[发明专利]基于区块链网络识别企业风险性的方法及装置

权利要求书

1.一种基于区块链网络识别企业风险的方法，所述区块链网络中预先部署有用于识别企业风险的第一智能合约；所述方法由所述区块链网络中的第一节点执行，包括：

接收调用所述第一智能合约的第一交易，所述第一交易指定有待识别企业；

执行所述第一智能合约，从而在可信执行环境TEE中实现以下风险预测过程：

数据持有方获取基于包括所述待识别企业在内的N个企业的企业信息构建的知识图谱，所述N个企业的企业信息来自多个数据持有方，所述知识图谱包括从企业信息中提取的各个企业的风险特征，以及与各个企业一一对应的各个节点；

利用预先训练的图模型处理所述知识图谱，从而将各个节点的风险特征与其邻居节点的风险特征进行融合，得到所述待识别企业对应的节点的关联特征；

根据所述待识别企业对应的风险特征和所述关联特征，识别所述待识别企业的风险性。

2.根据权利要求1所述的方法，其中，所述获取基于包括所述待识别企业在内的N个企业的企业信息构建的知识图谱包括：

从多个数据持有方各自的私有数据中获取各个数据持有方分别利用所述N个企业在本地的企业信息构建的各个局部知识图谱，其中，数据持有方数据持有方单个局部知识图谱由对存储在所述区块链网络的加密数据在TEE中进行解密得到数据持有方数据持有方；

将各个局部知识图谱进行合并得到所述N个企业对应的知识图谱。

3.根据权利要求1所述的方法，其中，所述知识图谱通过邻接矩阵和特征矩阵描述，所述邻接矩阵中，各个行/列分别与各个企业一一对应，具有关联关系的两两企业在相应行、列交汇处通过预定的非零值表示，否则通过0值表示；所述利用预先训练的图模型处理知识图谱，将各个节点的风险特征与其邻居节点的风险特征进行融合，得到待识别企业对应的节点的关联特征包括：

基于所述邻接矩阵确定所述知识图谱对应的度矩阵，所述度矩阵为各个行/各个列分别对应各个企业的对角矩阵，所述对角矩阵的各个对角元素分别表示相应企业所关联的企业数量；

在图模型的当前层，基于所述度矩阵、所述邻接矩阵和当前的表征矩阵的乘积，结合图模型在当前层的参数矩阵，确定经当前层迭代后的表征矩阵，其中，在第一层，当前的表征矩阵为所述特征矩阵。

4.根据权利要求1所述的方法，其中，单个企业的风险特征构成知识图谱中相应节点初始的表征向量，所述利用预先训练的图模型处理知识图谱，将各个节点的风险特征与其邻居节点的风险特征进行融合，得到待识别企业对应的节点的关联特征包括：

在图模型的当前层，针对节点u的各个邻居节点分别对应的各个表征向量加权求和，得到第一加权和，其中，单个邻居节点v的加权权重为节点u和节点v的关联系数；

根据当前层的第一参数矩阵对所述第一加权和的处理结果，更新节点u的表征向量。

5.根据权利要求4所述的方法，其中，节点u和节点v的关联系数由以下方式确定：

对节点v、节点u分别对应的当前表达向量进行拼接，得到拼接向量，在当前层为第一层的情况下，单个节点的当前表达向量为相应企业的风险特征构成的初始表达向量，否则，单个节点的当前表达向量为前一次迭代后的表达向量；

基于当前层的第二参数矩阵对所述拼接向量的处理，确定所述关联系数。

6.根据权利要求1所述的方法，其中，所述根据所述待识别企业对应的风险特征和所述关联特征，识别所述待识别企业的风险性包括：

将所述待识别企业的关联特征和风险特征的融合结果，输入预先训练的预测模型；

根据所述预测模型的输出结果，确定所述待识别企业的风险性。

7.根据权利要求6所述的方法，其中，所述融合结果通过待识别企业的关联特征和风险特征的加权平均、拼接之一的处理方式确定。

8.根据权利要求6所述的方法，其中，所述预测模型的输出结果为第一企业为风险企业的概率，所述根据所述预测模型的输出结果，确定第一企业的风险性包括：

在所述概率大于预设概率阈值的情况下，确定所述待识别企业为风险企业。