System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及数据处理与分析,具体涉及一种基于区块链的企业风险传播路径预测方法及系统。
技术介绍
1、企业风险通常指企业在生产经营过程中各个环节可能遭受到的损失,其成因主要来自于企业经营的三个要素:外部环境、内部条件和资源配置,这些要素的不确定性和多变性使企业风险具有较强的突发性和破坏性。因此,企业风险控制一直都是企业运营的关键一环,能否合理地应对和把握风险将决定企业的未来生存状态。
2、区块链是一种去中心化的分布式账本技术,最初作为比特币的底层技术而提出。区块链采用去中心化的数据存储,每个参与节点都有完整的数据副本,这种架构增加了数据的透明度和可追溯性,降低了数据被篡改的风险。区块链的特性可以促进企业风险分析,区块链使用加密算法确保数据的安全性。对于敏感的企业信息,区块链提供了更高级的保护,减少了数据泄漏和恶意篡改的可能性。通过将区块链与企业风险检测结合,能够提高企业风险分析的效率和准确性。
3、传统的企业风险分析方法主要基于评分制和专家规则,分为风险识别、风险分析和风险评价三部分,通过对企业数据综合权衡,以定量与定性相结合的方式分析企业风险。传统方法依赖于决策人员的判断,包括问卷调查、专家咨询、管理层访淡、集体讨论、情景分析、统计分析、模拟分析等方法,根据不同风险的等级、权重、控制状况等方面进行打分,计算得到不同风险的最终评分。
4、然而,传统的企业风险分析方法存在人为主观因素,风险判断过程也会产生巨大的时间、经济等资源成本;另一方面由于没有严格统一的风险判断标准,不同的决策方法可能会因为
技术实现思路
1、针对传统企业风险识别方法存在的资源成本占比高、风险分析效率低、风险判断不准确等问题,本专利技术提出一种基于区块链的企业风险传播路径预测方法及系统,利用区块链对企业信息进行分布式存储,通过集成学习模型对目标企业及其关联企业进行风险分析;同时基于企业的关联关系构建企业知识图谱,并根据知识图谱的拓扑结构和企业属性信息构建风险传播规则,从而实现企业间风险传播路径预测。
2、为了实现上述目的,本专利技术采用如下技术方案:
3、第一个方面,本专利技术提出了一种基于区块链的企业风险传播路径预测方法,包括以下步骤:
4、步骤1:将企业风险相关数据按照不同风险类型划分得到企业风险特征数据集,以及建立企业投资控股关系数据集,将企业风险特征数据集和企业投资控股关系数据集上传至区块链;
5、步骤2:训练针对不同风险类型的企业风险分析预测模型,将训练后的企业风险分析预测模型和包含模型数据处理逻辑的智能合约部署在区块链上,通过执行智能合约并调用模型输出待查询企业的各风险类型的预测结果作为风险事件标签;
6、步骤3:提取区块链中的待查询企业信息、与待查询企业存在投资控股关系的关联企业信息及其投资控股关系数据至本地,以企业作为节点,以企业间的投资控股关系作为连接边,构造企业关系知识图谱;
7、步骤4:根据企业关系知识图谱提取多种拓扑特征,根据多种拓扑特征和企业规模属性,得到表征企业节点拓扑特征信息的企业节点风险权重;
8、步骤5:基于企业节点规模属性信息、企业节点风险权重和企业投资控股关系,以企业节点为单位,计算企业节点外部风险容量和企业节点状态;以关联边为单位,依据信息传播理论计算传播风险;最后基于负面消息传递机制构建在企业关系知识图谱中风险传播路径的判断规则,并输出风险传播路径。
9、第二个方面,本专利技术提出了一种基于区块链的企业风险传播路径预测系统,用于实现上述的方法,包括:
10、企业数据导入及存储模块,其用于导入企业数据并按照不同风险类型将企业数据中的风险相关数据划分得到企业风险特征数据集,将企业风险特征数据集和企业投资控股关系数据集上传至区块链;
11、企业内部风险分析模块,其用于预测待查询企业中不同风险类型的内部源生风险,调用执行包含数据处理逻辑的智能合约,在本地或可信环境下调用针对不同风险类型的企业风险分析预测模型,实现对待查寻企业相应风险进行多分类的判断,输出待查询企业的各风险类型的预测结果作为风险事件标签;所述企业风险分析预测模型在本地训练完成后,与包含模型数据处理逻辑的智能合约共同部署在区块链上;
12、风险传播路径输出模块,其用于提取区块链中的待查询企业信息、与待查询企业存在投资控股关系的关联企业信息及其投资控股关系数据至本地,构造企业关系知识图谱并计算企业节点风险权重;基于企业节点规模属性信息、企业节点风险权重和企业投资控股关系,基于负面消息传递机制构建在企业关系知识图谱中风险传播路径的判断规则,输出风险传播路径;
13、可视化展示模块,其用于在系统各阶段可视化显示各模块的输出结果,实时显示对上载区块链的企业数据的统计信息,输出待查询企业的各风险类型的预测结果,展示基于企业数据构建的企业关系知识图谱,绘制预测的风险传播路径。
14、第三方面,本专利技术提供了一种电子设备,包括处理器和存储器,所述存储器存储有能够被所述处理器执行的机器可执行指令,所述处理器执行所述机器可执行指令以实现上述的基于区块链的企业风险传播路径预测方法。
15、第四方面,本专利技术提供了一种机器可读存储介质,该机器可读存储介质存储有机器可执行指令,该机器可执行指令在被处理器调用和执行时,用于实现上述的基于区块链的企业风险传播路径预测方法。
16、本专利技术提出了一种基于区块链的企业风险传播路径预测方法及系统,该方法通过对企业内部风险数据的多分类处理,利用集成学习模型对不同风险进行建模分析,并结合知识图谱对企业间风险传播进行预测,实现了一种有效的企业多类型风险分析和企业间风险传播路径预测方法,具有良好的实用价值和借鉴意义。具体的创新性和有益效果体现在以下方面:
17、(1)本专利技术提出了基于集成学习的企业内部风险多分类判别方法,定义了多种企业内部风险特征,并对企业内部不同风险数据利用二层分类器进行迭代训练,进一步提高风险预测结果的可靠性和准确性,有助于帮助企业判断未来发生不同风险的可能性。
18、(2)本专利技术提出了一种企业间风险传播路径的规划方案,基于企业间普遍存在的投资控股关系拓扑结构,基于负面消息传递机制并结合建模计算得到的企业风险传播能力,能够预测出一家企业发生某类本文档来自技高网...
【技术保护点】
1.一种基于区块链的企业风险传播路径预测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于区块链的企业风险传播路径预测方法,其特征在于,所述风险类型包括财务风险、司法风险、监管风险和运营风险,所述企业风险特征数据集包含四种类型风险数据。
3.根据权利要求1所述的基于区块链的企业风险传播路径预测方法,其特征在于,所述企业风险分析预测模型采用集成学习模型,所述集成学习模型的第一层采用若干弱学习器的组合,第二层采用线性回归分类模型,企业风险分析预测模型的预测类别包括无风险、低风险、中风险和高风险。
4.根据权利要求1所述的基于区块链的企业风险传播路径预测方法,其特征在于,所述步骤3包括:
5.根据权利要求1所述的基于区块链的企业风险传播路径预测方法,其特征在于,所述的步骤4包括:
6.根据权利要求1所述的基于区块链的企业风险传播路径预测方法,其特征在于,所述的步骤5包括:
7.一种基于区块链的企业风险传播路径预测系统,用于实现权利要求1所述的方法,其特征在于,包括:
8.根据权利要求7所述的
9.一种电子设备,其特征在于,包括处理器和存储器,所述存储器存储有能够被所述处理器执行的机器可执行指令,所述处理器执行所述机器可执行指令以实现权利要求1至6任一项所述的基于区块链的企业风险传播路径预测方法。
10.一种机器可读存储介质,其特征在于,该机器可读存储介质存储有机器可执行指令,该机器可执行指令在被处理器调用和执行时,用于实现权利要求1至6任一项所述的基于区块链的企业风险传播路径预测方法。
...【技术特征摘要】
1.一种基于区块链的企业风险传播路径预测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于区块链的企业风险传播路径预测方法,其特征在于,所述风险类型包括财务风险、司法风险、监管风险和运营风险,所述企业风险特征数据集包含四种类型风险数据。
3.根据权利要求1所述的基于区块链的企业风险传播路径预测方法,其特征在于,所述企业风险分析预测模型采用集成学习模型,所述集成学习模型的第一层采用若干弱学习器的组合,第二层采用线性回归分类模型,企业风险分析预测模型的预测类别包括无风险、低风险、中风险和高风险。
4.根据权利要求1所述的基于区块链的企业风险传播路径预测方法,其特征在于,所述步骤3包括:
5.根据权利要求1所述的基于区块链的企业风险传播路径预测方法,其特征在于,所述的步骤4包括:
...【专利技术属性】
技术研发人员:陈建海,朱骏驰,钱鹏,刘振广,何钦铭,
申请(专利权)人:浙江大学,
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。