CN112613726A - 基于联邦学习的风险检测方法、客户端、设备和存储介质 - Google Patents

Abstract

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风险检测方法、客户端、设备和存储介质。所述基于联邦学习的风险检测方法包括：客户端从客户端获取风险检测的历史风险结果；确定所述历史风险结果对应的历史检测时间段，并根据当前时间点以及所述历史检测时间段确定目标时间段；获取所述用户在所述目标时间段的时空轨迹；根据所述时空轨迹，检测所述用户是否途经风险区域，得到当前风险结果。本发明缩短了风险检测的检测时长。

Description

基于联邦学习的风险检测方法、客户端、设备和存储介质

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风险检测方法、客户端、设备和存储介质。

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。

疫情期间，在用户出行时，需要出示健康二维码进行通行。健康二维码包括红码以及绿码。若是用户在过去时间内未与感染者接触，则健康二维码为绿码，若用户在过去时间内与感染者接触，则健康二维码为红码。用户是否与感染者接触是根据用户的过去时间内的时空轨迹进行检测的。时空轨迹指的是用户在过去时间内的行程轨迹。

现有的检测方案要求用户上传其在过去时间的所有时空轨迹，再检测这段时间内的时空轨迹有无风险的，过去时间所涉及的时长较长，风险检测的时间较长。

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风险检测方法、客户端、设备和存储介质，旨在解决风险检测的时间较长的问题。

为实现上述目的，本发明提供一种基于联邦学习的风险检测方法，所述基于联邦学习的风险检测方法包括：

客户端从服务端获取风险检测的历史风险结果；

确定所述历史风险结果对应的历史检测时间段，并根据当前时间点以及所述历史检测时间段确定目标时间段；

获取所述用户在所述目标时间段的时空轨迹；

根据所述时空轨迹，检测所述用户是否途经风险区域，得到当前风险结果。

在一实施例中，所述客户端从服务端获取风险检测的历史风险结果的步骤包括：

客户端向服务端发送风险检测请求；

接收所述服务端反馈的所述历史风险结果；

其中，所述服务端根据所述风险检测请求对应的用户秘钥，从每个区块链节点中获取风险结果，并将存储时间最晚的所述风险结果确定为所述历史风险结果，或者，所述服务端根据所述风险检测请求对应的用户秘钥从目标区域链节点中获取多个风险结果，将存储时间最晚的所述风险结果确定为所述历史风险结果，所述目标区块链节点为距离所述服务端最近的区块链节点，所述目标区块链节点根据所述目标区块链节点的地址从其他区块链节点中获取所述用户秘钥对应的风险结果以得到多个风险结果。

在一实施例中，所述根据所述时空轨迹，检测所述用户是否途径风险区域，得到当前风险结果的步骤包括：

将所述时空轨迹输入检测模型，其中，所述服务端在向客户端反馈历史风险结果后，将所述检测模型发送至所述客户端，所述检测模型包含地图，所述地图上包括一个或多个所述风险区域；

获取所述检测模型输出的当前风险结果。

在一实施例中，所述检测模型为加密的检测模型，所述获取所述检测模型输出的当前风险结果的步骤之后，还包括：

将所述当前风险结果发送至所述服务端，其中，加密的检测模型输出的当前风险结果为加密的风险结果，所述服务端对所述当前风险结果进行解密得到解密的风险结果；

接收所述服务端反馈所述解密的风险结果，并输出所述解密的风险结果。

在一实施例中，所述将所述当前风险结果发送至所述服务端的步骤之后，还包括：

将所述目标时间段发送至服务端，其中，所述服务端根据所述用户秘钥将所述目标时间段以及所述当前风险结果发送至目标区块链节点，并将所述当前风险结果反馈至所述客户端，在所述当前风险结果被大于或等于预设数量的区块链节点验证成功后，所述目标区块链节点将所述目标时间段与所述当前风险结果关联存储；

执行所述接收所述服务端反馈所述解密的风险结果，并输出所述解密的风险结果的步骤。

在一实施例中，所述根据所述时空轨迹，检测所述用户是否途径风险区域，得到当前风险结果的步骤包括：

输出所述当前风险结果，并将所述目标时间段以及所述当前风险结果发送至目标区块链节点，其中，在所述当前风险结果被大于或等于预设数量的区块链节点验证成功后，所述目标区块链节点将所述目标时间段与所述当前风险结果关联存储。

在一实施例中，所述客户端获取风险检测的历史风险结果的步骤之后，还包括：

确定所述历史风险结果是否为安全；

在所述历史风险结果为不安全时，输出不安全的提示信息，并将所述历史风险结果保存为当前风险结果；

在所述历史风险结果为安全时，确定所述历史风险结果对应的历史检测时间段，并根据当前时间点以及所述历史检测时间段确定目标时间段；

获取所述用户在所述目标时间段的时空轨迹；

根据所述时空轨迹，检测所述用户是否途经风险区域，得到当前风险结果。

为实现上述目的，本发明还提供一种客户端，所述客户端包括：

获取模块，用于从服务端获取风险检测的历史风险结果；

确定模块，用于确定所述历史风险结果对应的历史检测时间段，并根据当前时间点以及所述历史检测时间段确定目标时间段；

所述获取模块，还用于获取所述用户在所述目标时间段的时空轨迹；

检测模块，用于根据所述时空轨迹，检测所述用户是否途经风险区域，得到当前风险结果。

为实现上述目的，本发明还提供一种设备，所述设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的检测程序，所述检测程序被所述处理器执行时实现如上所述的基于联邦学习的风险检测方法的步骤。

为实现上述目的，本发明还提供一种存储介质，所述存储介质上存储有检测程序，所述检测程序被处理器执行时实现如上所述的基于联邦学习的风险检测方法的步骤。

为实现上述目的，本发明一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上所述的基于联邦学习的风险检测方法。

本发明提供一种基于联邦学习的风险检测方法、客户端、设备和存储介质，客户端获取风险检测的历史风险结果，并确定历史风险结果对应的历史检测时间段，从而根据历史检测时间段以及当前时间点确定目标时间段，进而根据用户在目标时间段的时空轨迹检测用户是否途经风险区域得到当前风险结果。本发明通过从服务端获取风险检测的历史风险结果对应的历史检测时间段，从而检测用户在历史检测时间段以后的时间是否途经风险区域，与现有技术中通过用户在过去时间内所有时间轨迹进行风险检测相比，本发明只需对用户以前查询的风险结果之后的时间，进行风险检测，缩短了风险检测的检测时长。

附图说明

图1为本发明实施例方案涉及的硬件运行环境的客户端/设备的硬件结构示意图；

图2为本发明基于联邦学习的风险检测方法第一实施例的流程示意图；

图3为本发明基于联邦学习的风险检测方法第二实施例的流程示意图；

图4为本发明基于联邦学习的风险检测方法第三实施例的流程示意图；

图5为本发明基于联邦学习的风险检测方法第四实施例的流程示意图；

图6为本发明客户端的功能模块示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

参照图1，图1为本发明实施例方案涉及客户端或设备的硬件运行环境的硬件结构示意图。

如图1所示，客户端/设备可以包括：处理器1001，例如CPU，通信总线1002，用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如Wi-Fi接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

本领域技术人员可以理解，图1中示出的结构并不构成对客户端或设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及检测程序。

在图1所示的客户端或设备中，网络接口1004主要用于连接后台服务端，与后台服务端进行数据通信；用户接口1003主要用于连接其他客户端，与其他客户端进行数据通信；而处理器1001可以用于调用存储器1005中存储的检测程序，并执行以下操作：

客户端从服务端获取风险检测的历史风险结果；

确定所述历史风险结果对应的历史检测时间段，并根据当前时间点以及所述历史检测时间段确定目标时间段；

获取所述用户在所述目标时间段的时空轨迹；

根据所述时空轨迹，检测所述用户是否途经风险区域，得到当前风险结果。

在一实施例中，处理器1001可以调用存储器1005中存储的检测程序，还执行以下操作：

客户端向服务端发送风险检测请求；

接收所述服务端反馈的所述历史风险结果；

其中，所述服务端根据所述风险检测请求对应的用户秘钥，从每个区块链节点中获取风险结果，并将存储时间最晚的所述风险结果确定为所述历史风险结果，或者，所述服务端根据所述风险检测请求对应的用户秘钥从目标区域链节点中获取多个风险结果，将存储时间最晚的所述风险结果确定为所述历史风险结果，所述目标区块链节点为距离所述服务端最近的区块链节点，所述目标区块链节点根据所述目标区块链节点的地址从其他区块链节点中获取所述用户秘钥对应的风险结果以得到多个风险结果。

在一实施例中，处理器1001可以调用存储器1005中存储的检测程序，还执行以下操作：

将所述时空轨迹输入检测模型，其中，所述服务端在向客户端反馈历史风险结果后，将所述检测模型发送至所述客户端，所述检测模型包含地图，所述地图上包括一个或多个所述风险区域；

获取所述检测模型输出的当前风险结果。

在一实施例中，处理器1001可以调用存储器1005中存储的检测程序，还执行以下操作：

将所述当前风险结果发送至所述服务端，其中，加密的检测模型输出的当前风险结果为加密的风险结果，所述服务端对所述当前风险结果进行解密得到解密的风险结果；

接收所述服务端反馈所述解密的风险结果，并输出所述解密的风险结果。

在一实施例中，处理器1001可以调用存储器1005中存储的检测程序，还执行以下操作：

将所述目标时间段发送至服务端，其中，所述服务端根据所述用户秘钥将所述目标时间段以及所述当前风险结果发送至目标区块链节点，并将所述当前风险结果反馈至所述客户端，在所述当前风险结果被大于或等于预设数量的区块链节点验证成功后，所述目标区块链节点将所述目标时间段与所述当前风险结果关联存储；

执行所述接收所述服务端反馈所述解密的风险结果，并输出所述解密的风险结果的步骤。

在一实施例中，处理器1001可以调用存储器1005中存储的检测程序，还执行以下操作：

输出所述当前风险结果，并将所述目标时间段以及所述当前风险结果发送至目标区块链节点，其中，在所述当前风险结果被大于或等于预设数量的区块链节点验证成功后，所述目标区块链节点将所述目标时间段与所述当前风险结果关联存储。

在一实施例中，处理器1001可以调用存储器1005中存储的检测程序，还执行以下操作：

确定所述历史风险结果是否为安全；

在所述历史风险结果为不安全时，输出不安全的提示信息，并将所述历史风险结果保存为当前风险结果；

在所述历史风险结果为安全时，确定所述历史风险结果对应的历史检测时间段，并根据当前时间点以及所述历史检测时间段确定目标时间段；

获取所述用户在所述目标时间段的时空轨迹；

根据所述时空轨迹，检测所述用户是否途经风险区域，得到当前风险结果。

基于上述客户端的硬件结构，提出本发明基于联邦学习的风险检测方法的各实施例。

本发明提供一种基于联邦学习的风险检测方法。

参照图2，图2为本发明基于联邦学习的风险检测方法第一实施例，所述基于联邦学习的风险检测方法包括：

步骤S10，客户端从服务端获取风险检测的历史风险结果；

在本实施例中，客户端可以是便携式终端，如用户的手机；或者，客户端可为固定终端，如计算机等。客户端中存储有用户通行时的时空轨迹。用户在通行时，会携带手机，手机对用户进行实时定位得到各个位置，并确定每个位置对应的时间点，从而根据各个位置以及各个位置对应的时间点形成时空轨迹。若客户端为固定终端，则手机会定时将时空轨迹上传至客户端，客户端将用户的用户信息与时空轨迹进行关联保存。用户信息包括用户的身份证号码以及姓名等。

用户可以通过客户端查询自身是否具有感染疫情的风险。客户端装载有查询程序，用户通过登录查询程序进行风险检测以查询用户当前是否具有感染疫情的风险。客户端会向服务端发送风险检测的查询请求，服务端将检测模型发送至客户端，客户端将时空轨迹输入至检测模型中得到检测结果。风险结果包括安全以及不安全两种情况。需要说明的是，服务端发送的检测模型是加密的模型，因此，检测模型输出的检测结果是加密的，而客户端并不具备解密算法，因此无法得到风险检测结果。客户端会将检测结果发送至服务端，服务端进行解密得到风险结果，再将风险结果发送至客户端。通过此种方式，使得客户端无需将本地数据发送至服务端，避免用户的时空轨迹泄密，这种方式即为联邦学习的风险检测方式。服务端将风险结果保存为历史风险结果以便于客户端下次获取该历史风险结果。

客户端也可以定时进行风险检测。也即在当前时间点达到定时时间点时，客户端从服务端获取风险检测的历史风险结果，以进行定时的风险检测。

另外，用户可以通过客户端进行风险检测，此时，客户端从服务端获取风险检测的历史风险结果。

步骤S20，确定所述历史风险结果对应的历史检测时间段，并根据当前时间点以及所述历史检测时间段确定目标时间段；

每一个历史风险结果对应的一个历史检测时间段。例如，客户端或者用户在2020年3月1号进行了风险检测，则该风险检测的历史风险结果所对应的历史检测时间段为2019年12月1号(假设疫情开始时间为2019年12月1号)-2020年3月1号。客户端在将检测的风险结果保存为历史风险结果时，会确定该历史风险结果对应的检测时间段，进而对历史风险结果以及检测时间段进行关联保存。

客户端在得到历史风险结果后，即可确定历史风险结果所对应的历史检测时间段。客户端再根据历史检测时间段以及当前时间点确定目标时间段。目标时间段即为历史检测时间段之后的时间段。例如，历史检测时间段为2019年12月1号-2020年3月1号，而当前时间点为2020年4月1号，则目标时间段为2020年3月1号-为2020年4月1号。

步骤S30，获取所述用户在所述目标时间段的时空轨迹；

时空轨迹中包括有用户通行的路线以及时间，客户端在确定目标时间段后，根据存储的时空轨迹中的时间，确定用户在目标时间段内的时空轨迹。例如，客户端存储的时空轨迹所对应的时间为2019年12月1号-2020年3月1号，而目标时间段为2020年3月1号-为2020年4月1号，客户端则获取2020年3月1号-为2020年4月1号内的时空轨迹。

步骤S40，根据所述时空轨迹，检测所述用户是否途经风险区域，得到当前风险结果。

客户端可以通过服务端获得具有感染疫情的风险区域。客户端再根据时空轨迹检测用户是否途经风险区域得到当前风险结果。具体的，风险区域可以存在于地图上，客户端将时空轨迹的路线加载在地图上，若是路线与风险区域交叉，即可确定用户途径风险区域，所得到的当前风险结果为不安全。若路线与风险区域不交叉，即可确定用户未途径风险区域，得到的当前风险结果为安全。

客户端在得到当前风险结果后，输出当前风险结果。输出的方式可以是显示在客户端的显示屏，或者播放当前风险结果，或者将当前风险结果发送至用户所绑定的终端上。客户端再将当前风险结果更新为历史风险结果，并确定根据历史检测时间段以及目标检测时间段确定当前风险结果对应的检测时间段，以进行关联保存。例如，历史检测时间段为2019年12月1号-2020年3月1号，而目标时间段为2020年3月1号-为2020年4月1号，则当前风险结果对应的检测时间段为2019年12月1号-为2020年4月1号。

此外，客户端在得到当前风险结果后，将目标时间段以及当前风险结果发送至目标区块链节点，目标区块链节点为区块链中任一节点。目标区块节点接收到目标时间段以及当前风险结果时，通知区块链节点中的其他节点对当前风险结果进行验证，验证可以是验证当前风险结果是否准确以及有效。若是大于预设数量的区块链节点对当前风险结果验证成功后，目标区块链节点关联存储当前风险结果以及目标时间段，客户端再输出当前风险结果。可以理解的是，客户端每次进行风险检测的时间段与风险结果均存储于区块链节点内。

需要说明的是，客户端中存储了每次风险检测所对应的历史风险结果，客户端可以随机获取其中一个历史风险结果。客户端还可以获取最近一次的历史风险结果，也即获取上一次风险检测所对应的历史风险结果，使得目标时间段的时长最小，进而使得用户在目标时间段的时空轨迹的数据量是最小的，缩短了客户端检测时空轨迹的数据量，进而最大限度的缩短了风险检测的时长。

在本实施例提供的技术方案中，客户端获取风险检测的历史风险结果，并确定历史风险结果对应的历史检测时间段，从而根据历史检测时间段以及当前时间点确定目标时间段，进而根据用户在目标时间段的时空轨迹检测用户是否途经风险区域得到当前风险结果。本发明通过从服务端获取风险检测的历史风险结果对应的历史检测时间段，从而检测用户在历史检测时间段以后的时间是否途经风险区域，与现有技术中通过用户在过去时间内所有时间轨迹进行风险检测相比，本发明只需对用户以前查询的风险结果之后的时间，进行风险检测，缩短了风险检测的检测时长。

参照图3，图3为本发明基于联邦学习的风险检测方法的第二实施例，基于第一实施例，所述步骤S10包括：

步骤S11，客户端向服务端发送风险检测请求；

步骤S12，接收所述服务端反馈的所述历史风险结果。

在本实施例中，风险检测得到的风险结果存储于区块链节点中。而区块链节点中的数据是私密，因而，服务端对每个用户设置对应的用户秘钥，服务端可以通过用户秘钥登录区块链节点得到存储的风险结果。

用户自身可得知用户秘钥(服务端将用户私钥发送至用户的终端)，用户在通过客户端进行风险检测时，用户可以在客户端输入用户秘钥。客户端根据用户秘钥生成风险检测请求，再将风险检测请求发送至服务端。服务端解析风险检测请求得到用户私钥，再根据通过用户私钥登录区块链节点获取风险结果。而不同的风险结果分布存储于各个区块链节点中，也即每个区块链节点中存储有用户的风险结果。因此，服务端可以根据风险检测请求对应的用户秘钥从每个区块链节点中获取风险结果，而风险结果与存储时间是关联的，服务端可以将存储时间最晚的风险结果确定为历史风险结果，也即历史风险结果为用户最新一次进行风险检测所产生的结果。

此外，服务端在接收到风险检测请求后，可以从各个区块链节点中确定与自身最近的区块链节点作为目标区块链节点，在采用用户秘钥登录目标区块节点。而用户的风险结果分布存储于不同的区块链节点上，目标区块链节点基于用户秘钥采用自身的地址从其他区块链节点获取风险结果，也即目标区块链节点基于区块链节点的匿名性的特点从其他区块链节点中获取用户所有的风险结果。也即服务端可以从目标区块链节点中获取多个风险结果，风险结果关联有存储时间，服务端可以将存储时间最晚的风险结果确定为历史风险结果。

服务端在得到历史风险结果后，服务端再将历史风险结果反馈至客户端，也即客户端接收服务端反馈的历史风险结果。此外，服务端可以将客户端的设备标识与用户私钥进行关联存储，服务端在接收到风险检测请求后，根据风险检测请求确定客户端，在获取客户端的设备标识，从而根据设备标识获取用户私钥。

需要说明的是，服务端在区块链节点中获取历史风险结果后，会一同获取历史风险结果对应的历史检测时间段，再将历史风险结果以及历史检测时间段一同反馈至客户端。

在本实施例提供的技术方案中，客户端向服务端发送风险检测请求，客户端根据风险检测请求获取用户私钥，再根据用户私钥从区块链节点中获取历史风险结果以反馈至客户端，避免用户的风险检测的结果泄密。

参照图4，图4为本发明基于联邦学习的风险检测方法的第三实施例，基于第二实施例，所述步骤S40包括：

步骤S41，将所述时空轨迹输入检测模型，其中，所述服务端在向客户端反馈历史风险结果后，将所述检测模型发送至所述客户端，所述检测模型包含地图，所述地图上包括一个或多个所述风险区域；

步骤S42，获取所述检测模型输出的当前风险结果。

在本实施例中，服务端在向客户端反馈历史风险结果后，会将检测模型发送至客户端。检测模型包含有地图，而地图中包括有疫情感染的多个风险区域，也即检测模型中设有地图，地图上包括多个风险区域。

客户端在接收到检测模型后，会将目标时间段的时空轨迹输入至检测模型。检测模型将时空轨迹的路线加载于地图上，以确定路线是否与风险区域交叉。检测模型将确定结果作为当前风险结果进行输出，使得客户端获取当前风险结果。

此外，客户端会将当前风险结果以及目标时间段发送至服务端，服务端先根据确定目标区块链节点，目标区块链节点为距离服务端最近的区块链节点。服务端采用用户私钥登录目标区块链节点，目标区块链节点接收到目标时间段以及当前风险结果时，通知区块链节点中的其他节点对当前风险结果进行验证，验证可以是验证当前风险结果是否准确以及有效。若是大于预设数量的区块链节点对当前风险结果验证成功后，目标区块链节点关联存储当前风险结果以及目标时间段。

进一步的，检测模型为加密的检测模型。客户端在将时空轨迹输入至加密的检测模式后，加密的检测模型输出的当前风险结果也是加密的，客户端无法对当前风险结果进行解密。对此，客户端将当前风险结果发送至服务端，使得服务端将当前风险结果进行解密，再将解密的风险结果反馈至客户端，服务端对检测模型进行加密的秘钥与对当前风险结果进行解密的秘钥是配对的，因而可以对当前风险结果进行解密。客户端接收到服务端反馈的解密的风险结果，输出解密的风险结果以供用户知晓是否有感染疫情的风险。

在本实施例提供的技术方案中，客户端获取服务端反馈的检测模型，并将时空轨迹输入至包括风险区域的检测模型，得到检测模型输出的当前风险结果，客户端无需联网获取风险区域，节省了客户端的计算资源。

参照图5，图5为本发明基于联邦学习的风险检测方法的第四实施例，基于第一至第三中任一实施例，所述步骤S10之后，还包括：

步骤S50，确定所述历史风险结果是否为安全；

步骤S60，在所述历史风险结果为安全时，确定所述历史风险结果对应的历史检测时间段，并根据当前时间点以及所述历史检测时间段确定目标时间段；

步骤S20，获取所述用户在所述目标时间段的时空轨迹；

步骤S30，根据所述时空轨迹，检测所述用户是否途经风险区域，得到当前风险结果。

步骤S70，在所述历史风险结果为不安全时，输出不安全的提示信息，并将所述历史风险结果保存为当前风险结果。

客户端在获取到历史风险结果后，会先确定历史风险结果是否为安全。若是历史风险结果为安全，客户端再执行确定历史结果对应的历史检测时间段的步骤，也即客户端再对目标时间段的时空轨迹进行检测以确定用户是否具有感染疫情的风险。若是历史风险结果为不安全，则表明用户在风险区域停留过，因此，用户有感染疫情的风险，此时，客户端输出不安全的提示信息，且将历史风险结果保存为当前风险结果，也即无需对目标时间段的时空轨迹进行风险监测，即可确定用户具有感染疫情的风险。

用户是否感染疫情需要一定的观察时间，通常需要14天至24天确定用户是否感染疫情。故而，若是历史风险结果为不安全，客户端确定历史风险结果的检测时间点与当前时间点之间的间隔时长，若是间隔时长超出观察时间，即可确定用户在检测时间点未被疫情感染，只需确定检测时间点当前时间点之间的目标时间段是否具有感染疫情的风险，也即执行步骤S20以及步骤S30。若是间隔时长小于观察时时间，则输出不安全的提示信息且将历史风险结果保存为当前风险结果。

在本实施例提供的技术方案中，客户端在获取到历史风险结果后，确定历史风险结果是否为安全，若是不安全，则输出不安全的提示信息，无需通过时空轨迹进行风险检测，缩短了客户端的风险检测时长。

本发明还提供一种客户端。

参照图6，图6为本发明客户端的功能模块示意图。

如图6所示，所述客户端包括：

获取模块10，用于从服务端获取风险检测的历史风险结果；

确定模块20，用于确定所述历史风险结果对应的历史检测时间段，并根据当前时间点以及所述历史检测时间段确定目标时间段；

所述获取模块10，还用于获取所述用户在所述目标时间段的时空轨迹；

检测模块30，用于根据所述时空轨迹，检测所述用户是否途经风险区域，得到当前风险结果。

在一实施例中，所述客户端还包括：

发送模块，用于向服务端发送风险检测请求；

接收模块，用于接收所述服务端反馈的所述历史风险结果，其中，所述服务端根据所述风险检测请求对应的用户秘钥，从每个区块链节点中获取风险结果，并将存储时间最晚的所述风险结果确定为所述历史风险结果，或者，所述服务端根据所述风险检测请求对应的用户秘钥从目标区域链节点中获取多个风险结果，将存储时间最晚的所述风险结果确定为所述历史风险结果，所述目标区块链节点为距离所述服务端最近的区块链节点，所述目标区块链节点根据所述目标区块链节点的地址从其他区块链节点中获取所述用户秘钥对应的风险结果以得到多个风险结果。

在一实施例中，所述客户端还包括：

输入模块，用于将所述时空轨迹输入检测模型，其中，所述服务端在向客户端反馈历史风险结果后，将所述检测模型发送至所述客户端，所述检测模型包含地图，所述地图上包括一个或多个所述风险区域；

所述获取模块10，还用于获取所述检测模型输出的当前风险结果。

在一实施例中，所述客户端还包括：

发送模块，用于将所述当前风险结果发送至所述服务端，其中，加密的检测模型输出的当前风险结果为加密的风险结果，所述服务端对所述当前风险结果进行解密得到解密的风险结果；

接收模块，用于接收所述服务端反馈所述解密的风险结果，并输出所述解密的风险结果。

在一实施例中，所述客户端还包括：

发送模块，用于将所述目标时间段发送至服务端，其中，将所述目标时间段发送至服务端，其中，所述服务端根据所述用户秘钥将所述目标时间段以及所述当前风险结果发送至目标区块链节点，并将所述当前风险结果反馈至所述客户端，在所述当前风险结果被大于或等于预设数量的区块链节点验证成功后，所述目标区块链节点将所述目标时间段与所述当前风险结果关联存储；

执行模块，用于执行所述接收所述服务端反馈所述解密的风险结果，并输出所述解密的风险结果的步骤。

在一实施例中，所述客户端还包括：

输出模块，用于输出所述当前风险结果，并将所述目标时间段以及所述当前风险结果发送至目标区块链节点，其中，在所述当前风险结果被大于或等于预设数量的区块链节点验证成功后，所述目标区块链节点将所述目标时间段与所述当前风险结果关联存储。

在一实施例中，所述客户端还包括：

所述确定模块20，还用于确定所述历史风险结果是否为安全；

执行模块，用于在所述历史风险结果为安全时，执行所述确定所述历史风险结果对应的历史检测时间段的步骤；

输出模块，用于在所述历史风险结果为不安全时，输出不安全的提示信息，并将所述历史风险结果保存为当前风险结果。

本发明还提供一种存储介质，该存储介质上存储有检测程序，所述检测程序被处理器执行时实现如以上任一项实施例所述的基于联邦学习的风险检测方法的步骤。

本发明存储介质的具体实施例与上述基于联邦学习的风险检测方法各实施例基本相同，在此不作赘述。

本发明一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上实施例所述的基于联邦学习的风险检测方法。

本发明计算机程序产品的具体实施例与上述基于联邦学习的风险检测方法各实施例基本相同，在此不作赘述。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务端，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (11)

1.一种基于联邦学习的风险检测方法，其特征在于，所述基于联邦学习的风险检测方法包括：

客户端从服务端获取风险检测的历史风险结果；

确定所述历史风险结果对应的历史检测时间段，并根据当前时间点以及所述历史检测时间段确定目标时间段；

获取所述用户在所述目标时间段的时空轨迹；

根据所述时空轨迹，检测所述用户是否途经风险区域，得到当前风险结果。

2.如权利要求1所述的基于联邦学习的风险检测方法，其特征在于，所述客户端从服务端获取风险检测的历史风险结果的步骤包括：

客户端向服务端发送风险检测请求；

接收所述服务端反馈的所述历史风险结果；

其中，所述服务端根据所述风险检测请求对应的用户秘钥，从每个区块链节点中获取风险结果，并将存储时间最晚的所述风险结果确定为所述历史风险结果，或者，所述服务端根据所述风险检测请求对应的用户秘钥从目标区域链节点中获取多个风险结果，将存储时间最晚的所述风险结果确定为所述历史风险结果，所述目标区块链节点为距离所述服务端最近的区块链节点，所述目标区块链节点根据所述目标区块链节点的地址从其他区块链节点中获取所述用户秘钥对应的风险结果以得到多个风险结果。

3.如权利要求2所述的基于联邦学习的风险检测方法，其特征在于，所述根据所述时空轨迹，检测所述用户是否途径风险区域，得到当前风险结果的步骤包括：

将所述时空轨迹输入检测模型，其中，所述服务端在向客户端反馈历史风险结果后，将所述检测模型发送至所述客户端，所述检测模型包含地图，所述地图上包括一个或多个所述风险区域；

获取所述检测模型输出的当前风险结果。

4.如权利要求3所述的基于联邦学习的风险检测方法，其特征在于，所述检测模型为加密的检测模型，所述获取所述检测模型输出的当前风险结果的步骤之后，还包括：

将所述当前风险结果发送至所述服务端，其中，加密的检测模型输出的当前风险结果为加密的风险结果，所述服务端对所述当前风险结果进行解密得到解密的风险结果；

接收所述服务端反馈所述解密的风险结果，并输出所述解密的风险结果。

5.如权利要求4所述的基于联邦学习的风险检测方法，其特征在于，所述将所述当前风险结果发送至所述服务端的步骤之后，还包括：

将所述目标时间段发送至服务端，其中，所述服务端根据所述用户秘钥将所述目标时间段以及所述当前风险结果发送至目标区块链节点，并将所述当前风险结果反馈至所述客户端，在所述当前风险结果被大于或等于预设数量的区块链节点验证成功后，所述目标区块链节点将所述目标时间段与所述当前风险结果关联存储；

执行所述接收所述服务端反馈所述解密的风险结果，并输出所述解密的风险结果的步骤。

6.如权利要求1所述的基于联邦学习的风险检测方法，其特征在于，所述根据所述时空轨迹，检测所述用户是否途径风险区域，得到当前风险结果的步骤包括：

输出所述当前风险结果，并将所述目标时间段以及所述当前风险结果发送至目标区块链节点，其中，在所述当前风险结果被大于或等于预设数量的区块链节点验证成功后，所述目标区块链节点将所述目标时间段与所述当前风险结果关联存储。

7.如权利要求1-6任一项所述的基于联邦学习的风险检测方法，其特征在于，所述客户端获取风险检测的历史风险结果的步骤之后，还包括：

确定所述历史风险结果是否为安全；

在所述历史风险结果为不安全时，输出不安全的提示信息，并将所述历史风险结果保存为当前风险结果；

在所述历史风险结果为安全时，确定所述历史风险结果对应的历史检测时间段，并根据当前时间点以及所述历史检测时间段确定目标时间段；

获取所述用户在所述目标时间段的时空轨迹；

根据所述时空轨迹，检测所述用户是否途经风险区域，得到当前风险结果。

8.一种客户端，其特征在于，所述客户端包括：

获取模块，用于从服务端获取风险检测的历史风险结果；

确定模块，用于确定所述历史风险结果对应的历史检测时间段，并根据当前时间点以及所述历史检测时间段确定目标时间段；

所述获取模块，还用于获取所述用户在所述目标时间段的时空轨迹；

检测模块，用于根据所述时空轨迹，检测所述用户是否途经风险区域，得到当前风险结果。

9.一种设备，其特征在于，所述设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的检测程序，所述检测程序被所述处理器执行时实现如权利要求1至7中任一项所述的基于联邦学习的风险检测方法的步骤。

10.一种存储介质，其特征在于，所述存储介质上存储有检测程序，所述检测程序被处理器执行时实现如权利要求1至7中任一项所述的基于联邦学习的风险检测方法的步骤。

11.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7任一项所述的基于联邦学习的风险检测方法。

Images