基于聯(lián)邦學(xué)習(xí)的交易風(fēng)險預(yù)測方法技術(shù)

本發(fā)明專利技術(shù)提供一種基于聯(lián)邦學(xué)習(xí)的交易風(fēng)險預(yù)測方法

【技術(shù)實(shí)現(xiàn)步驟摘要】
基于聯(lián)邦學(xué)習(xí)的交易風(fēng)險預(yù)測方法、裝置及系統(tǒng)


[0001]本專利技術(shù)涉及人工智能
，具體地，涉及一種基于聯(lián)邦學(xué)習(xí)的交易風(fēng)險預(yù)測方法
、
裝置及系統(tǒng)
。

技術(shù)介紹

[0002]金融交易風(fēng)險預(yù)警是確保金融市場穩(wěn)定和交易安全的重要環(huán)節(jié)之一
。
現(xiàn)有的技術(shù)方案涵蓋了多個領(lǐng)域，從傳統(tǒng)的統(tǒng)計方法到現(xiàn)代的人工智能和大數(shù)據(jù)分析技術(shù)都有涉及
。
以下是一些常見的金融交易風(fēng)險預(yù)警技術(shù)方案：
[0003]1.
統(tǒng)計方法和模型：經(jīng)典的有風(fēng)險度量模型，使用統(tǒng)計方法計算交易的風(fēng)險度量，通過分析歷史數(shù)據(jù)來估計未來的風(fēng)險；波動率模型，使用歷史波動率來估計未來市場波動情況從而判斷交易風(fēng)險；回歸分析，通過分析影響交易風(fēng)險的因素，如市場指數(shù)
、
利率等來預(yù)測未來的風(fēng)險
。
[0004]2.
大數(shù)據(jù)分析：數(shù)據(jù)挖掘，從大規(guī)模數(shù)據(jù)中發(fā)現(xiàn)隱藏的模式和關(guān)聯(lián)，以識別可能的風(fēng)險因素；實(shí)時數(shù)據(jù)監(jiān)控，監(jiān)測交易數(shù)據(jù)和市場指標(biāo)的實(shí)時變化，及時發(fā)現(xiàn)異常情況；交易數(shù)據(jù)整合，整合多個數(shù)據(jù)源，如市場數(shù)據(jù)
、
客戶數(shù)據(jù)等，以更全面地評估風(fēng)險
。
[0005]3.
區(qū)塊鏈技術(shù)：分布式賬本，區(qū)塊鏈可以提供實(shí)時的交易記錄和透明的數(shù)據(jù)存儲，有助于減少操縱數(shù)據(jù)的可能性；智能合約，通過智能合約可以自動執(zhí)行事先設(shè)定的條件，從而減少交易風(fēng)險
。
[0006]這些方案在一定程度上對于交易風(fēng)險預(yù)警工作有所幫助，但也存在一些缺點(diǎn)和限制：<br/>[0007]1.
剛性規(guī)則限制：傳統(tǒng)的規(guī)則引擎依賴于預(yù)先設(shè)置的規(guī)則，這些規(guī)則通常是靜態(tài)且剛性的
。
這可能導(dǎo)致高誤報率，因?yàn)橐恍┱５^不常見的交易可能被錯誤地標(biāo)記為可疑，進(jìn)而降低了交易風(fēng)險識別精度
。
[0008]2.
數(shù)據(jù)孤島問題：在銀行或金融機(jī)構(gòu)內(nèi)部，由于信息系統(tǒng)的碎片化和獨(dú)立性，導(dǎo)致各個部門之間的數(shù)據(jù)難以共享和整合的情況，不同部門的數(shù)據(jù)無法整合和共享，銀行的交易風(fēng)險預(yù)警系統(tǒng)將難以全面分析客戶和交易之間的關(guān)系，從而無法準(zhǔn)確識別交易風(fēng)險
。
一些交易活動可能跨越不同賬戶
、
不同業(yè)務(wù)部門和跨境，這使得單一部門的視角往往無法全面把握交易風(fēng)險的全貌
。
[0009]3.
大量虛假警報：由于剛性規(guī)則的限制和數(shù)據(jù)孤島難題，現(xiàn)有技術(shù)可能產(chǎn)生大量虛假警報，導(dǎo)致工作效率低下，并使得真正的交易風(fēng)險容易被忽略
。
[0010]4.
人工處理成本高：傳統(tǒng)技術(shù)在識別可疑交易后，通常需要人工介入進(jìn)行進(jìn)一步調(diào)查和決策
。
這不僅增加了處理時間，也增加了交易風(fēng)險預(yù)警工作的成本
。

技術(shù)實(shí)現(xiàn)思路

[0011]本專利技術(shù)實(shí)施例的主要目的在于提供一種基于聯(lián)邦學(xué)習(xí)的交易風(fēng)險預(yù)測方法
、
裝置及系統(tǒng)，以在保護(hù)隱私的同時降低通信成本，提高預(yù)警效率和準(zhǔn)確性
。
[0012]為了實(shí)現(xiàn)上述目的，本專利技術(shù)實(shí)施例提供一種基于聯(lián)邦學(xué)習(xí)的交易風(fēng)險預(yù)測方法，包括：
[0013]采集當(dāng)前交易特征數(shù)據(jù)；
[0014]將所述交易特征數(shù)據(jù)輸入基于目標(biāo)模型參數(shù)和分類矩陣創(chuàng)建的交易風(fēng)險預(yù)測模型中，得到交易風(fēng)險預(yù)測結(jié)果；其中，所述目標(biāo)模型參數(shù)和所述分類矩陣通過中央服務(wù)器和歷史交易數(shù)據(jù)得到
。
[0015]在其中一種實(shí)施例中，創(chuàng)建交易風(fēng)險預(yù)測模型的步驟包括：
[0016]根據(jù)所述歷史交易數(shù)據(jù)和對應(yīng)的風(fēng)險標(biāo)簽訓(xùn)練特征提取網(wǎng)絡(luò)，得到模型參數(shù)和對應(yīng)的歷史交易數(shù)據(jù)隱特征；
[0017]將所述模型參數(shù)和所述歷史交易數(shù)據(jù)隱特征發(fā)送至所述中央服務(wù)器，以使所述中央服務(wù)器根據(jù)所述模型參數(shù)和所述歷史交易數(shù)據(jù)隱特征確定所述目標(biāo)模型參數(shù)和所述分類矩陣；
[0018]接收來自所述中央服務(wù)器的所述目標(biāo)模型參數(shù)和所述分類矩陣，根據(jù)所述目標(biāo)模型參數(shù)和所述分類矩陣創(chuàng)建所述交易風(fēng)險預(yù)測模型
。
[0019]在其中一種實(shí)施例中，所述中央服務(wù)器根據(jù)所述模型參數(shù)和所述歷史交易數(shù)據(jù)隱特征確定所述目標(biāo)模型參數(shù)和所述分類矩陣包括：
[0020]所述中央服務(wù)器聚合所述模型參數(shù)確定所述目標(biāo)模型參數(shù)，根據(jù)所述歷史交易數(shù)據(jù)隱特征和所述風(fēng)險標(biāo)簽確定所述分類矩陣
。
[0021]在其中一種實(shí)施例中，根據(jù)所述歷史交易數(shù)據(jù)和對應(yīng)的風(fēng)險標(biāo)簽訓(xùn)練特征提取網(wǎng)絡(luò)包括：
[0022]將所述歷史交易數(shù)據(jù)輸入模型參數(shù)構(gòu)建的初始特征提取網(wǎng)絡(luò)中，得到歷史交易數(shù)據(jù)隱特征；
[0023]根據(jù)所述歷史交易數(shù)據(jù)隱特征和對應(yīng)的風(fēng)險標(biāo)簽訓(xùn)練所述特征提取網(wǎng)絡(luò)，確定訓(xùn)練結(jié)果對應(yīng)的模型參數(shù)和歷史交易數(shù)據(jù)隱特征
。
[0024]在其中一種實(shí)施例中，根據(jù)所述歷史交易數(shù)據(jù)隱特征和對應(yīng)的風(fēng)險標(biāo)簽訓(xùn)練所述特征提取網(wǎng)絡(luò)，確定訓(xùn)練結(jié)果對應(yīng)的模型參數(shù)和歷史交易數(shù)據(jù)隱特征包括：
[0025]根據(jù)所述歷史交易數(shù)據(jù)隱特征和對應(yīng)的風(fēng)險標(biāo)簽確定損失函數(shù)，根據(jù)所述損失函數(shù)更新所述模型參數(shù)，直至所述損失函數(shù)收斂；
[0026]確定所述損失函數(shù)收斂后的模型參數(shù)和歷史交易數(shù)據(jù)隱特征
。
[0027]本專利技術(shù)實(shí)施例還提供一種基于聯(lián)邦學(xué)習(xí)的交易風(fēng)險預(yù)測裝置，包括：
[0028]采集模塊，用于采集當(dāng)前交易特征數(shù)據(jù)；
[0029]交易風(fēng)險預(yù)測結(jié)果模塊，用于將所述交易特征數(shù)據(jù)輸入基于目標(biāo)模型參數(shù)和分類矩陣創(chuàng)建的交易風(fēng)險預(yù)測模型中，得到交易風(fēng)險預(yù)測結(jié)果；其中，所述目標(biāo)模型參數(shù)和所述分類矩陣通過中央服務(wù)器和歷史交易數(shù)據(jù)得到
。
[0030]在其中一種實(shí)施例中，還包括：交易風(fēng)險預(yù)測模型創(chuàng)建模塊；
[0031]所述交易風(fēng)險預(yù)測模型創(chuàng)建模塊包括：
[0032]特征提取網(wǎng)絡(luò)訓(xùn)練單元，用于根據(jù)所述歷史交易數(shù)據(jù)和對應(yīng)的風(fēng)險標(biāo)簽訓(xùn)練特征提取網(wǎng)絡(luò)，得到模型參數(shù)和對應(yīng)的歷史交易數(shù)據(jù)隱特征；
[0033]發(fā)送單元，用于將所述模型參數(shù)和所述歷史交易數(shù)據(jù)隱特征發(fā)送至所述中央服務(wù)
器，以使所述中央服務(wù)器根據(jù)所述模型參數(shù)和所述歷史交易數(shù)據(jù)隱特征確定所述目標(biāo)模型參數(shù)和所述分類矩陣；
[0034]交易風(fēng)險預(yù)測模型創(chuàng)建單元，用于接收來自所述中央服務(wù)器的所述目標(biāo)模型參數(shù)和所述分類矩陣，根據(jù)所述目標(biāo)模型參數(shù)和所述分類矩陣創(chuàng)建所述交易風(fēng)險預(yù)測模型
。
[0035]在其中一種實(shí)施例中，所述中央服務(wù)器根據(jù)所述模型參數(shù)和所述歷史交易數(shù)據(jù)隱特征確定所述目標(biāo)模型參數(shù)和所述分類矩陣包括：
[0036]所述中央服務(wù)器聚合所述模型參數(shù)確定所述目標(biāo)模型參數(shù)，根據(jù)所述歷史交易數(shù)據(jù)隱特征和所述風(fēng)險標(biāo)簽確定所述分類矩陣
。
[0037]在其中一種實(shí)施例中，特征提取網(wǎng)絡(luò)訓(xùn)練單元包括：
[0038]歷史交易數(shù)據(jù)隱特征子單元，用于將所述歷史交易數(shù)據(jù)輸入模型參數(shù)構(gòu)建的初始特征提取網(wǎng)絡(luò)中，得到歷史交易數(shù)據(jù)隱特征；
[0039]特征提取網(wǎng)絡(luò)訓(xùn)練子單本文檔來自技高網(wǎng)...

【技術(shù)保護(hù)點(diǎn)】

【技術(shù)特征摘要】
1.
一種基于聯(lián)邦學(xué)習(xí)的交易風(fēng)險預(yù)測方法，其特征在于，包括：采集當(dāng)前交易特征數(shù)據(jù)；將所述交易特征數(shù)據(jù)輸入基于目標(biāo)模型參數(shù)和分類矩陣創(chuàng)建的交易風(fēng)險預(yù)測模型中，得到交易風(fēng)險預(yù)測結(jié)果；其中，所述目標(biāo)模型參數(shù)和所述分類矩陣通過中央服務(wù)器和歷史交易數(shù)據(jù)得到
。2.
根據(jù)權(quán)利要求1所述的基于聯(lián)邦學(xué)習(xí)的交易風(fēng)險預(yù)測方法，其特征在于，創(chuàng)建交易風(fēng)險預(yù)測模型的步驟包括：根據(jù)所述歷史交易數(shù)據(jù)和對應(yīng)的風(fēng)險標(biāo)簽訓(xùn)練特征提取網(wǎng)絡(luò)，得到模型參數(shù)和對應(yīng)的歷史交易數(shù)據(jù)隱特征；將所述模型參數(shù)和所述歷史交易數(shù)據(jù)隱特征發(fā)送至所述中央服務(wù)器，以使所述中央服務(wù)器根據(jù)所述模型參數(shù)和所述歷史交易數(shù)據(jù)隱特征確定所述目標(biāo)模型參數(shù)和所述分類矩陣；接收來自所述中央服務(wù)器的所述目標(biāo)模型參數(shù)和所述分類矩陣，根據(jù)所述目標(biāo)模型參數(shù)和所述分類矩陣創(chuàng)建所述交易風(fēng)險預(yù)測模型
。3.
根據(jù)權(quán)利要求2所述的基于聯(lián)邦學(xué)習(xí)的交易風(fēng)險預(yù)測方法，其特征在于，所述中央服務(wù)器根據(jù)所述模型參數(shù)和所述歷史交易數(shù)據(jù)隱特征確定所述目標(biāo)模型參數(shù)和所述分類矩陣包括：所述中央服務(wù)器聚合所述模型參數(shù)確定所述目標(biāo)模型參數(shù)，根據(jù)所述歷史交易數(shù)據(jù)隱特征和所述風(fēng)險標(biāo)簽確定所述分類矩陣
。4.
根據(jù)權(quán)利要求2所述的基于聯(lián)邦學(xué)習(xí)的交易風(fēng)險預(yù)測方法，其特征在于，根據(jù)所述歷史交易數(shù)據(jù)和對應(yīng)的風(fēng)險標(biāo)簽訓(xùn)練特征提取網(wǎng)絡(luò)包括：將所述歷史交易數(shù)據(jù)輸入模型參數(shù)構(gòu)建的初始特征提取網(wǎng)絡(luò)中，得到歷史交易數(shù)據(jù)隱特征；根據(jù)所述歷史交易數(shù)據(jù)隱特征和對應(yīng)的風(fēng)險標(biāo)簽訓(xùn)練所述特征提取網(wǎng)絡(luò)，確定訓(xùn)練結(jié)果對應(yīng)的模型參數(shù)和歷史交易數(shù)據(jù)隱特征
。5.
根據(jù)權(quán)利要求4所述的基于聯(lián)邦學(xué)習(xí)的交易風(fēng)險預(yù)測方法，其特征在于，根據(jù)所述歷史交易數(shù)據(jù)隱...

【專利技術(shù)屬性】
技術(shù)研發(fā)人員：汪鑫豪，周迪強(qiáng)，李峰，
申請(專利權(quán))人：中國工商銀行股份有限公司，
類型：發(fā)明
國別省市：