[发明专利]基于联邦学习的样本特征分箱方法、终端、设备和介质

说明书

本发明涉及金融科技技术领域，公开了一种基于联邦学习的样本特征分箱方法、终端、设备、介质和计算机程序产品。基于联邦学习的样本特征分箱方法：第一终端获取第二终端发送的各个样本信息，其中，样本信息包括样本特征对应的标识符；对各个标识符进行排序，并对排序后的各个标识符进行分箱操作得到多个第一分箱；根据标识符确定每个分箱对应的标签值，并根据第一分箱对应的各个标签值确定相邻的第一分箱的合并值；在各个合并值不满足合并要求时，将每个第一分箱对应的各个标识符发送至第二终端，以供第二终端将属于第一分箱的每个标识符的特征值确定为同一分箱。本发明避免了特征分箱时出现数据泄密，提高了样本特征分箱安全性。

技术领域

本发明涉及金融科技(Fintech)技术领域，尤其涉及一种基于联邦学习的样本特征分箱方法、终端、设备、介质和计算机程序产品。

背景技术

随着计算机技术的发展，越来越多的技术应用在金融领域，传统金融业正在逐步向金融科技(Fintech)转变，但由于金融行业的安全性、实时性要求，也对技术提出了更高的要求。

在金融风控领域，需要通过多方的数据进行模型的建立。而模型的建立需要对样本的特征进行分箱。目前，各个样本的特征需要结合A参与方的特征以及B参与方的标签进行分箱，但这种分箱方式，需要将特征值或者标签发送至另一个参与方，使得真实的信息被另一方得知，也即现有的样本特征的分箱存在数据泄密的问题。

发明内容

本发明的主要目的在于提供一种基于联邦学习的样本特征分箱方法、终端、设备、介质和计算机程序产品，旨在解决现有的样本特征的分箱存在数据泄密的问题。

为实现上述目的，本发明提供一种基于联邦学习的样本特征分箱方法，所述基于联邦学习的样本特征分箱方法包括：

第一终端获取第二终端发送的各个样本信息，其中，所述样本信息包括样本特征对应的标识符；

对各个所述标识符进行排序，并对排序后的各个所述标识符进行分箱操作得到多个第一分箱，其中，所述第一终端根据所述标识符关联的数据类型对各个所述标识符进行排序，所述样本信息包括所述样本特征的特征值对应的数据类型；

根据所述标识符确定每个所述分箱对应的标签值，并根据所述第一分箱对应的各个标签值确定相邻的第一分箱的合并值；

在各个所述合并值不满足合并要求时，将每个所述第一分箱对应的各个标识符发送至第二终端，以供所述第二终端将属于所述第一分箱的每个标识符的特征值确定为同一分箱。

在一实施例中，所述根据所述第一分箱对应的各个标签值确定相邻的第一分箱的合并值的步骤之后，还包括：

在含有满足合并要求的目标合并值时，将所述目标合并值对应的相邻所述第一分箱进行合并得到第二分箱；

将各个所述第二分箱以及未进行合并的各个所述第一分箱，重新更新为各个第一分箱，并返回执行所述根据所述第一分箱对应的各个标签值确定相邻的第一分箱的合并值的步骤。

在一实施例中，所述将各个所述第二分箱以及未进行合并的各个所述第一分箱，重新更新为各个第一分箱的步骤之后，还包括：

确定更新后的各个第一分箱的数量；

在所述数量大于最小分箱数量，返回执行所述根据所述第一分箱对应的各个标签值确定相邻的第一分箱的合并值的步骤；

在所述数量小于或等于最小分箱数量时，将更新后的每个所述第一分箱对应的各个标识符发送至第二终端，以供所述第二终端将属于更新后的所述第一分箱的每个标识符对应的特征值确定为同一分箱。

在一实施例中，所述对各个所述标识符进行排序的步骤包括：

根据所述样本信息确定所述标识符对应的特征值的数据类型；