[发明专利]反洗钱联合学习方法、装置、设备、系统及存储介质

说明书

本发明公开了一种反洗钱联合学习方法，该方法包括：获取本地工作节点保存的第一反洗钱模型的梯度值，并接收远程工作节点发送的加密梯度值；对所述加密梯度值进行解密，并将解密得到的梯度值与所述第一反洗钱模型的梯度值进行求和，得到聚合梯度值；将所述聚合梯度值代入所述第一反洗钱模型中进行迭代运算，直至所述第一反洗钱模型收敛。本发明还公开了一种反洗钱联合学习装置、设备、系统和一种存储介质。本发明能够在不看到其他银行数据的前提下实现样本共享，从而提高机器学习反洗钱模型的精确率和召回率。

技术领域

本发明涉及计算机技术领域，尤其涉及反洗钱联合学习方法、装置、设备、系统及存储介质。

背景技术

金融系统在使用机器学习时，对坏样本的质量和数量极度依赖。在反洗钱领域，各家银行的坏样本(具有洗钱风险的样本)成本很高，因此坏样本一般都不是特别多，尤其对于中小银行。样本的缺失，导致在中小银行的反洗钱系统应用机器学习，往往得不到很好的效果。

目前，对于坏样本数量少的情况，大部分都是通过手工制造一些坏样本来进行补充计算，这会导致机器学习模型的精确率和召回率不高，在实际上线运行时，反到不能帮助业务人员提高工作效率。

发明内容

本发明的主要目的在于提出一种反洗钱联合学习方法、装置、设备、系统及存储介质，旨在在不看到其他银行数据的前提下实现样本共享，从而提高机器学习反洗钱模型的精确率和召回率。

为实现上述目的，本发明提供一种反洗钱联合学习方法，所述反洗钱联合学习方法包括如下步骤：

优选地，获取本地工作节点保存的第一反洗钱模型的梯度值，并接收远程工作节点发送的加密梯度值，所述加密梯度值由所述远程工作节点将其本地保存的第二反洗钱模型的梯度值通过同态加密算法进行加密而得到；

对所述加密梯度值进行解密，并将解密得到的梯度值与所述第一反洗钱模型的梯度值进行求和，得到聚合梯度值；

将所述聚合梯度值代入所述第一反洗钱模型中进行迭代运算，直至所述第一反洗钱模型收敛。

优选地，所述获取本地工作节点保存的第一反洗钱模型的梯度值，并接收远程工作节点发送的加密梯度值的步骤之前，还包括：

获取第一反洗钱训练样本；

采用预设的机器学习算法对所述第一反洗钱训练样本进行训练，得到第一反洗钱模型；

将所述第一反洗钱模型进行保存。

优选地，所述对所述加密梯度值进行解密的步骤包括：

当所述加密梯度值是根据预设公钥加密得到时，根据所述本地工作节点保存的与所述公钥对应的私钥，对所述加密梯度值进行解密。

优选地，所述第一反洗钱模型和所述第二反洗钱模型均为逻辑回归模型，所述将所述聚合梯度值代入所述第一反洗钱模型中进行迭代运算，直至所述第一反洗钱模型收敛的步骤包括：

将所述聚合梯度值代入[[W]]＝η*▽L([[W]])中进行迭代运算，直至所述第一反洗钱模型收敛；

其中，[[W]]为权重值，η为随机值，▽L([[W]])为逻辑回归模型的梯度函数。

优选地，所述将所述聚合梯度值代入所述第一反洗钱模型中进行迭代运算，直至所述第一反洗钱模型收敛的步骤之后，还包括：

获取待进行反洗钱风险预测的样本，将所述待进行反洗钱风险预测的样本输入至收敛的所述第一反洗钱模型中进行运算，得到反洗钱风险预测结果；

将所述反洗钱风险预测结果反馈至web前端进行显示。