CN114119214A

CN114119214A - 一种基于多方安全计算的信用评估计算方法

Info

Publication number: CN114119214A
Application number: CN202210107067.XA
Authority: CN
Inventors: 刘晓东; 赵习枝; 周艺
Original assignee: Chinese Academy of Surveying and Mapping
Current assignee: Chinese Academy of Surveying and Mapping
Priority date: 2022-01-28
Filing date: 2022-01-28
Publication date: 2022-03-01

Abstract

一种基于多方安全计算的信用评估计算方法，将征信计算所涉及的信息进行分类，分别存储在不同组的云服务器中，每个云服务器中包含该类别的多个征信评估单元的基本属性信息，由每个组的云服务器与所属其的征信评估单元组成区块链，进行计算请求和计算方法的传输与汇总，各个计算节点中通过多方安全计算方法生成每个组中的计算结果，并传输到所属的云服务器中。最后对多个云服务器的最终计算结果进行汇总，计算得到最终的计算将结果。本发明能够利用多方面的数据进行计算，联合使用了云服务器和区块链，保证了计算过程的安全性和计算结果的准确性；利用多方安全计算的方法，既满足额计算需求又保证了各计算节点数据的隐私性和安全性。

Description

一种基于多方安全计算的信用评估计算方法

技术领域

本发明涉及信用评估方法领域，具体的，涉及一种用户的信用评估计算方法及存储介质。

背景技术

在迅速发展的金融信息时代，每个人都是金融发展的参与者和贡献者，个人信用评估也已经被各行各业所关注。随着社会的发展，征信计算的数据信息涉及到用户的方方面面，数据量大，数据来源比较丰富。对个人信用进行有效评估可以降低社会交易和监管的成本，促进金融的快速运行。随着时代的进步，对个人信用评估所涉及的信息应该包括个人信息的方方面面。

在新的时代背景下，个人信用评估如何坚持合理化和科技化的发展方向，既能进行高质量的征信评估，又做到对个人隐私安全的严格保护，是个人信用评估行业面临的重大课题。由于个人征信数据涉及到不同的方面，如果将上述数据放置在一个节点进行计算，既容易引起数据迁移不变的问题，又容易导致信息的外泄。诸如银行等金融机构不会将个人涉及征信的数据发送给其它的征信计算单位。其它的个人征信数据来源单位也存在着数据保密的需求。而全面衡量个人的征信情况需要综合各方面的数据和信息。也就是说，目前，个人信用评估存在的主要包括数据来源不全面和数据安全隐私存在隐患。

基于个人信用评估行业所面临的问题，亟需提出一种既能全面计算又能保证多方数据计算安全和保护用户隐私的方法。

发明内容

本发明的目的在于提出一种基于多方安全计算的用户信用评估方法，将不同类的征信数据存储在不同的征信评估单元中，通过利用不同的云服务器存储多个征信评估单元的基本属性信息，利用征信评估单元分别计算用户的违约概率，然后再综合计算违约概率，对用户进行信用评估，保证各征信单位数据隐私安全，同时能够得到涉及不同方面的用户的综合信用评估信息。

为达此目的，本发明采用以下技术方案：

一种基于多方安全计算的信用评估计算方法，其特征在于，包括如下步骤：

征信评估单元定义分类步骤S110：

将征信评估单元按照属性分成不同的征信属性组，每个征信属性组中包含属性相同的多个征信评估单元和一个云服务器，将位于一个组的多个征信评估单元的基本属性信息分别存储在相应的云服务器中，每个征信评估单元既能够参与征信评估计算，又能够发起征信评估请求，所述云服务器中不仅存储各征信评估单元的基本属性信息，也负责处理并传输该征信属性组中征信评估单元发起的计算请求或将其他征信属性组发送过来计算请求发送给组内各征信评估单元进行征信计算；

征信属性组的数据内容汇总分类步骤S120：

根据不同属性组的分类，对每个属性组中的信息进行收集、分类和汇总；

征信属性组区块链生成步骤S130：

以每个征信属性组中的征信评估单元作为计算节点，每个征信属性组中的多个征信评估单元和云服务器共同组成一个区块链，以用于计算；

征信计算请求发起步骤S140：

云服务器收到本征信属性组内的征信计算请求，所述云服务器对该征信计算请求进行审核，通过审核，则该征信属性组的云服务器将计算请求信息发送至其他征信属性组的云服务器，再由这些征信属性组的云服务器将所述计算请求发送至各自征信评估单元；不通过审核，收到请求的云服务器将驳回所述征信计算请求；

征信属性组的违约概率计算步骤S150：

将征信属性组中的每个征信评估单元作为一个计算节点，分别计算出违约概率值，然后每两个计算节点组成一个计算节点组，重新生成一个新的计算节点，新生的计算节点每两个继续组成新的计算节点组并继续生成新的计算节点，对于计算节点组中只有一个计算节点时，等待其它计算节点参与下一轮的计算，重复上述计算，直到最终生成一个计算节点，最终得到该征信属性组中的违约概率，对于每个征信属性组中的征信计算节点均同步按照如上的方法进行计算；

云服务器对违约概率汇总计算步骤S160：

每个征信属性组中的征信计算节点经计算后最终生成了一个违约概率的计算结果，并将每个征信属性组的违约概率计算结果传输到每个征信属性组的云服务器中，每个征信属性组将云服务器中的计算结果传输到计算发起方所属的征信属性组的云服务器上，该云服务器对各个传输结果进行权重分配，最后进行权重综合计算，生成最终的用户违约概率。

可选的，在步骤S110中，

所述征信属性组包括：信用数据组、个人基本信息组、消费信息组、社交平台组、政务部门组和位置服务组。

可选的，在步骤S120中，

信用数据组中的数据主要包含用户金融信用信息，所述信用数据组的征信评估单元包括银行、贷款公司；

个人基本信息组中的数据为个人基本信息情况，主要包括用户的通信信息、医保卡和购买保险信息，个人基本信息组中的征信评估单元包括医疗机构和保险公司；

消费信息组中的数据主要包括用户的日常消费信息，消费信息组的征信单元包括线下消费商场和线上购物平台；

社交分类组中的数据主要为个人社交情况，包括交际圈、所在公司、手机号的使用情况和社交平台中的信息，社交分类组的征信评估单元包括通信公司和用户所在的工作部门；

政府部门组中的数据主要包括各政府部门存放的有关用户征信评估的正面或负面的信用记录，政府部门组中的征信评估单元包括各政府部门；

位置信息组中的数据主要包括地图服务平台、出行平台、购票平台和手机定位信息中能够用于进行参与征信评估计算的位置信息，位置信息组包括的征信评估单元包括出行服务平台和地图服务平台。

可选的，在步骤S130中，六个征信属性组生成六个区块链，在每个区块链中，征信评估单元为轻节点，云服务器为全节点。

可选的，在步骤S140中，所述征信计算请求是由征信属性组中的征信评估单元发起的用户违约概率计算请求。

可选的，在步骤S140中，所述征信计算请求还包括征信评估单元自身的征信计算方法，所述计算方法包括：决策树、随机森林、遗传算法。

可选的，在步骤S150中，生成一个新的计算节点的方法为混淆电路、不经意传输、Hash技术、同态加密或者秘密共享。

本发明具有如下优点：

1.计算用户违约概率过程中，涉及的征信评估单元较多，征信计算数据较为全面，计算结果更为真实可靠，对用户信用评估更为真实全面。

2.云服务器和区块链的联合使用，云服务器用来存储数据，审查征信评估单元的计算请求。利用区块链对数据进行传输保证了数据传输的安全性。两者联合有效提高了计算效率，保证了计算过程的安全性和计算结果的准确性。

3.利用多方安全计算的方法，实现了各征信评估单元之间安全、高效、准确的计算。既满足了计算需求又保证了各计算节点数据的隐私性和安全性。

4.在最后进行违约概率计算汇总时，可以根据评估目的和需求，对各征信属性组分配不同的权重加以计算。

附图说明

图1 是根据本发明具体实施例的基于多方安全计算的信用评估计算方法的流程图；

图2是根据本发明具体实施例的某个征信属性组的计算结构示意图；

图3是根据本发明具体实施例的基于多方安全计算的信用评估计算方法的数据流示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

本发明主要在于：将征信计算所涉及的信息进行分类，分别存储在不同组的云服务器中，每个云服务器中包含该类别的多个征信评估单元的基本属性信息，由每个组的云服务器与所属其的征信评估单元组成区块链，进行计算请求和计算方法的传输与汇总，各个计算节点中通过多方安全计算方法生成每个组中的计算结果，并传输到所属的云服务器中。最后对多个云服务器的最终计算结果进行汇总，计算得到最终的计算将结果。

具体的，参见图1，示出了根据本发明具体实施例的基于多方安全计算的信用评估计算方法的流程图，具体包括如下步骤：

征信评估单元定义分类步骤S110：

将征信评估单元按照属性分成不同的征信属性组，每个征信属性组中包含属性相同的多个征信评估单元和一个云服务器，将位于一个组的多个征信评估单元的基本属性信息分别存储在相应的云服务器中，每个征信评估单元既能够参与征信评估计算，又能够发起征信评估请求，所述云服务器中不仅存储各征信评估单元的基本属性信息，也负责处理并传输该征信属性组中征信评估单元发起的计算请求或将其他征信属性组发送过来计算请求发送给组内各征信评估单元进行征信计算。

具体的，所述征信属性组包括：信用数据组、个人基本信息组、消费信息组、社交平台组、政务部门组和位置服务组。

因此，在该步骤中，将征信评估单元定义为参与征信评估计算的最小单元，也可以作为征信评估请求发起方，包括不同的企业和政府部门。

云服务器是一种简单高效、安全性高、处理能力强的计算服务，为使用者提供了灵活、高效的计算功能；云服务器具有安全性能高，稳定性较强的优点。由于征信数据具有隐私性和保密性，对存储和计算容器的安全性能要求较高，通过分组存储的方式能够避免信息的迁移和外泄，仅仅保留在分类组的征信评估单元中。相同属性的分类组由同一云服务器对数据进行辅助存储和隐私计算的管理，既能够实现分布式计算，又能够避免信息的外泄。

征信属性组的数据内容汇总分类步骤S120：

根据不同属性组的分类，对每个属性组中的信息进行收集、分类和汇总。

在该步骤中列出了在计算违约概率时可能需要的各种征信数据。

具体包括如下：

信用数据组的信息主要包含详细的、可直接获取的用户金融信用信息，如各类银行拥有的用户借贷详情信息和存款信息，贷款公司和网络借贷平台拥有的用户借贷信息等。此类信息可以反映用户的财产拥有现状和历史履约情况。所述信用数据组的征信评估单元包括银行、贷款公司等。

个人基本信息组的主要包括个人基本信息情况，如用户的通信信息、医保卡和购买保险信息等。此类信息可以反映用户的医保缴纳和保险代偿记录。个人基本信息组中的征信评估单元包括医疗机构和保险公司。

消费信息组主要包括用户的日常消费信息，如支付方式、消费方式、购买物品的规模和种类。此类信息可以根据用户消费情况反映用户的超前消费和贷款消费的额度，以及用户对透支消费还款的历史履约记录。消费信息组的征信单元包括线下消费商场和线上购物平台。

社交分类组中的数据主要为个人社交情况，包括交际圈、所在公司、手机号的使用情况和社交平台中的信息。此类信息可以反映用户的社交网络稳定程度（现有手机号的时长和所任职位的时长）和社交网络质量（用户的社交关系圈的质量）。社交分类组的征信评估单元包括通信公司和用户所在的工作部门。

政府部门组中的数据主要包括各政府部门存放的有关用户征信评估的正面或负面的信用记录。此类信息可以直接反映用户档案中的正面或负面的信用信息。政府部门组中的征信评估单元包括各政府部门。

位置信息组的数据主要包括地图服务平台、出行平台、购票平台和手机定位信息中可用于进行参与征信评估计算的位置信息。此类信息主要包括了可以参与信用评估计算的用户常在城市的位置信息，所在城市越发达，越靠近中心位置，对信用评估产生更积极的作用。位置信息组包括的征信评估单元包括出行服务平台和地图服务平台。

征信属性组区块链生成步骤S130：

以每个征信属性组中的征信评估单元作为计算节点，每个征信属性组中的多个征信评估单元和云服务器共同组成一个区块链，以用于计算。

具体的，本发明中可以具有六个征信属性组，因此可以生成六个区块链。示例性的，在每个区块链中，征信评估单元可以为轻节点，云服务器可以为全节点。

在违约概率计算和数据传输过程中，征信数据面临着数据泄露和攻击性的挑战。各个节点之间需要一种安全可靠的传输与连接方法。区块链可以实现数据的分布式存储和有效利用。区块链与安全计算的结合可以降低第三方监管不严的风险，在一定程度上保证数据安全有效，具有更广阔的应用价值。区块链系统的安全性对系统本身意义重大。

征信计算请求发起步骤S140：

云服务器收到本征信属性组内的征信计算请求，所述云服务器对该征信计算请求进行审核，通过审核，则该征信属性组的云服务器将计算请求信息发送至其他征信属性组的云服务器，再由这些征信属性组的云服务器将所述计算请求发送至各自征信评估单元；不通过审核，收到请求的云服务器将驳回所述征信计算请求。

进一步的，所述征信计算请求是由征信属性组中的征信评估单元发起的用户违约概率计算请求。

进一步的，所述征信计算请求还包括征信评估单元自身的征信计算方法，所述计算方法包括：决策树、随机森林、遗传算法。

征信属性组的违约概率计算步骤S150：

参见图2，对于征信属性组中的每个征信评估单元作为一个计算节点，分别计算出违约概率值，然后每两个计算节点组成一个计算节点组，重新生成一个新的计算节点，新生的计算节点每两个继续组成新的计算节点组并继续生成新的计算节点，对于计算节点组中只有一个计算节点时，等待其它计算节点参与下一轮的计算，重复上述计算，直到最终生成一个计算节点，最终得到该征信属性组中的违约概率，对于每个征信属性组中的征信计算节点均同步按照如上的方法进行计算。

在计算违约概率过程中，由于各个征信数据的拥有者和计算结果的使用者不统一，所以违约概率计算存在安全隐患需要保证数据的隐私性和计算的正确性。多方安全计算可以保证n个参与方进行隐私数据计算，计算结束时，不能获得其他参与方的隐私数据信息。多方安全计算技术可以确保参与方数据的隐私性和数据计算的正确性。

进一步的，所述生成一个新的计算节点的方法即为多方安全计算方法，为混淆电路、不经意传输、Hash技术、同态加密或者秘密共享等方法。

图2中示例的列出了混淆电路的算法，但该方法仅仅为示例。

云服务器对违约概率汇总计算步骤S160：

每个征信属性组中的征信计算节点经计算后最终生成了一个违约概率的计算结果，并将每个征信属性组的违约概率计算结果传输到每个征信属性组的云服务器中，最终，每个征信属性组的云服务器中都有各自组的计算结果，每个征信属性组将云服务器中的计算结果传输到计算发起方所属的征信属性组的云服务器上，该云服务器对各个传输结果进行权重分配，最后进行权重综合计算，生成最终的用户违约概率。

在违约概率计算过程中，六个征信属性组所包含的信用数据都不同，所以在进行计算结果汇总时，要对各征信计算组的记过进行权重分配，权重分配的可以综合考虑征信属性组和评估需求。

参见图3，示出了本发明具体实施例的基于多方安全计算的信用评估计算方法的数据流示意图。

综上所述，本发明具有如下优点：

2.云服务器和区块链的联合使用。云服务器用来存储数据，审查征信评估单元的计算请求。利用区块链对数据进行传输保证了数据传输的安全性。两者联合有效提高了计算效率，保证了计算过程的安全性和计算结果的准确性。

3.利用多方安全计算的方法，实现了各征信评估单元之间安全、高效、准确的计算。既满足额计算需求又保证了各计算节点数据的隐私性和安全性。

以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施方式仅限于此，对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单的推演或替换，都应当视为属于本发明由所提交的权利要求书确定保护范围。

Claims

1.一种基于多方安全计算的信用评估计算方法，其特征在于，包括如下步骤：

征信评估单元定义分类步骤S110：

征信属性组的数据内容汇总分类步骤S120：

征信属性组区块链生成步骤S130：

征信计算请求发起步骤S140：

征信属性组的违约概率计算步骤S150：

云服务器对违约概率汇总计算步骤S160：

2.根据权利要求1所述的基于多方安全计算的信用评估计算方法，其特征在于：

在步骤S110中，

3.根据权利要求2所述的基于多方安全计算的信用评估计算方法，其特征在于：

在步骤S120中，

4.根据权利要求2所述的基于多方安全计算的信用评估计算方法，其特征在于：

在步骤S130中，六个征信属性组生成六个区块链，在每个区块链中，征信评估单元为轻节点，云服务器为全节点。

5.根据权利要求2所述的基于多方安全计算的信用评估计算方法，其特征在于：

在步骤S140中，所述征信计算请求是由征信属性组中的征信评估单元发起的用户违约概率计算请求。

6.根据权利要求2所述的基于多方安全计算的信用评估计算方法，其特征在于：

在步骤S140中，所述征信计算请求还包括征信评估单元自身的征信计算方法，所述计算方法包括：决策树、随机森林、遗传算法。

7.根据权利要求2所述的基于多方安全计算的信用评估计算方法，其特征在于：

在步骤S150中，

生成一个新的计算节点的方法为混淆电路、不经意传输、Hash技术、同态加密或者秘密共享。