模型训练及评估方法技术

本说明书实施例公开了一种模型训练及评估方法

【技术实现步骤摘要】
模型训练及评估方法、相关装置、设备、介质及产品


[0001]本说明书涉及计算机
，尤其涉及一种模型训练及评估方法
、
相关装置
、
设备
、
介质及产品
。

技术介绍

[0002]随着金融市场的不断发展，消费金融公司扮演着越来越重要的角色
。
由于消费金融场景零售客群场景下的市场需求多变，零售产品的特征也复杂多样，这使得大部分深耕某领域的消费金融公司在面对快速变化的市场以及开拓新业务新领域时，缺乏可靠的用户信用评估模型和欺诈评估模型，这严重影响了公司的风控能力
。

技术实现思路

[0003]本说明书实施例提供了一种模型训练及评估方法
、
相关装置
、
设备
、
介质及产品，既采用了联邦学习和区块链技术，在各参与方不泄露本地数据即充分保障数据安全的情况下，提高模型训练的效率和精度，又通过将信用评估和欺诈评估两个任务进行联合训练，将信用评估和欺诈评估两个任务之间的相互关系更好地建立起来，既使得模型训练的过程更高效，又让联合训练得到的模型更加稳健，准确度更高
。
上述技术方案如下：
[0004]第一方面，本说明书实施例提供了一种模型训练方法，上述方法应用于第一参与方对应的第一联邦学习节点，上述方法包括：
[0005]接收区块链网络中第一参与方节点发送的联邦学习模型；
[0006]基于上述第一联邦学习节点的本地数据和
/
或上述区块链网络中第二参与方节点的模型参数对上述联邦学习模型中的信用评估网络和欺诈评估网络进行联合训练，得到上述第一参与方对应的联合模型；上述第二参与方节点的模型参数基于第二参与方对应第二联邦学习节点的本地数据对上述联邦学习模型中的信用评估网络和欺诈评估网络进行联合训练得到
。
[0007]在一种可能的实现方式中，上述基于上述第一联邦学习节点的本地数据和
/
或上述区块链网络中第二参与方节点的模型参数对上述联邦学习模型中的信用评估网络和欺诈评估网络进行联合训练，得到上述第一参与方对应的联合模型，包括：
[0008]基于上述第一联邦学习节点的本地数据对上述联邦学习模型中的信用评估网络和欺诈评估网络进行联合训练，得到上述第一参与方对应的联合模型；
[0009]基于上述区块链网络中第二参与方节点的模型参数对上述联合模型进行更新，得到上述第一参与方对应更新后的联合模型
。
[0010]在一种可能的实现方式中，上述基于上述区块链网络中第二参与方节点的模型参数对上述联合模型进行更新，得到更新后的联合模型之后，上述方法还包括：
[0011]基于上述第一联邦学习节点的测试数据集以及上述第一参与方对应更新后的联合模型确定上述第二参与方节点的模型参数对上述第一参与方对应的联合模型预测结果的贡献度；
[0012]基于上述贡献度确定待向上述第二参与方支付的费用
。
[0013]在一种可能的实现方式中，上述区块链网络包括上述第一参与方节点以及除了上述第一参与方节点之外的多个其他参与方节点；
[0014]上述基于上述区块链网络中第二参与方节点的模型参数对上述联合模型进行更新，得到上述第一参与方对应更新后的联合模型之前，上述方法还包括：
[0015]基于上述多个其他参与方节点各自的模型参数对上述第一参与方对应的联合模型预测结果的贡献度排名，从上述多个其他参与方节点中选择至少一个第二参与方节点；
[0016]上述基于上述区块链网络中第二参与方节点的模型参数对上述联合模型进行更新，得到上述第一参与方对应更新后的联合模型，包括：
[0017]基于上述至少一个第二参与方节点的模型参数对上述联合模型进行更新，得到上述第一参与方对应更新后的联合模型
。
[0018]在一种可能的实现方式中，上述第二参与方节点的数量为多个；
[0019]上述基于上述区块链网络中第二参与方节点的模型参数对上述联合模型进行更新，得到上述第一参与方对应更新后的联合模型，包括：
[0020]将上述区块链网络中多个第二参与方节点各自的模型参数进行聚合，得到上述多个第二参与方节点对应的聚合参数；
[0021]基于上述聚合参数对上述联合模型进行更新，得到上述第一参与方对应更新后的联合模型
。
[0022]在一种可能的实现方式中，上述第二参与方节点的模型参数基于上述第二联邦学习节点的本地数据以及上述区块链网络中第三参与方节点的模型参数对上述联邦学习模型中的信用评估网络和欺诈评估网络进行联合训练得到
。
[0023]在一种可能的实现方式中，上述第一参与方对应的联合模型随着上述第一联邦学习节点的本地数据和
/
或上述第二参与方节点的模型参数的更新而更新
。
[0024]在一种可能的实现方式中，上述基于上述第一联邦学习节点的本地数据和
/
或上述区块链网络中第二参与方节点的模型参数对上述联邦学习模型中的信用评估网络和欺诈评估网络进行联合训练，得到上述第一参与方对应的联合模型之后，上述方法还包括：
[0025]将上述第一参与方对应的联合模型的模型参数上传至上述第一参与方节点存储
。
[0026]第二方面，本说明书实施例提供了一种评估方法，上述方法应用于第一参与方对应的第一联邦学习节点，上述方法包括：
[0027]获取目标用户的目标用户信息；上述目标用户信息包括上述目标用户的目标基本信息
、
目标消费行为信息以及上述目标用户对应上述第一参与方的目标消费金融产品的目标额度信息和目标使用频度信息；
[0028]将上述目标用户信息输入上述第一参与方对应的联合模型中，基于上述联合模型中的信用评估网络和欺诈评估网络分别输出上述目标用户对应的目标信用评估结果和目标欺诈评估结果；上述第一参与方对应的联合模型基于第一方面的任意一种可能的实现方式提供的模型训练方法进行训练得到
。
[0029]在一种可能的实现方式中，上述将上述目标用户信息输入上述第一参与方对应的联合模型中，基于上述联合模型中的信用评估网络和欺诈评估网络分别输出上述目标用户对应的目标信用评估结果和目标欺诈评估结果之后，上述方法还包括：
[0030]将上述目标信用评估结果和上述目标欺诈评估结果上传至区块链网络中上述第一参与方对应的第一参与方节点，以供上述区块链网络中其他参与方对应的参与方节点通过调用智能合约从上述第一参与方节点中获取上述目标信用评估结果和上述目标欺诈评估结果
。
[0031]第三方面，本说明书实施例提供了一种模型训练装置，上述模型训练装置应用于第一参与方对应的第一联邦学习节点，上述模型训练装置包括：
[0032]接收模块，用于接收区块链网络中第一参与方节点发送的联邦学习模型；
[0033]模型训练模块，用于基本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种模型训练方法，所述方法应用于第一参与方对应的第一联邦学习节点，所述方法包括：接收区块链网络中第一参与方节点发送的联邦学习模型；基于所述第一联邦学习节点的本地数据和
/
或所述区块链网络中第二参与方节点的模型参数对所述联邦学习模型中的信用评估网络和欺诈评估网络进行联合训练，得到所述第一参与方对应的联合模型；所述第二参与方节点的模型参数基于第二参与方对应第二联邦学习节点的本地数据对所述联邦学习模型中的信用评估网络和欺诈评估网络进行联合训练得到
。2.
如权利要求1所述的方法，所述基于所述第一联邦学习节点的本地数据和
/
或所述区块链网络中第二参与方节点的模型参数对所述联邦学习模型中的信用评估网络和欺诈评估网络进行联合训练，得到所述第一参与方对应的联合模型，包括：基于所述第一联邦学习节点的本地数据对所述联邦学习模型中的信用评估网络和欺诈评估网络进行联合训练，得到所述第一参与方对应的联合模型；基于所述区块链网络中第二参与方节点的模型参数对所述联合模型进行更新，得到所述第一参与方对应更新后的联合模型
。3.
如权利要求2所述的方法，所述基于所述区块链网络中第二参与方节点的模型参数对所述联合模型进行更新，得到更新后的联合模型之后，所述方法还包括：基于所述第一联邦学习节点的测试数据集以及所述第一参与方对应更新后的联合模型确定所述第二参与方节点的模型参数对所述第一参与方对应的联合模型预测结果的贡献度；基于所述贡献度确定待向所述第二参与方支付的费用
。4.
如权利要求2所述的方法，所述区块链网络包括所述第一参与方节点以及除了所述第一参与方节点之外的多个其他参与方节点；所述基于所述区块链网络中第二参与方节点的模型参数对所述联合模型进行更新，得到所述第一参与方对应更新后的联合模型之前，所述方法还包括：基于所述多个其他参与方节点各自的模型参数对所述第一参与方对应的联合模型预测结果的贡献度排名，从所述多个其他参与方节点中选择至少一个第二参与方节点；所述基于所述区块链网络中第二参与方节点的模型参数对所述联合模型进行更新，得到所述第一参与方对应更新后的联合模型，包括：基于所述至少一个第二参与方节点的模型参数对所述联合模型进行更新，得到所述第一参与方对应更新后的联合模型
。5.
如权利要求2所述的方法，所述第二参与方节点的数量为多个；所述基于所述区块链网络中第二参与方节点的模型参数对所述联合模型进行更新，得到所述第一参与方对应更新后的联合模型，包括：将所述区块链网络中多个第二参与方节点各自的模型参数进行聚合，得到所述多个第二参与方节点对应的聚合参数；基于所述聚合参数对所述联合模型进行更新，得到所述第一参与方对应更新后的联合模型
。6.
如权利要求1‑5任一项所述的方法，所述第二参与方节点的模型参数基于所述第二
联邦学习节点的本地数据以及所述区块链网络中第三参与方节点的模型参数对所述联邦学习模型中的信用评估网络和欺诈评估网络进行联合训练得到
。7.
如权利要求1‑5任一项所述的方法，所述第一参与方对应的联合模型随着所述第一联邦学习节点的本地数据和
/
或所述第二参与方节点的模型参数的更新而更新
。8.
如权利要求1所述的方法，所述基于所述第一联邦学习节点的本地数据和
/
或所述区块链网络中第二参与方节点的模型参数对所述联邦学习模型中的信用评估网络和欺...

【专利技术属性】
技术研发人员：黎文江，王诏，杨俊，江民钦，彭郢，
申请(专利权)人：重庆蚂蚁消费金融有限公司，
类型：发明
国别省市：