(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210917229.6 (22)申请日 2022.08.01 (71)申请人 中国银行股份有限公司 地址 100818 北京市西城区复兴门内大街1 号 (72)发明人 韦雪梅　 (74)专利代理 机构 北京集佳知识产权代理有限 公司 11227 专利代理师 吴玲 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 10/04(2012.01) H04L 9/40(2022.01) (54)发明名称 一种风险预测模 型的确定方法、 中心服务器 及相关设备 (57)摘要 本发明公开了一种风险预测模型的确定方 法、 中心服务器及相关设备， 可应用于大数据领 域或金融领域。 将加密后的初始模 型训练参数发 送至各个客户端进行模型训练； 接收客户端上送 的损失函数和加密后的模型更新参数； 对加密后 的模型更新参数进行加权平均处理， 得到加密后 的全局模型参数； 若损失函数收敛， 将停止训练 指令和加密后的全局模型参数发送至客户端， 使 客户端基于全局模型参数确定风险预测模型； 若 损失函数未收敛， 将加密后的全局模 型参数分别 发送至客户端， 使客户端基于全局模 型参数更新 训练算法后继续进行模型训练。 客户端可利用风 险预测模型预测待评估企业的风险评分， 不需要 业务人员人工进行风险评估， 提高风险评估的准 确性。 权利要求书2页 说明书8页 附图4页 CN 115271471 A 2022.11.01 CN 115271471 A 1.一种风险预测模型的确定方法， 其特征在于， 所述方法适用于中心服务器， 所述方法 包括： 将加密后的初始模型训练参数分别发送至各个客户端， 使所述客户端对加密后的初始 模型训练参数进行解密， 以及使 所述客户端基于训练算法、 损失函数、 样本数据和所述初始 模型训练参数进行模型训练以得到模型 更新参数； 接收各个所述 客户端上送的所述损失函数和 加密后的模型 更新参数； 对加密后的模型更新参数进行密文域上的加权平均处理， 得到加密后的全局模型参 数； 若所述损 失函数收敛， 或达到预设的最大训练轮次或训练时间， 将停止训练指令和加 密后的全局模型参数发送至各个所述客户端， 使 所述客户端停止模型训练并对加密后的全 局模型参数进 行解密， 以及使 所述客户端基于所述全局模型参数更新训练算法后得到风险 预测模型， 所述风险预测模型用于基于待评估企业的企业特征数据预测得到所述待评估企 业的风险评分； 若所述损 失函数未收敛， 将加密后的全局模型参数分别发送至各个所述客户端， 使所 述客户端对加密后的全局模型参数进 行解密， 以及使 所述客户端基于所述全局模型参数更 新训练算法后继续进 行模型训练， 返回执行接收各个所述客户端 上送的所述损失函数和加 密后的模型 更新参数这一步骤。 2.根据权利要求1所述的方法， 其特征在于， 将加密后的初始模型训练参数分别发送至 各个客户端， 包括： 利用由客户端初始化所生成的公私钥对中的公钥， 对初始模型训练参数进行加密； 将加密后的初始模型训练参数分别发送至各个所述 客户端。 3.根据权利要求1所述的方法， 其特征在于， 对加密后的模型更新参数进行密文域上的 加权平均处 理， 得到加密后的全局模型参数， 包括： 随机获取多个所述 客户端上送的加密后的模型 更新参数； 对随机获取的加密后的模型更新参数进行密文域上的加权平均处理， 得到加密后的全 局模型参数。 4.根据权利要求1 ‑3中任一所述的方法， 其特 征在于， 所述方法还 包括： 将加密后的模型 更新参数和加密后的全局模型参数 上传到区块链进行存 储。 5.一种中心服 务器， 其特 征在于， 所述中心服 务器包括： 第一发送单元， 用于将加密后的初始模型训练参数分别发送至各个客户端， 使所述客 户端对加密后的初始模型训练参数进 行解密， 以及使 所述客户端基于训练算法、 损失函数、 样本数据和所述初始模型训练参数进行模型训练以得到模型 更新参数； 接收单元， 用于接收各个所述 客户端上送的所述损失函数和 加密后的模型 更新参数； 处理单元， 用于对加密后的模型更新参数进行密文域上的加权平均处理， 得到加密后 的全局模型参数； 第二发送单元， 用于若所述损 失函数收敛， 将停止训练指令和加密后的全局模型参数 发送至各个所述客户端， 使所述客户端停止模型训练并对加密后的全局模型参数进行解 密， 以及使所述客户端基于所述全局模型参数更新训练算法后得到风险预测模型， 所述风 险预测模型用于基于待评估企业的企业特 征数据预测得到所述待评估企业的风险评分；权　利　要　求　书 1/2 页 2 CN 115271471 A 2第三发送单元， 用于若所述损 失函数未收敛， 将加密后的全局模型参数分别发送至各 个所述客户端， 使所述客户端对加密后的全局模型参数进行解密， 以及使所述客户端基于 所述全局模型参数 更新训练算法后继续进行模型训练， 返回执 行所述接收单 元。 6.根据权利要求5所述的中心服 务器， 其特 征在于， 所述第一发送单 元包括： 加密模块， 用于利用由客户端初始化所生成的公私钥对中的公钥， 对初始模型训练参 数进行加密； 发送模块， 用于将加密后的初始模型训练参数分别发送至各个所述 客户端。 7.根据权利要求5所述的中心服 务器， 其特 征在于， 所述处 理单元包括： 获取模块， 用于随机获取多个所述 客户端上送的加密后的模型 更新参数； 处理模块， 用于对随机获取的加密后的模型更新参数进行密文域上的加权平均处理， 得到加密后的全局模型参数。 8.根据权利要求5 ‑7中任一所述的中心服 务器， 其特 征在于， 所述中心服 务器还包括： 存储单元， 用于将加密后的模型更新参数和加密后的全局模型参数上传到区块链进行 存储。 9.一种电子设备， 其特征在于， 包括： 处理器以及存储器， 所述处理器以及存储器通过 通信总线相连； 其中， 所述处理器， 用于调用并执行所述存储器中存储的程序； 所述存储器， 用于存储程序， 所述 程序用于实现如权利要求1 ‑4任一所述的风险预测模型的确定方法。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质中存储有计算机 可执行指令， 所述计算机可执行指令用于执行权利要求1 ‑4任一所述的风险预测模型 的确 定方法。权　利　要　求　书 2/2 页 3 CN 115271471 A 3