[发明专利]个人信贷风险预测模型训练方法及装置

权利要求书

1.一种个人信贷风险预测模型训练方法，其特征在于，包括：

获取第一用户行为数据和秘钥信息；

根据所述第一用户行为数据和所述秘钥信息生成第一加密信息，将所述第一加密信息发送至目标联邦学习端，并接收所述目标联邦学习端发送的第二加密信息；所述第二加密信息由所述目标联邦学习端根据第二用户行为数据和所述秘钥信息生成；

利用所述第一加密信息和所述第二加密信息训练目标神经网络模型，并将第一训练结果发送至目标端；

接收所述目标端发送的权重参数，并根据所述权重参数更新所述目标神经网络模型，得到个人信贷风险预测模型；所述权重参数由所述目标端利用所述第一训练结果生成。

2.根据权利要求1所述的方法，其特征在于，所述目标神经网络模型为循环神经网络模型。

3.根据权利要求1所述的方法，其特征在于，所述第一用户行为数据包括信用评分数据。

4.根据权利要求1所述的方法，其特征在于，利用所述第一加密信息和所述第二加密信息训练目标神经网络模型，包括：

初始化所述目标神经网络模型；

利用所述第一加密信息和所述第二加密信息训练初始化后的目标神经网络模型，得到第一训练结果。

5.根据权利要求4所述的方法，其特征在于，初始化所述目标神经网络模型，包括：

使用非线性函数作为激活函数，对目标神经网络模型进行初始化处理。

6.一种个人信贷风险预测模型训练装置，其特征在于，包括：

获取模块，用于获取第一用户行为数据和秘钥信息；

联邦学习模块，用于根据所述第一用户行为数据和所述秘钥信息生成第一加密信息，将所述第一加密信息发送至目标联邦学习端，并接收所述目标联邦学习端发送的第二加密信息；所述第二加密信息由所述目标联邦学习端根据第二用户行为数据和所述秘钥信息生成；

训练模块，用于利用所述第一加密信息和所述第二加密信息训练目标神经网络模型，并将第一训练结果发送至目标端；

模型模块，用于接收所述目标端发送的权重参数，并根据所述权重参数更新所述目标神经网络模型，得到个人信贷风险预测模型；所述权重参数由所述目标端利用所述第一训练结果生成。

7.根据权利要求6所述的装置，其特征在于，所述目标神经网络模型为循环神经网络模型。

8.根据权利要求6所述的装置，其特征在于，所述第一用户行为数据包括信用评分数据。

9.根据权利要求6所述的装置，其特征在于，所述训练模块，包括：

初始化单元，用于初始化所述目标神经网络模型；

训练单元，用于利用所述第一加密信息和所述第二加密信息训练初始化后的目标神经网络模型，得到第一训练结果。

10.根据权利要求9所述的装置，其特征在于，所述初始化单元，用于：

使用非线性函数作为激活函数，对目标神经网络模型进行初始化处理。

11.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至5任一所述个人信贷风险预测模型训练方法。

12.一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存储有执行权利要求1至5任一所述个人信贷风险预测模型训练方法的计算机程序。