基于联邦学习的跨机构函证数据隐私处理方法与流程

本发明涉及联邦学习与审计数据处理，具体涉及一种基于联邦学习的跨机构函证数据隐私处理方法。

背景技术：

1、在跨机构函证业务中，被审计单位通常涉及母公司与多个子公司，各实体之间存在频繁的应收账款与应付账款往来交易。审计师需要对各机构持有的函证响应数据进行跨机构比对与一致性分析，以识别财务数据偏差和响应时序异常。

2、现有基于联邦学习的隐私处理方法在处理上述场景时存在两方面不足。一方面，跨机构函证数据中的关联方交易拓扑属于企业集团核心商业机密，被审计单位标识及其关联关系属于审计业务敏感信息，而现有联邦学习框架在建立跨机构关联关系时需要共享明文标识或完整交易关系图，导致关联方交易拓扑和审计任务归属信息面临泄露风险。另一方面，协同造假的关联方在财务数据字段和函证响应时序上同时产生异常信号，但两类信号分别分散在多跳交易链条和多机构响应序列中，每个维度单独处理时因信号微弱而无法有效识别，现有联邦学习方法缺乏在隐私保护前提下对多维异构函证数据进行拓扑耦合联合处理的能力，导致协同造假异常难以被有效检出。

技术实现思路

1、本发明提供基于联邦学习的跨机构函证数据隐私处理方法，解决相关技术中跨机构函证数据在联合分析过程中原始标识信息存在泄露风险、各机构本地数据差异特征与时序延迟特征难以协同利用、以及跨机构异常关联路径识别精度不足的技术问题。

2、本发明公开了一种基于联邦学习的跨机构函证数据隐私处理方法，包括：

3、各参与机构从本地函证响应数据中提取边特征向量和时序延迟特征并拼接为双通道边特征向量，对交易对手方标识和被审计单位标识分别进行匿名化处理生成匿名节点编码和匿名关联标识，组装本地交易关系邻接片段；

4、联邦协调节点对各机构上传的匿名关联标识执行隐私集合求交运算，生成跨机构函证关联拓扑索引；

5、各机构将本地交易关系邻接片段及双通道边特征向量输入本地双通道图神经网络，通过数据差异消息传递通道和时序延迟消息传递通道分别执行图卷积运算，经跨通道注意力门控执行特征交叉增强，输出双通道本地节点嵌入向量；

6、对双通道本地节点嵌入向量施加基于节点度数的自适应差分隐私噪声注入，对训练梯度执行稀疏投影处理后添加校准拉普拉斯噪声，经联邦聚合节点安全聚合梯度并迭代训练至收敛；

7、基于匿名节点编码对各机构的隐私保护后的双通道本地节点嵌入向量执行跨机构节点对齐，按邻域规模归一化系数加权拼接生成全局双通道融合节点嵌入矩阵；

8、对节点对分别计算字段偏差度量值和延迟协同度量值，通过非线性融合函数映射为联合异常边权重，生成联合异常加权关联图；

9、在联合异常加权关联图上执行逐跳累积传播，识别累积联合异常分数超过自适应阈值的路径，生成跨机构函证数据隐私处理结果。

10、进一步地，所述边特征向量包括交易金额区间编码、交易频次和交易类型编码，其中交易金额区间编码和交易类型编码采用独热编码方式转换为数值型表示，交易频次采用z-score标准化处理；所述时序延迟特征由函证的响应时间间隔经z-score标准化处理后编码生成；所述匿名节点编码由交易对手方标识经单向哈希函数映射生成，所述匿名关联标识由被审计单位标识经局部敏感哈希编码生成。

11、进一步地，所述跨通道注意力门控的计算过程包括：设数据差异通道在第  层输出的节点  的嵌入为 ，时序延迟通道在第  层输出的节点  的嵌入为 ，其中 为图卷积层的层索引， 为节点索引；交互注意力权重为：

12、；

13、其中  为可学习的注意力权重向量， 为偏置标量， 为sigmoid激活函数， 为向量拼接操作；特征交叉增强为：

14、；

15、；

16、其中  和  分别为增强后的数据差异通道节点嵌入和时序延迟通道节点嵌入。

17、进一步地，所述跨通道注意力门控采用多头注意力形式，将  和  分别沿特征维度均等分割为  个子向量，其中  为注意力头的数量，对每个头分别计算独立的注意力权重并执行特征交叉增强后，将各头输出拼接还原。

18、进一步地，所述基于节点度数的自适应差分隐私噪声注入包括：设节点  在本地交易关系邻接片段中的度数为 ， 为本地图中所有节点度数的最大值， 为基础噪声尺度参数，噪声缩放系数  为：

19、；

20、其中  为节点索引；对节点  的双通道本地节点嵌入向量  添加噪声后的嵌入为 ，其中  为从  分布中独立采样的噪声向量；所述稀疏投影处理包括保留梯度中绝对值排列在前  比例的分量并将其余分量置零，其中  为稀疏率参数，对保留的非零梯度分量添加校准拉普拉斯噪声。

21、进一步地，所述按邻域规模归一化系数加权拼接包括：设匿名节点  在第  个机构中的邻居节点数量为 ， 为包含匿名节点  的机构总数，邻域规模归一化系数为：

22、；

23、其中  为匿名节点索引， 为机构索引， 为求和中的机构遍历索引；匿名节点  的全局双通道融合节点嵌入向量为：

24、；

25、其中  为匿名节点  在第  个机构中的隐私保护后的双通道本地节点嵌入向量；对于仅出现在单个机构中的匿名节点，其全局双通道融合节点嵌入向量为该机构中对应的隐私保护后的双通道本地节点嵌入向量。

26、进一步地，所述字段偏差度量值和延迟协同度量值分别为节点对在数据差异通道子向量之间和时序延迟通道子向量之间的l2范数距离；所述非线性融合函数为多层感知器，输入为字段偏差度量值和延迟协同度量值组成的二维向量，输出层接sigmoid激活函数，输出联合异常边权重；当节点对中两个节点出现的机构集合不完全相同时，对缺失机构的对应通道嵌入位置填充零向量。

27、进一步地，所述逐跳累积传播包括：设一条路径依次经过节点 ，该路径的累积联合异常分数为：

28、；

29、其中  为路径包含的节点数量， 为路径中边的遍历索引， 为相邻节点之间的联合异常边权重；所述自适应阈值基于历史正常关联组的联合异常边权重累积分布确定：

30、；

31、其中  为该分布的均值， 为标准差， 为阈值敏感度参数；对累积联合异常分数超过  的路径，当多条路径存在子路径包含关系时，保留最长路径并去除其子路径。

32、进一步地，所述逐跳累积传播采用剪枝策略：在逐跳搜索过程中，当从起始节点到当前节点的已累积异常分数加上剩余可达节点中最大联合异常边权重乘以剩余最大跳数的估计值小于自适应阈值  时，终止该路径的继续搜索。

33、本发明公开了一种基于联邦学习的跨机构函证数据隐私处理系统，包括：

34、本地特征提取与匿名化模块，用于从本地函证响应数据中提取边特征向量和时序延迟特征并拼接为双通道边特征向量，对交易对手方标识和被审计单位标识分别进行匿名化处理生成匿名节点编码和匿名关联标识，组装本地交易关系邻接片段；

35、跨机构关联拓扑生成模块，用于接收各机构上传的匿名关联标识，执行隐私集合求交运算识别跨机构共有的匿名关联标识集合，生成跨机构函证关联拓扑索引并分发回各相关机构；

36、本地双通道图神经网络处理模块，用于根据跨机构函证关联拓扑索引聚合关联组，将本地交易关系邻接片段及双通道边特征向量输入本地双通道图神经网络，通过数据差异消息传递通道和时序延迟消息传递通道分别处理对应的边特征子向量，经跨通道注意力门控执行特征交叉增强，输出双通道本地节点嵌入向量；

37、差分隐私保护与联邦聚合模块，用于对双通道本地节点嵌入向量施加基于节点度数的自适应差分隐私噪声注入，对训练梯度执行稀疏投影处理并添加校准拉普拉斯噪声，在联邦聚合节点对梯度执行安全聚合并分发全局聚合梯度，经多轮迭代输出训练完成的本地双通道图神经网络及隐私保护后的双通道本地节点嵌入向量集合；

38、跨机构节点对齐与融合模块，用于基于匿名节点编码对各机构上传的隐私保护后的双通道本地节点嵌入向量集合执行跨机构节点对齐，按邻域规模归一化系数加权拼接生成全局双通道融合节点嵌入矩阵；

39、联合异常加权关联图生成模块，用于对全局双通道融合节点嵌入矩阵中每对存在交易关系的节点对分别计算字段偏差度量值和延迟协同度量值，通过非线性融合函数映射为联合异常边权重，生成联合异常加权关联图；

40、异常路径识别模块，用于在联合异常加权关联图上执行逐跳累积传播计算，沿连通路径累积联合异常边权重，识别累积联合异常分数超过自适应阈值的最长连通路径，生成双通道联合差异传播路径集合及各路径的累积联合异常分数；

41、结果报告生成模块，用于将双通道联合差异传播路径集合中各路径上的匿名节点映射回对应的机构函证记录，标注主要偏差字段和延迟模式特征，按累积联合异常分数降序排列，生成跨机构函证数据隐私处理结果报告。

42、本发明具有以下有益效果：

43、第一，通过单向哈希函数和局部敏感哈希分别对交易对手方标识和被审计单位标识进行匿名化处理，并采用隐私集合求交运算在联邦协调节点建立跨机构关联拓扑索引，各机构无需共享明文标识或完整交易关系图，从而避免了关联方交易拓扑和审计任务归属信息在联邦学习过程中被暴露。

44、第二，各机构本地完成双通道图神经网络的消息传递计算，对双通道本地节点嵌入向量施加基于节点度数的自适应差分隐私噪声、对梯度执行稀疏投影差分隐私处理后再上传至联邦聚合节点，使交易关系结构和关联组统计特征不出本地机构，从而在联邦聚合和梯度传递过程中对各机构的原始数据和图结构信息提供保护。

45、第三，跨通道注意力门控使数据差异信号和时序延迟信号在共享拓扑上实现特征交叉增强，可学习的非线性融合函数使两类信号共现时获得超线性增强，协同造假场景中分别分散在多跳交易链条和多机构响应序列中的微弱异常信号经融合和逐跳累积传播后得到有效放大，有助于解决单维度处理因信号微弱而难以识别协同异常的问题。