(19)中华 人民共和国 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 202111547710.2 (22)申请日 2021.12.16 (71)申请人 厦门美亚亿安信息科技有限公司 地址 361012 福建省厦门市集美区软件园 三期诚毅北 大街62号109单 元0150号 (72)发明人 庄晓明　吴少华　吴江煌　许佳裕　 林晓东　孙健都　 (74)专利代理 机构 厦门福贝知识产权代理事务 所(普通合伙) 35235 代理人 郭涵炜 (51)Int.Cl. G06Q 10/06(2012.01) G06F 21/60(2013.01) G06N 20/00(2019.01) (54)发明名称 一种基于联邦学习的企业风险预测方法和 系统 (57)摘要 公开了一种基于联邦学习的企业风险预测 方法和系统， 包括将企业经营数据与第三方数据 提交到联邦存储库中， 其中， 第三方数据包括咨 询和审计数据； 基于预设数据规范在联邦存储库 中对企业经营数据和第三方数据进行自由样本 的加工处理， 加工处理包括同态加密和业务数据 对齐； 利用机器学习和深度学习模 型训练分别构 建企业和第三方算法模型， 从各自模 型中抽样获 得样本数据， 并将样本数据输入 联邦学习技术平 台进行联合建模， 生成联合模型； 利用联合模型 进行联合预测， 并将预测结果反馈至企业和第三 方算法模型。 本申请可用于明确当前企业的业务 漏洞， 预测未来企业中存在风险。 权利要求书2页 说明书10页 附图3页 CN 114037359 A 2022.02.11 CN 114037359 A 1.一种基于联邦学习的企业 风险预测方法， 其特 征在于， 包括： S1： 将企业经营数据与第三方数据提交到联邦存储库中， 其中， 所述第 三方数据包括咨 询和审计数据； S2： 基于预设数据规范在所述联邦存储库中对所述企业经营数据和所述第 三方数据进 行自由样本的加工处 理， 所述加工处 理包括同态加密和业 务数据对齐； S3： 利用机器学习和深度学习模型训练分别构建企业和第三方算法模型， 从各自模型 中抽样获得样本数据， 并将所述样本数据输入联邦学习技术平台进行联合建模， 生成联合 模型； 以及 S4： 利用所述联合模型进行联合预测， 并将预测结果反馈至所述企业和第三方算法模 型。 2.根据权利要求1所述的基于联邦学习的企业风险预测方法， 其特征在于， 所述步骤S2 中对所述 企业经营数据和所述第三方数据进 行同态加密后保存至所述联邦存储库中， 且在 整个风险预测过程中的所有数据均为同态加密后的密文。 3.根据权利要求1所述的基于联邦学习的企业风险预测方法， 其特征在于， 所述步骤S2 中的业务数据对齐包括将所述企业和第三方的数据进行量 化切分。 4.根据权利要求1所述的基于联邦学习的企业风险预测方法， 其特征在于， 所述企业和 第三方算法模型获取对应的分类数据、 特征数据和核心业务数据， 所述核心业务数据包括 样本ID、 业 务特征变量和表现数据。 5.根据权利要求1所述的基于联邦学习的企业风险预测方法， 其特征在于， 所述样本数 据包括所述企业和第三方算法模型的训练参数和梯度。 6.根据权利要求4所述的基于联邦学习的企业风险预测方法， 其特征在于， 所述步骤S3 中的联合建模具体包括： 对输入的所述企业和第三方的数据样本进行样本ID匹配， 输出样 本ID交集后进行模型的训练， 生成所述联合模型。 7.根据权利要求1所述的基于联邦学习的企业风险预测方法， 其特征在于， 所述步骤S4 之后还包括： 所述企业和第三方算法模型根据所述联合模型反馈的参数进行 更新训练。 8.根据权利要求1所述的基于联邦学习的企业风险预测方法， 其特征在于， 所述联合模 型中的风险模型公式为Ris＝min(150,F1)+min(150,F2)+min(150,F3)+min(150,F4)+min (150,F5)， 其中， Ris为风险分数， F1表示法人股东情况， F2表示经营情况， F3表示信用情况， F4表示竞争能力， F5表示行业趋势。 9.一种计算机可读存储介质， 其上存储有一或多个计算机程序， 其特征在于， 该一或多 个计算机程序被 计算机处 理器执行时实施权利要求1至8中任一项所述的方法。 10.一种基于联邦学习的企业 风险预测系统， 其特 征在于， 所述系统包括： 数据存储单元： 配置用于将 企业经营数据与第 三方数据提交到联邦存储库中， 其中， 所 述第三方 数据包括咨询和审计数据； 数据加工单元： 配置用于基于预设数据规范在所述联邦存储库中对所述企业经营数据 和所述第三方数据进行自由样本的加工处理， 所述加工处理包括同态加密和业务数据对 齐； 联合模型构建单元： 配置用于利用机器学习和深度 学习模型训练分别构建企业和第 三 方算法模型， 从各自模型中抽样获得样本数据， 并将所述样本数据输入联邦学习技术平台权　利　要　求　书 1/2 页 2 CN 114037359 A 2进行联合建模， 生成联合模型； 预测单元： 配置用于利用所述联合模型进行联合预测， 并将预测结果反馈至所述企业 和第三方算法模型。权　利　要　求　书 2/2 页 3 CN 114037359 A 3