[发明专利]一种基于联邦学习的企业风险预测方法和系统

说明书

公开了一种基于联邦学习的企业风险预测方法和系统，包括将企业经营数据与第三方数据提交到联邦存储库中，其中，第三方数据包括咨询和审计数据；基于预设数据规范在联邦存储库中对企业经营数据和第三方数据进行自由样本的加工处理，加工处理包括同态加密和业务数据对齐；利用机器学习和深度学习模型训练分别构建企业和第三方算法模型，从各自模型中抽样获得样本数据，并将样本数据输入联邦学习技术平台进行联合建模，生成联合模型；利用联合模型进行联合预测，并将预测结果反馈至企业和第三方算法模型。本申请可用于明确当前企业的业务漏洞，预测未来企业中存在风险。

技术领域

本发明涉及企业风险预测的应用领域，尤其是一种基于联邦学习的企业风险预测方法和系统。

背景技术

目前，企业运营过程中的风险预测主要依据专家的经验或企业管理层依据以往工作经验以及市场环境等因素进行主观判断。分析的准确性主要依赖于分析人员的个人经验和能力，主观因素较大、标准不统一，需要人工筛查任务繁重，因此对市场洞察力和企业风险预测能力不足。

而且，涉及第三方(如审计等)的数据由于标准不统一，因此，现有的风险预测由于数据量巨大，人工整合数据、分析总结、得出结等工作量大，人工筛查任务繁重，效率低，无法对信息全面筛查，使得预测结果的准确性大打折扣，很难对企业起到帮助的作用。

发明内容

为了解决现有技术中企业风险预测中存在的种种技术问题，本发明提出了一种基于联邦学习的企业风险预测方法和系统，用以解决上述技术问题，

根据本发明的一个方面，提出了一种基于联邦学习的企业风险预测方法，包括：

S1：将企业经营数据与第三方数据提交到联邦存储库中，其中，第三方数据包括咨询和审计数据；

S2：基于预设数据规范在联邦存储库中对企业经营数据和第三方数据进行自由样本的加工处理，加工处理包括同态加密和业务数据对齐；

S3：利用机器学习和深度学习模型训练分别构建企业和第三方算法模型，从各自模型中抽样获得样本数据，并将样本数据输入联邦学习技术平台进行联合建模，生成联合模型；以及

S4：利用联合模型进行联合预测，并将预测结果反馈至企业和第三方算法模型。

在一些具体的实施例中，步骤S2中对企业经营数据和第三方数据进行同态加密后保存至联邦存储库中，且在整个风险预测过程中的所有数据均为同态加密后的密文。

在一些具体的实施例中，步骤S2中的业务数据对齐包括将企业和第三方的数据进行量化切分。

在一些具体的实施例中，企业和第三方算法模型获取对应的分类数据、特征数据和核心业务数据，核心业务数据包括样本ID、业务特征变量和表现数据。

在一些具体的实施例中，样本数据包括企业和第三方算法模型的训练参数和梯度。

在一些具体的实施例中，步骤S3中的联合建模具体包括：对输入的企业和第三方的数据样本进行样本ID匹配，输出样本ID交集后进行模型的训练，生成联合模型。

在一些具体的实施例中，步骤S4之后还包括：企业和第三方算法模型根据联合模型反馈的参数进行更新训练。

在一些具体的实施例中，联合模型中的风险模型公式为Ris＝min(150,F1)+min(150,F2)+min(150,F3)+min(150,F4)+min(150,F5)，其中，Ris为风险分数，F1表示法人股东情况，F2表示经营情况，F3表示信用情况，F4表示竞争能力，F5表示行业趋势。

根据本发明的第二方面，一种计算机可读存储介质，其上存储有一或多个计算机程序，该一或多个计算机程序被计算机处理器执行时实施上述方法。

根据本发明的第二方面，提出了一种基于联邦学习的企业风险预测系统，该系统包括：