信贷风险评估方法、系统、设备、存储介质及程序产品与流程

本公开涉及数据处理，尤其涉及一种信贷风险评估方法、信贷风险评估系统、电子设备、计算机可读存储介质及计算机程序产品。

背景技术：

1、随着金融技术的快速发展，信贷风险控制已成为银行等金融机构的重要工作。

2、在相关技术中，通常基于人行数据和金融机构积累的信贷数据进行分析和预测。然而，上述信贷风险控制方式的自有信贷数据覆盖人群不足，降低信贷风险评估的准确性和有效性。

3、需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

技术实现思路

1、本公开提供一种信贷风险评估方法、系统、设备、存储介质及程序产品，至少在一定程度上克服相关技术中信贷风险评估方式存在信贷风险评估结果准确度低、有效性差的问题。

2、本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

3、根据本公开的一个方面，提供一种信贷风险评估方法，响应于待评估用户的信贷业务请求，金融客户端获取所述待评估用户的金融行为数据；

4、所述金融客户端通过风险评估模型对所述待评估用户的金融行为数据进行处理，得到所述待评估用户的信贷风险评估结果；

5、其中，所述风险评估模型通过所述金融客户端对历史用户的历史金融行为数据以及对应的第一评估结果标签、运营商客户端对所述历史用户的历史时空行为数据以及对应的第二评估结果标签、和互联网客户端对所述历史用户的历史消费行为数据以及对应的第三评估结果标签进行联邦学习训练得到的。

6、在本公开的一个实施例中，所述风险评估模型通过以下方式训练得到：

7、所述金融客户端根据所述历史用户的历史金融行为数据以及对应的评估结果标签、和所述金融客户端的模型参数，得到初始风险评估模型的第一梯度，通过同态加密方式与所述运营商客户端进行交互，得到第二梯度，通过同态加密方式与所述互联网客户端进行交互，得到第三梯度，对所述第一梯度、所述第二梯度和所述第三梯度进行梯度聚合，得到所述金融客户端的总梯度；

8、所述运营商客户端通过同态加密方式与所述金融客户端和所述互联网客户端进行交互，得到所述运营商客户端的总梯度；

9、所述互联网客户端通过同态加密方式与所述金融客户端和所述运营商客户端进行交互，得到所述互联网客户端的总梯度；

10、基于梯度下降迭代更新模型参数，直至满足预设条件，得到所述风险评估模型；

11、其中，所述第二梯度通过所述历史用户的历史时空行为数据、所述运营商客户端的模型参数和所述历史金融行为数据确定的；所述第三梯度通过所述历史用户的历史消费行为数据、所述互联网客户端的模型参数和所述历史金融行为数据确定的。

12、在本公开的一个实施例中，所述金融客户端根据所述历史用户的历史金融行为数据以及对应的评估结果标签对初始风险评估模型进行训练，得到所述初始风险评估模型的第一梯度，包括：

13、所述金融客户端对所述历史金融行为数据进行特征提取，得到第一特征向量；

14、所述金融客户端通过所述初始风险评估模型对所述第一特征向量进行处理，得到第一评估结果；

15、所述金融客户端根据所述第一评估结果和所述第一评估结果标签进行本地梯度更新，确定所述第一梯度。

16、在本公开的一个实施例中，所述金融客户端通过同态加密方式与所述运营商客户端进行交互，得到第二梯度，包括：

17、所述运营商客户端对所述历史时空行为数据进行空间特征和时间特征提取，得到第二特征向量，根据所述运营商客户端的模型参数和所述第二特征向量，得到第二评估结果，对所述第二评估结果进行同态加密，得到所述第二评估结果的密文并发送至所述金融客户端；

18、所述金融客户端根据所述第一特征向量和第一随机数对所述第二评估结果的密文进行处理，得到第二梯度信息的密文；

19、所述运营商客户端接收所述第二梯度信息的密文，并对所述第二梯度信息的密文进行解密，将解密后的第二梯度信息；

20、所述金融客户端接收所述解密后的第二梯度信息，根据所述第一随机数和所述解密后的第二梯度信息，得到所述第二梯度。

21、在本公开的一个实施例中，所述金融客户端通过同态加密方式与所述互联网客户端进行交互，得到第三梯度，包括：

22、所述互联网客户端对所述历史消费行为数据进行特征提取，得到第三特征向量，根据所述互联网客户端的模型参数和所述第三特征向量，得到第三评估结果，对所述第三评估结果进行同态加密，得到所述第三评估结果的密文并发送至所述金融客户端；

23、所述金融客户端根据所述第一特征向量和第二随机数对所述第三评估结果的密文进行处理，得到第三梯度信息的密文；

24、所述运营商客户端接收所述第三信息的密文，并对所述第二梯度信息的密文进行解密，得到解密后的第三梯度信息；

25、所述金融客户端接收所述解密后的第三梯度信息，根据所述第二随机数和所述解密后的第三梯度信息，得到多少第三梯度。

26、在本公开的一个实施例中，所述基于梯度下降迭代更新模型参数，直至满足预设条件，得到所述风险评估模型，包括：

27、若所述总梯度达到最小或迭代次数达到预设次数阈值或迭代时长达到预设时长阈值，则判定满足所述预设条件，根据满足所述预设条件的模型参数构建所述风险评估模型。

28、在本公开的一个实施例中，在所述金融客户端通过风险评估模型对所述待评估用户的金融行为数据进行处理，得到所述待评估用户的信贷风险评估结果之前，所述方法还包括：所述金融客户端根据所述信贷业务请求的场景类型确定所述风险评估模型，一种场景类型对应一个风险评估模型。

29、在本公开的一个实施例中，所述方法还包括：

30、根据多个应用场景构建元学习对应的学习任务，一种应用场景对应一个学习任务；

31、通过待训练多任务风险评估模型对各个所述学习任务进行处理，得到各个所述学习任务的模型梯度；

32、对各个所述学习任务的模型梯度进行梯度聚合，以最小化多任务风险评估模型的梯度为目标，进行迭代训练，得到多任务评估模型。

33、根据本公开的另一个方面，还提供了一种信贷风险评估系统，包括金融客户端、运营商客户端和互联网客户端，其中：金融客户端用于响应于待评估用户的信贷业务请求，获取所述待评估用户的金融行为数据；通过风险评估模型对所述待评估用户的金融行为数据进行处理，得到所述待评估用户的信贷风险评估结果；其中，所述风险评估模型通过所述金融客户端对历史用户的历史金融行为数据以及对应的第一评估结果标签、运营商客户端对所述历史用户的历史时空行为数据以及对应的第二评估结果标签、和互联网客户端对所述历史用户的历史消费行为数据以及对应的第三评估结果标签进行联邦学习训练得到的。

34、根据本公开的另一个方面，提供一种电子设备，包括：处理器；以及存储器，用于存储所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行上述的信贷风险评估方法。

35、根据本公开的另一个方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的信贷风险评估方法。

36、根据本公开的又一个方面，提供一种计算机程序产品，所述计算机程序产品包括计算机程序或计算机指令，所述计算机程序或所述计算机指令由处理器加载并执行，以使计算机实现上述的信贷风险评估方法。

37、在本公开实施方式中，响应于待评估用户的信贷业务请求，金融客户端获取待评估用户的金融行为数据；金融客户端通过风险评估模型对待评估用户的金融行为数据进行处理，得到待评估用户的信贷风险评估结果；风险评估模型通过金融客户端对历史用户的历史金融行为数据以及对应的评估结果标签、运营商客户端对历史用户的历史时空行为数据、和互联网客户端对历史用户的历史消费行为数据进行联邦学习训练得到的，本公开结合用户的金融行为数据、时空行为数据和消费行为数据，从多源数据提取用户的风险特征，训练风险评估模型，通过风险评估模型实现对用户信贷风险的精准识别和预警，提升信贷。

38、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。