

本公开涉及金融数据处理技术领域，具体公开了一种风险评估方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：接收基于资源申请平台触发的资源申请，资源申请中携带有申请方提供的资源申请数据；将资源申请数据以及申请方在资源提供方的历史数据，输入资源提供方与资源申请平台预先基于联邦学习联合训练得到的联合风控模型中进行风险评估，获取联合风控模型预测得到的申请方的第一风险评估结果；基于风险评估结果确定申请方的资源申请结果，风险评估结果包括第一风险评估结果。采用本方法能够提高风险评估的预测准确性，有效降低资源提供方的风险。有效降低资源提供方的风险。有效降低资源提供方的风险。

【技术实现步骤摘要】
风险评估方法、装置、计算机设备和存储介质


[0001]本申请涉及金融数据处理
，特别是涉及一种风险评估方法、装置、计算机设备、存储介质和计算机程序产品。

技术介绍

[0002]随着互联网技术的快速发展，金融行业的大部分业务也逐渐由线下转移到了线上，以配合为用户提供快捷方便的金融服务。
[0003]资源申请是金融服务中的重要服务内容，在线上金融服务越来越便捷的同时，一大批资源申请平台逐渐出现，成为了用户与资源提供方之间的交互桥梁，用户可以直接基于资源申请平台向资源提供方进行资源申请。而为了保障资源提供的安全性，降低资源提供的风险，资源提供方需要对用户进行风险评估。传统的风险评估方式是使用白名单机制进行风险管理，由于金融领域的信息私密性，资源提供方能够依赖的白名单往往容易因为数据更新不及时而导致风险评估准确性降低，增大了资源提供方的风险。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种能够提高风险评估准确性，降低资源提供方风险的风险评估方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
[0005]第一方面，本申请提供了一种风险评估方法。应用于资源提供方，所述方法包括：
[0006]接收基于资源申请平台触发的资源申请，所述资源申请中携带有申请方提供的资源申请数据；
[0007]将所述资源申请数据以及所述申请方在资源提供方的历史数据，输入所述资源提供方与所述资源申请平台预先基于联邦学习联合训练得到的联合风控模型中进行风险评估，获取所述联合风控模型预测得到的所述申请方的第一风险评估结果；
[0008]基于风险评估结果确定所述申请方的资源申请结果，所述风险评估结果包括所述第一风险评估结果。
[0009]第二方面，本申请还提供了一种风险评估装置。所述装置包括：
[0010]申请接收模块，用于接收基于资源申请平台触发的资源申请，所述资源申请中携带有申请方提供的资源申请数据；
[0011]风险评估模块，用于将所述资源申请数据以及所述申请方在资源提供方的历史数据，输入所述资源提供方与所述资源申请平台预先基于联邦学习联合训练得到的联合风控模型中进行风险评估，获取所述联合风控模型预测得到的所述申请方的第一风险评估结果；
[0012]结果确定模块，用于基于风险评估结果确定所述申请方的资源申请结果，所述风险评估结果包括所述第一风险评估结果。
[0013]第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述风险评估
方法的步骤。
[0014]第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述风险评估方法的步骤。
[0015]第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述风险评估方法的步骤。
[0016]上述风险评估方法、装置、计算机设备、存储介质和计算机程序产品，资源提供方接收基于资源申请平台触发的资源申请，资源申请中携带有申请方提供的资源申请数据，将资源申请数据以及申请方在资源提供方的历史数据，输入资源提供方与资源申请平台预先基于联邦学习联合训练得到的联合风控模型中进行风险评估，获取联合风控模型预测得到的申请方的第一风险评估结果。由于联合风控模型是由资源提供方与资源申请平台预先基于联邦学习联合训练得到的，模型训练时考虑的数据维度更多，使用得到的联合风控模型对资源申请数据以及历史数据进行风险评估的预测准确性也更高。资源提供方基于更高准确性的风险评估结果确定申请方的资源申请结果，能够有效降低资源提供方的服务风险。
附图说明
[0017]图1为一些实施例中风险评估方法的应用环境图；
[0018]图2为一些实施例中风险评估方法的流程示意图；
[0019]图3为一些实施例中基于风险评估结果确定申请方的资源申请结果步骤的流程示意图；
[0020]图4为另一些实施例中基于风险评估结果确定申请方的资源申请结果步骤的流程示意图；
[0021]图5为一些实施例中联合风控模型的训练方法的流程示意图；
[0022]图6为一些实施例中联合风控模型的训练方法的交互示意图；
[0023]图7为一些实施例中根据训练样本数据对初始风控模型进行迭代训练，得到本轮次的第一模型参数步骤的流程示意图；
[0024]图8为一些实施例中横向联邦学习的数据划分示意图；
[0025]图9为一些实施例中纵向联邦学习的数据划分示意图；
[0026]图10为一些实施例中获取训练样本数据和验证样本数据步骤的流程示意图；
[0027]图11为另一些实施例中风险评估方法中模型训练阶段的流程示意图；
[0028]图12为另一些实施例中风险评估方法中实际使用阶段的流程示意图；
[0029]图13为一些实施例中风险评估装置的结构框图；
[0030]图14为一些实施例中计算机设备的内部结构图。
具体实施方式
[0031]为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
[0032]需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人
信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。
[0033]本申请实施例提供的风险评估方法，可以应用于如图1所示的应用环境中。其中，资源提供方102通过网络与资源申请平台104进行通信，资源申请平台104可以集成在申请方的终端106上，资源提供方102还可以和联合风控模型108进行通信，联合风控模型108可以集成在资源提供方102上，也可以设置在云上或其他网络服务器上。数据存储系统可以存储资源提供方102需要处理的数据。数据存储系统可以集成在资源提供方102上，也可以放在云上或其他网络服务器上。申请方基于终端106上集成的资源申请平台104提供资源申请数据，触发生成资源申请，资源申请平台104将资源申请发送给资源提供方102。资源提供方102接收基于资源申请平台104触发的资源申请，资源申请中携带有申请方提供的资源申请数据。资源提供方102将资源申请数据以及申请方在资源提供方102的历史数据，输入资源提供方102与资源申请平台104预先基于联邦学习联合训练得到的联合风控模型108中进行风险评估，获取联合风控模型108预测得到的申请方的第一风险评估结果，基于包含了第一风险评估结果的风险评估结果确定申请方的资源申请结果。其中，终端104可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，便携式可穿戴设备可为智能手表、智能手环、头戴本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种风险评估方法，其特征在于，应用于资源提供方，所述方法包括：接收基于资源申请平台触发的资源申请，所述资源申请中携带有申请方提供的资源申请数据；将所述资源申请数据以及所述申请方在资源提供方的历史数据，输入所述资源提供方与所述资源申请平台预先基于联邦学习联合训练得到的联合风控模型中进行风险评估，获取所述联合风控模型预测得到的所述申请方的第一风险评估结果；基于风险评估结果确定所述申请方的资源申请结果，所述风险评估结果包括所述第一风险评估结果。2.根据权利要求1所述的方法，其特征在于，所述资源申请中还携带有所述资源申请平台的所述联合风险模型基于所述资源申请信息以及所述申请方在所述资源申请平台的历史数据，获得的第二风险评估结果，所述风险评估结果还包括所述第二风险评估结果。3.根据权利要求2所述的方法，其特征在于，所述风险评估结果包括所述资源提供方获得的第一风险评估分值，以及所述资源申请平台获得的第二风险评估分值；所述基于风险评估结果确定所述申请方的资源申请结果，包括：分别获取所述资源申请平台和所述资源提供方的风险权重比例；基于所述风险权重比例，对所述资源提供方获得的第一风险评估分值与所述资源申请平台获得的第二风险评估分值进行加权计算，得到所述申请方的风险评估分值；根据所述申请方的风险评估分值得到所述申请方的资源申请结果。4.根据权利要求2所述的方法，其特征在于，所述风险评估结果包括所述资源提供方获得的第一风险评估等级，以及所述资源申请平台获得的第二风险评估等级；所述基于风险评估结果确定所述申请方的资源申请结果，包括：对所述资源提供方获得的第一风险评估等级与所述资源申请平台获得的第二风险评估等级进行等级比较；将风险等级最高的风险评估等级确定为所述申请方的风险评估等级；基于所述申请方的风险评估等级确定所述申请方的资源申请结果。5.根据权利要求1所述的方法，其特征在于，所述联合风控模型的训练方法包括：获取训练样本数据和验证样本数据，根据所述训练样本数据对初始风控模型进行迭代训练，得到本轮次的第一模型参数；将所述第一模型参数按照预设加密方法进行加密后发送给第三方平台，根据所述第三方平台返回的联合模型参数生成待验证联合风控模型，所述联合模型参数由所述第三方平台根据所述第一模型参数和所述资源申请平台发送的第二模型参数整合得到，所述第二模型参数由所述资源申请平台根据平台本地数据对所述初始风控模型进行迭代训练得到；根据所述验证样本数据对所述待验证联合风控模型进行模型验证，得到联合风控模型。6.根据权利要求5所述的方法，其特征在于，所述根据所述第三方平台返回的联合模型参数生成待验证联合风控模型，包括：根据所述联合模型参数对所述初始风控模型的第一模型参数进行更新，返回执行所述根据训练样本数据对所述初始风控模型进行迭代训练，得到本轮次的第一模型参数的步骤，直至满足迭代训练停止条件，得到待验证联合风控模型。
7.根据权利要求5所述的方法，其特征在于，所述初始风控模型为异构逻辑回归模型；所述根据所述训练样本数据对所述初始风控模型进行迭代训练，得到本轮次的第一模型参数，包括：根据所述训练样本数据，使用预设的极大似然估计算法对所述初始风控模型进行迭代训练，得到初始模型参数；基于预设系数调整信息对所述初始模型参数进行风险系数调整，得到本轮次的第一模型参数。8.根据权利要求5所述的方法，其特征在于，所述根据训练样本数据对所述初始风控模型进行迭代训练，得到本轮次的第一模型参数，包括：根据训练样本数据中各样本数据的数据属性，对所述训练样本数据进行横向分类处理，得到横向训练样本数据；根据训练样本数据中各样本数据的用户标识，对所述训练样本数据进行纵向分类处理，得到纵向训练样本数据；基于所述横向训练样本数据和所述纵向训练样本数据对所述初始风控模型进行横纵迭代训练，得到本轮次的第一模型参数。9.根据权利要求5至8任意一项所述的方法，其特征在于，所述获取训练样本数据和验证样本数据，包括：获取不同属性的用户历史数据，根据预设筛选规则从所述用户历史数据中得到候选历史数据；根据所述候选历史数据的用户标识，将设置有同一用户标识的候选历史数据进行数据分类，得到同一用户标识对应的候选历史数据记录；基于各所述用户标识对所述候选历史数据记录进行数据整合，得到训练样本数据和验证样本数据。10.一种风险评估装置，其特征在于，所述装置包括：申请接收模块，用于接收基于资源申请平台触发的资源申请，所述资源申请中携带有申请方提供的资源申请数据；风险评估模块，用于将所述资源申请数据以及所述申请方在资源提供方的历史数据，输入所述资源提供方与所述资源申请平台预先基于联邦学习联合训练得到的联合...

【专利技术属性】
技术研发人员：邱俊凌，赵芳，
申请(专利权)人：建信金融科技有限责任公司，
类型：发明
国别省市：