[发明专利]基于信息共享的预测方法及装置

说明书

本发明提供了一种基于信息共享的预测方法及装置，该方法包括：获取多维原始数据；按照客户端需求对多维原始数据进行数据转换，得到多维实数向量，数据转换中，多维实数向量对应的权重随之更新，得到更新后的权重；服务器接收多个客户端发送的多维实数向量，根据多维实数向量和其对应的更新后的权重进行预测，得到预测结果。该方法充分应用了数据的使用精度，提高了预测效果，客户端对原始数据进行数据转换，得到多维实数向量，在保证数据保持排序能力和量化能力的前提下，避免了攻击者对用户原始数据的反推，保证了用户隐私数据的安全，缓解了现有的方法在保护客户隐私数据的前提下存在数据利用精度差，数据丧失排序能力和量化能力的技术问题。

技术领域

本发明涉及互联网的技术领域，尤其是涉及一种基于信息共享的预测方法及装置。

背景技术

互联网金融近几年得到了飞速发展，各类金融科技公司呈现百家争鸣、百花齐放的局面，伴随着产业的欣荣发展，信息共享问题随之而来，目前没有哪家公司能够掌握风控所需的全部数据，因此经常会有多家公司联合建立风险预测模型的需求。与此同时，客户隐私数据受到法律保护，未经用户授权的情况下，客户隐私数据不得交换、共享。

现有技术中，对于多家公司联合建立风险预测模型(即基于信息共享的方法联合建立风险预测模型)存在的已有的处理方式主要有以下几种，然而这些技术均存在一定的不足：

标签化处理：将原始数据的粒度变粗，输出等级值，比如将客户的月收入从实数值划分为有限的几档。这种做法会影响数据利用的精度，从而影响预测效果。

加密解密技术：对原始数据进行加密，该方法使得数据在加密之后丧失了排序能力和量化能力，从而不能应用于预测系统。

综上，现有的基于信息共享的预测方法在保护客户隐私数据的前提下存在数据利用精度差，数据丧失排序能力和量化能力的技术问题。

发明内容

有鉴于此，本发明的目的在于提供基于信息共享的预测方法及装置，以缓解现有的基于信息共享的预测方法在保护客户隐私数据的前提下存在数据利用精度差，数据丧失排序能力和量化能力的技术问题。

第一方面，本发明实施例提供了一种基于信息共享的预测方法，应用于客户端，所述方法包括：

获取用户的多维原始数据，其中，所述用户为在客户端存在历史数据的用户；

按照客户端需求对所述多维原始数据进行数据转换，得到多维实数向量，其中，当所述多维原始数据进行数据转换后，所述多维实数向量对应的权重根据联合建模预测模型的控制进行更新，得到更新后的权重，每一个维度的实数向量对应一个更新后的权重，所述联合建模预测模型为预先构建的预测模型；

将所述多维实数向量发送至服务器，其中，所述服务器接收多个客户端发送的多维实数向量后，根据所述多维实数向量和所述多维实数向量对应的更新后的权重进行预测，得到预测结果。

结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，按照所述客户端需求对所述多维原始数据进行数据转换，得到多维实数向量包括：

获取数据转换规则，其中，所述数据转换规则由所述客户端自定义，所述数据转换规则不影响每一维度原始数据的历史分布规律；

根据所述数据转换规则对所述多维原始数据进行数据转换，得到所述多维实数向量，其中，所述数据转换规则对于其它客户端保密。

结合第一方面，本发明实施例提供了第一方面的第二种可能的实施方式，其中，将所述多维实数向量发送至服务器包括：

建立与所述服务器的连接关系；

基于所述连接关系将所述多维实数向量发送至所述服务器。

第二方面，本发明实施例还提供了一种基于信息共享的预测方法，应用于服务器，所述方法包括：