CN114298817A - 基于区块链的个人贷款金额评估模型的训练方法及装置 - Google Patents

基于区块链的个人贷款金额评估模型的训练方法及装置 Download PDF

Info

Publication number
CN114298817A
CN114298817A CN202111245698.XA CN202111245698A CN114298817A CN 114298817 A CN114298817 A CN 114298817A CN 202111245698 A CN202111245698 A CN 202111245698A CN 114298817 A CN114298817 A CN 114298817A
Authority
CN
China
Prior art keywords
training
node
information
nodes
task
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202111245698.XA
Other languages
English (en)
Inventor
焦锋
王子倪
尹艳迪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hainan Fire Chain Technology Co ltd
Original Assignee
Hainan Fire Chain Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hainan Fire Chain Technology Co ltd filed Critical Hainan Fire Chain Technology Co ltd
Priority to CN202111245698.XA priority Critical patent/CN114298817A/zh
Publication of CN114298817A publication Critical patent/CN114298817A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本申请公开了一种基于区块链的个人贷款金额评估模型的训练方法及装置,其方法包括:各训练节点根据任务发布节点发送的训练邀请,将各自的训练用信息写入区块链;任务发布节点根据各训练节点的训练用信息,从多个训练节点中确定一个作为中央训练节点,并将训练任务发送至中央训练节点,其余作为参与训练节点;中央训练节点根据各参与训练节点的训练能力信息,将训练任务分割为多个训练子任务,并将各训练子任务分配给对应的参与训练节点,以使各参与训练节点进行训练;中央训练节点经整合得到个人贷款金额评估模型。本申请在不泄露客户隐私数据的前提下,可协调多个参与方共建个人贷款金额评估模型。

Description

基于区块链的个人贷款金额评估模型的训练方法及装置
技术领域
本申请涉及计算机技术领域,具体涉及一种基于区块链的个人贷款金额评 估模型的训练方法及装置。
背景技术
拟定个人最大能够贷款的金额需要综合考虑多方信息,这些信息包括个人 存款信息、个人借贷信息、个人购买力信息、个人医疗卫生信息、个人基本信 息等等,这些信息存储于各个部门或企业中。由于各部门或企业为保障公民隐 私不被泄露,很难与各地银行信息共享。各地银行内部、金融机构、医院等企 业部门为了保护客户隐私或为商业机密也不愿意公开相关数据。因此,在对个 人信用贷款金额进行评估时,会遭遇到的“数据孤岛”问题,难以对个人信用 贷款金额做出准确的估算。
发明内容
为解决上述问题,本申请实施例提供了一种基于区块链的个人贷款金额评 估模型的训练方法及装置,旨在解决上述的“数据孤岛”问题。
本申请实施例采用下述技术方案:
第一方面,提供了一种基于区块链的个人贷款金额评估模型的训练方法, 所述区块链包括一个任务发布节点和多个训练节点,所述方法包括:
各训练节点根据所述任务发布节点发送的训练邀请,将各自的训练用信息 写入所述区块链,其中,所述训练用信息包括:训练能力信息以及用户信息;
所述任务发布节点根据各训练节点的训练用信息,从所述多个训练节点中 确定一个作为中央训练节点,并将训练任务发送至所述中央训练节点,其余作 为参与训练节点;
所述中央训练节点根据各参与训练节点的训练能力信息,将所述训练任务 分割为多个训练子任务,并将各训练子任务分配给对应的参与训练节点,以使 各参与训练节点根据分配到的训练子任务,基于各自的用户信息进行训练,以 得到部分训练模型;
所述中央训练节点将各参与训练节点得到的部分训练模型、以及部署在所 述中央训练节点的输入层和输出层进行整合,得到个人贷款金额评估模型。
可选的,所述方法还包括:
所述中央训练节点将得到的个人贷款金额评估模型发送至各参与训练节 点,以使各参与训练节点基于所述个人贷款金额评估模型,对个人贷款金额进 行评估。
可选的,所述任务发布节点根据各训练节点的训练用信息,从所述多个训 练节点中确定一个作为中央训练节点,包括:
所述任务发布节点根据所述训练任务,以及各训练节点的训练能力信息, 确定各训练节点的训练评估分值;
将所述训练评估分值最低的训练节点,作为中央训练节点。
可选的,所述任务发布节点根据所述训练任务,以及各训练节点的训练能 力信息,确定各训练节点的训练评估分值,包括:
确定所述训练任务的算力需求分值和存储能力需求分值,其中,所述算力 需求分值与所述存储能力需求分值之和为一;
确定各训练节点的算力分值和存储能力分值,其中,所述算力分值与所述 存储能力分值之和为一;
确定所述算力需求分值与所述算力分值的第一乘积,以及所述存储能力需 求分值与所述存储能力分值的第二乘积,并将所述第一乘积与第二乘积的和作 为各训练节点的训练评估分值。
可选的,所述训练任务包括多层架构的个人贷款金额评估模型;
所述中央训练节点根据各参与训练节点的训练能力信息,将所述训练任务 分割为多个训练子任务,包括:
所述中央训练节点根据所述训练任务,以及各参与训练节点的训练能力信 息,确定各参与训练节点的训练评估分值;
根据各参与训练节点的训练评估分值与个人贷款金额评估模型的总模型 层数,确定各参与训练节点的训练层数;
将个人贷款金额评估模型按照各参与训练节点的训练层数,分割为多个训 练子任务。
可选的,所述各参与训练节点根据分配到的训练子任务,基于各自的用户 信息进行训练,以得到部分训练模型,包括:
各参与训练节点按照分配到的训练子任务中的模型训练层在所述个人贷 款金额评估模型的次序,将在前的参与训练节点的输出作为在后的参与训练节 点的输入,基于各参与训练节点本地的用户信息进行训练,以得到各参与训练 节点对应的部分训练模型。
可选的,所述多个训练节点包括银行训练节点、金融机构训练节点、医疗 训练节点以及消费训练节点。
可选的,所述用户信息包括:银行训练节点提供的个人信用信息、个人基 础信息、个人借贷信息、个人存款信息、以及个人支出流水信息;
金融机构训练节点提供的个人金融产品购买信息;
医疗训练节点提供的个人病例、住院信息、以及体检信息;
消费企业提供的个人消费信息、以及购买产品信息。
第二方面,提供了一种基于区块链的个人贷款金额评估模型的训练装置, 所述区块链包括一个任务发布节点和多个训练节点,所述训练装置部署于所述 区块链的各节点中,所述装置包括:
写入单元,用于根据所述任务发布节点发送的训练邀请,将各自的训练用 信息写入所述区块链,其中,所述训练用信息包括:训练能力信息以及用户信 息;
任务发布单元,用于根据各训练节点的训练用信息,从所述多个训练节点 中确定一个作为中央训练节点,并将训练任务发送至所述中央训练节点,其余 作为参与训练节点;
任务分配单元,用于根据各参与训练节点的训练能力信息,将所述训练任 务分割为多个训练子任务,并将各训练子任务分配给对应的参与训练节点,以 使各参与训练节点根据分配到的训练子任务,基于各自的用户信息进行训练, 以得到部分训练模型;
整合单元,用于将各参与训练节点得到的部分训练模型、以及部署在所述 中央训练节点的输入层和输出层进行整合,得到个人贷款金额评估模型。
第三方面,提供了一种区块链,所述区块链包括一个任务发布节点和多个 训练节点;
各训练节点,用于根据所述任务发布节点发送的训练邀请,将各自的训练 用信息写入所述区块链,其中,所述训练用信息包括:训练能力信息以及用户 信息;
所述任务发布节点,用于根据各训练节点的训练用信息,从所述多个训练 节点中确定一个作为中央训练节点,并将训练任务发送至所述中央训练节点, 其余作为参与训练节点;
所述中央训练节点,用于根据各参与训练节点的训练能力信息,将所述训 练任务分割为多个训练子任务,并将各训练子任务分配给对应的参与训练节 点,以使各参与训练节点根据分配到的训练子任务,基于各自的用户信息进行 训练,以得到部分训练模型;
所述中央训练节点,用于将各参与训练节点得到的部分训练模型、以及部 署在所述中央训练节点的输入层和输出层进行整合,得到个人贷款金额评估模 型。
第四方面,本申请实施例还提供了一种电子设备,包括:处理器;以及被 安排成存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处 理器执行上述任一的方法。
第五方面,本申请实施例还提供了一种计算机可读存储介质,所述计算机 可读存储介质存储一个或多个程序,所述一个或多个程序当被包括多个应用程 序的电子设备执行时,使得所述电子设备执行上述任一的方法。
本申请实施例采用的上述至少一个技术方案能够达到以下有益效果:
本申请基于区块链技术区块链和拆分学习的思想,将整个个人贷款金额评 估模型的训练任务拆分成多个训练子任务,并使得参与共建个人贷款金额评估 模型的参与方按照子任务,基于各参与方的本地用户个人信息进行训练,最后 将各参与方训练得到的部分训练模型整合在一起,即可得到整个个人贷款金额 评估模型。本申请在不泄露客户隐私数据的前提下,可协调多个参与方共建个 人贷款金额评估模型,各个参与方的数据与相关信息全部上链,实现了可溯源 防篡改;在各个参与方的本地数据没有离开本地完成训练,保证了隐私,还满 足了模型训练任务的需求;且本申请根据各参与方的能力分配训练任务,不会 出现参与方能力不足无法完成模型训练的情况,也不会出现参与方能力过强存在能力冗余的情况;另外,本申请可根据各参与方以及训练任务需求动态变动, 灵活调整训练模型的部署和训练。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部 分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不 当限定。在附图中:
图1示出根据本申请的一个实施例的区块链的结构示意图;
图2示出根据本申请的一个实施例的基于区块链的个人贷款金额评估模型 的训练方法的流程示意图;
图3示出根据本申请的一个实施例的基于区块链的个人贷款金额评估模型 的训练装置的结构示意图;
图4为本申请实施例中一种电子设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请具体实 施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的 实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施 例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施 例,都属于本申请保护的范围。
以下结合附图,详细说明本申请各实施例提供的技术方案。
本申请的构思在于,基于现有技术中,无法打破多个机构的用户信息共享 的技术壁垒问题,基于区块链技术和拆分学习思想,提供了一种基于区块链的 个人贷款金额评估模型的训练方法,使得多个参与方能够在区块链的基础上, 能够在不泄露客户隐私数据的前提下,共同训练和建立个人贷款金额评估模 型。
图1示出了根据本申请的一个实施例的区块链的结构示意图,但实现本申 请不局限于图1所示的区块链,凡是能够实现本申请提供的个人贷款金额评估 模型的训练方法的区块链系统均可。
从图1所示可以看出,图1示出的区块链100包括一个任务发布节点101 和多个训练节点,其中,多个训练节点中的一个为中央训练节点102,其余训 练节点为参与训练节点103。且任务发布节点101与各训练节点通信连接,中 央训练节点102与各参与训练节点103分别通信连接。
这里需要说明的,每一个训练节点都可以作为中央训练节点,或者普通的 参与训练节点,本申请不作限制,指示在进行模型训练时,中央训练节点与参 与训练节点所负责的工作有所不同。至于哪一个训练节点为中央训练节点,会 在本申请的执行过程中进行确定。
图2示出了本申请的一个实施例中的基于区块链的个人贷款金额评估模型 的训练方法,从图2可以看出,本申请至少包括步骤S210~步骤S240:
步骤S210:各训练节点根据任务发布节点发送的训练邀请,将各自的训练 用信息写入区块链,其中,训练用信息包括:训练能力信息以及用户信息。
首先,任务发布节点向欲参与个人贷款金额评估模型共建的各训练节点发 送训练邀请,在本申请的一些实施例中,各训练节点可包括银行、金融机构、 医疗机构以及消费企业等等,将这些训练节点依次称为银行训练节点、金融机 构训练节点、医疗训练节点、消费训练节点。
各训练节点,在接到任务发布节点的训练邀请后,将各自的训练用信息写 入区块链,区块链技术能够实现数据的可溯源性和防篡改性,将这些信息写入 区块链作为模型训练的背书,保障了数据的可靠性,进一步的,保障了模型训 练用数据的准确性,也就保障了经训练用个人贷款金额评估模型的准确性。
在本申请的一些实施例中,各训练节点的训练用信息包括但不限于:训练 能力信息以及用户信息。其中训练能力信息包括各训练节点的算力和存储能 力,具体的,如训练节点的服务器的CPU的核数,服务器的缓存大小以及内 存大小等等。用户信息包括但不限于各参与方本地保存的用户信息,如银行训 练节点提供的个人信用信息、个人基础信息、个人借贷信息、个人存款信息、 以及个人支出流水信息等等;金融机构训练节点提供的个人金融产品购买信息 等等;医疗训练节点提供的个人病例、住院信息、以及体检信息等等;消费企 业提供的个人消费信息、以及购买产品信息等等。
在本申请的一些实施例中,各训练节点还可将本地的用户信息按照身份ID 大小顺序,并且在模型训练前传输身份ID后两位到中央银行进行二次确认, 根据中央银行的反馈信息,对训练用数据进行去伪存真,以保障数据的准确性。
步骤S220:任务发布节点根据各训练节点的训练用信息,从多个训练节点 中确定一个作为中央训练节点,并将训练任务发送至中央训练节点,其余作为 参与训练节点。
任务发布节点在多个训练节点中选中一个节点作为中央训练节点,而将除 中央训练节点之外的训练节点均作为普通的参与训练节点。
在本申请的一些实施例中,对于中央训练节点的选取可随机选取,也可以 根据各训练节点的训练用信息中的训练能力信息,选取训练们能力最强的训练 节点作为中央训练节点,中央训练节点统筹整个训练流程。中央训练节点需要 同参与训练的其他各参与训练节点保持通信连接。
任务发布节点确定中央训练节点后,将训练任务发送至中央训练节点,其 中,训练任务中包括还未训练的个人贷款金额评估模型的架构,在本申请的一 些实施例中,该个人贷款金额评估模型的架构是多层的。
步骤S230:中央训练节点根据各参与训练节点的训练能力信息,将训练任 务分割为多个训练子任务,并将各训练子任务分配给对应的参与训练节点,以 使各参与训练节点根据分配到的训练子任务,基于各自的用户信息进行训练, 以得到部分训练模型。
中央训练节点在获取到训练任务后,将整个训练任务分割为多个训练子任 务。然后将多个训练子任务分配给各个参与训练节点,为一个参与训练节点分 配一个训练子任务。
对于训练子任务的分割,可以根据各参与训练节点的训练能力信息进行分 割,对于训练们能力强的各参与训练节点,可为其分割和分配训练能力需求大 的子任务;同理,对于训练们能力若的各参与训练节点,可为其分割和分配训 练能力需求小的子任务,从而实现了各参与训练节点的计算资源的灵活调整和 合理利用。
在个人贷款金额评估模型为多层架构的情况下,对于训练子任务的具体分 割方法,可以是将个人贷款金额评估模型某些相邻的一个或者多个训练层分割 为一个训练子任务,使得一个参与训练节点只需要训练一个模型训练层或几个 模型训练层,而不需要训练整个模型,极大程度上避免了一个训练节点由于计 算能力不足导致无法完成训练的情况。
各参与训练节点根据分配到的训练子任务,基于各自本地的用户信息进行 训练,以得到部分训练模型。这样,各参与方的数据无需进行共享即可实现模 型的训练。
而对于中央训练节点可以参与训练,也可以不参与训练,在本申请的一些 实施例中,通常只将个人贷款金额评估模型的输入层和输出层部署在中央训练 节点中,对于输入层和输出层也是需要经过训练的。
对于模型训练的具体方法,可参考现有技术中的机器学习方法,不申请不 作限制。
各参与训练节点通过训练,得到的是个人贷款金额评估模型一部分,记为 部分训练模型,各参与训练节点可以将得到的部分训练模型写入区块链。
步骤S240:中央训练节点将各参与训练节点得到的部分训练模型、以及部 署在中央训练节点的输入层和输出层进行整合,得到个人贷款金额评估模型。
最后,中央训练节点将各参与训练节点得到的部分训练模型、以及部署在 中央训练节点的输入层和输出层整合在一起,即可得到整个个人贷款金额评估 模型,该个人贷款金额评估模型可用于对个人贷款金额评估。
对于部分训练模型的获取,中央训练节点可以从各个参与训练节点获取, 也可以从区块链上获取。对于整合的具体方法,中央训练节点可以将初始的人 贷款金额评估模型参数调整到与各部分训练模型的参数一致即可。
在本申请的一些实施例中,中央训练节点在整合到个人贷款金额评估模型 还进行评估,如果精度达到预设需求,则结束训练,得到最终的人贷款金额评 估模型;如果精度没有达到预设需求,则可以进行多次训练,直到达到最终的 预设需求为止。
由图2所示的方法可以看出,本申请基于区块链技术区块链和拆分学习的 思想,将整个个人贷款金额评估模型的训练任务拆分成多个训练子任务,并使 得参与共建个人贷款金额评估模型的参与方按照子任务,基于各参与方的本地 用户个人信息进行训练,最后将各参与方训练得到的部分训练模型整合在一 起,即可得到整个个人贷款金额评估模型。本申请在不泄露客户隐私数据的前 提下,可协调多个参与方共建个人贷款金额评估模型,各个参与方的数据与相 关信息全部上链,实现了可溯源防篡改;在各个参与方的本地数据没有离开本 地完成训练,保证了隐私,还满足了模型训练任务的需求;且本申请根据各参 与方的能力分配训练任务,不会出现参与方能力不足无法完成模型训练的情 况,也不会出现参与方能力过强存在能力冗余的情况;另外,本申请可根据各 参与方以及训练任务需求动态变动,灵活调整训练模型的部署和训练。
在本申请的一些实施例中,上述方法还包括:中央训练节点将得到的个人 贷款金额评估模型发送至各参与训练节点,以使各参与训练节点基于个人贷款 金额评估模型,对个人贷款金额进行评估。
个人贷款金额评估模型可部署于像银行、金融机构等的系统中,用于对个 人贷款金额进行评估。
对于个人贷款金额的评估,工作人员可输入欲贷款用户的个人信息,个人 贷款金额评估模型可自动通过个人信息模拟出个人贷款金额。
在本申请的一些实施例中,任务发布节点根据各训练节点的训练用信息, 从多个训练节点中确定一个作为中央训练节点,包括:任务发布节点根据训练 任务,以及各训练节点的训练能力信息,确定各训练节点的训练评估分值;将 训练评估分值最低的训练节点,作为中央训练节点。
中央训练节点需要负责整个训练过程的统筹整合工作等,因此其最好能够 具备一定的算力和存储能力,且与训练任务匹配程度最高。
在任务发布节点在从多个训练节点选取中央训练节点时,如何选取最合适 作为中央训练节点。本申请的一些实施例推荐了下述方法:采用训练评估分值 来表征,该训练评估分值越低表示该训练节点越适合作为中央训练节点,该训 练评估分值越高表示该训练节点越不适合作为中央训练节点。
以下推荐了一种训练评估分值的打分方法,在本申请的一些实施例中,训 练评估分值包括两部分,一部分为训练任务的算力需求分值和存储能力需求分 值,算力需求分值或存储能力需求分值越大说明训练任务对该方面的需求越 大;另一部分为训练节点的算力分值和存储能力分值,算力分值或存储能力分 值越大说明该训练节点在这方面的能力越强。
所述任务发布节点根据所述训练任务,以及各训练节点的训练能力信息, 确定各训练节点的训练评估分值,包括:确定训练任务的算力需求分值和存储 能力需求分值,其中,所述算力需求分值与所述存储能力需求分值之和为一; 确定各训练节点的算力分值和存储能力分值,其中,所述算力分值与所述存储 能力分值之和为一;确定所述算力需求分值与所述算力分值的第一乘积,以及 所述存储能力需求分值与所述存储能力分值的第二乘积,并将所述第一乘积与 第二乘积的和作为各训练节点的训练评估分值。由于上述分值均为
一个训练节点的训练评估值越低,则说明其与训练任务的匹配度越高,最 终选取训练评估值越低的训练节点作为中央训练节点。
在本申请的一些实施例中,所述训练任务包括多层架构的个人贷款金额评 估模型;所述中央训练节点根据各参与训练节点的训练能力信息,将所述训练 任务分割为多个训练子任务,包括:所述中央训练节点根据所述训练任务,以 及各参与训练节点的训练能力信息,确定各参与训练节点的训练评估分值;根 据各参与训练节点的训练评估分值与个人贷款金额评估模型的总模型层数,确 定各参与训练节点的训练层数;将个人贷款金额评估模型按照各参与训练节点 的训练层数,分割为多个训练子任务。
中央训练节点在将训练任务分割为子任务时,也可以参考上述的“训练评 估分值”方法。首先确定一个参与训练节点的训练评估分值,该训练评估分值 为一个大于零且小于1的小数,将该训练评估分值与个人贷款金额评估模型的 总模型层数相乘,即得出该参与训练节点可训练的模型层数,按照计算出的模 型层数将个人贷款金额评估模型分为多个训练子任务,一个训练子任务包括一 层或多层。需要说明的是,在计算的时候,如果计算出一个参与训练节点可训 练的模型层数为非整数,则可做取整方法计算该参与训练节点的模型层数。
对于参与训练节点的训练评估分值可采用前述方法确定,在这里不再赘 述。
在本申请的一些实施例中,所述各参与训练节点根据分配到的训练子任 务,基于各自的用户信息进行训练,以得到部分训练模型,包括:各参与训练 节点按照分配到的训练子任务中的模型训练层在所述个人贷款金额评估模型 的次序,将在前的参与训练节点的输出作为在后的参与训练节点的输入,基于 各参与训练节点本地的用户信息进行训练,以得到各参与训练节点对应的部分 训练模型。
在任务分配也可以说是模型部署过程中,可将个人贷款金额评估模型的输 入层和输出层部署在中央训练节点,中央训练节点对输入层和输出层进行训 练,具体的,中央训练节点可以将本地的用户信息,包括但不限于个人基本信 息、信用信息、个人借贷信息、个人存款信息、个人支出流水信息等信息,作 为为模型输入信息输入到输入层,以进行训练。其他参与训练节点可随机排序 按照顺序获取对应层数的未经训练的个人贷款金额评估模型结构,以进行训 练。
在进行训练时,按照参与训练节点的排序,即个人贷款金额评估模型架构 顺序进行训练,将前一个参与训练节点的输出作为后一个参与训练节点的输 入,后一个参与训练节点收到前一个参与训练节点的输出将本地数据中的用户 信息加到输出数据上后再作为这个参与训练节点的输入进行训练。在本申请的 一些实施例中,可以多次循环训练,直到达到最终评估标准为止,结束训练。
图3示出了根据本申请的一个实施例的基于区块链的个人贷款金额评估模 型的训练装置,所述区块链包括一个任务发布节点和多个训练节点,所述训练 装置部署于所述区块链的各节点(图1的101、102和103)中,从图3可以看 出,该装置300包括:
写入单元310,用于根据所述任务发布节点发送的训练邀请,将各自的训 练用信息写入所述区块链,其中,所述训练用信息包括:训练能力信息以及用 户信息;
任务发布单元320,用于根据各训练节点的训练用信息,从所述多个训练 节点中确定一个作为中央训练节点,并将训练任务发送至所述中央训练节点, 其余作为参与训练节点;
任务分配单元330,用于根据各参与训练节点的训练能力信息,将所述训 练任务分割为多个训练子任务,并将各训练子任务分配给对应的参与训练节 点,以使各参与训练节点根据分配到的训练子任务,基于各自的用户信息进行 训练,以得到部分训练模型;
整合单元340,用于将各参与训练节点得到的部分训练模型、以及部署在 所述中央训练节点的输入层和输出层进行整合,得到个人贷款金额评估模型。
在本申请的一些实施例中,上述装置还包括:发送单元,用于将得到的个 人贷款金额评估模型发送至各参与训练节点,以使各参与训练节点基于所述个 人贷款金额评估模型,对个人贷款金额进行评估。
在本申请的一些实施例中,在上述装置中,任务发布单元320,用于根据 所述训练任务,以及各训练节点的训练能力信息,确定各训练节点的训练评估 分值;将所述训练评估分值最低的训练节点,作为中央训练节点。
在本申请的一些实施例中,在上述装置中,任务发布节点320,用于确定 所述训练任务的算力需求分值和存储能力需求分值,其中,所述算力需求分值 与所述存储能力需求分值之和为一;确定各训练节点的算力分值和存储能力分 值,其中,所述算力分值与所述存储能力分值之和为一;确定所述算力需求分 值与所述算力分值的第一乘积,以及所述存储能力需求分值与所述存储能力分 值的第二乘积,并将所述第一乘积与第二乘积的和作为各训练节点的训练评估 分值。
在本申请的一些实施例中,在上述装置中,所述训练任务包括多层架构的 个人贷款金额评估模型;任务分配单元330,用于根据所述训练任务,以及各 参与训练节点的训练能力信息,确定各参与训练节点的训练评估分值;根据各 参与训练节点的训练评估分值与个人贷款金额评估模型的总模型层数,确定各 参与训练节点的训练层数;将个人贷款金额评估模型按照各参与训练节点的训 练层数,分割为多个训练子任务。
在本申请的一些实施例中,上述装置还包括:训练单元,用于按照分配到 的训练子任务中的模型训练层在所述个人贷款金额评估模型的次序,将在前的 参与训练节点的输出作为在后的参与训练节点的输入,基于各参与训练节点本 地的用户信息进行训练,以得到各参与训练节点对应的部分训练模型。
在本申请的一些实施例中,在上述装置中,所述多个训练节点包括银行训 练节点、金融机构训练节点、医疗训练节点以及消费训练节点。
在本申请的一些实施例中,在上述装置中,银行训练节点提供的个人信用 信息、个人基础信息、个人借贷信息、个人存款信息、以及个人支出流水信息; 金融机构训练节点提供的个人金融产品购买信息;医疗训练节点提供的个人病 例、住院信息、以及体检信息;消费企业提供的个人消费信息、以及购买产品 信息。
图4是本申请的一个实施例电子设备的结构示意图。请参考图4,在硬件 层面,该电子设备包括处理器,可选地还包括内部总线、网络接口、存储器。 其中,存储器可能包含内存,例如高速随机存取存储器(Random-Access Memory,RAM),也可能还包括非易失性存储器(non-volatile memory),例如 至少1个磁盘存储器等。当然,该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接,该内部总线可以 是ISA(Industry Standard Architecture,工业标准体系结构)总线、PCI(PeripheralComponent Interconnect,外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture,扩展工业标准结构)总线等。所述总线可以分为地址总 线、数据总线、控制总线等。为便于表示,图4中仅用一个双向箭头表示,但 并不表示仅有一根总线或一种类型的总线。
存储器,用于存放程序。具体地,程序可以包括程序代码,所述程序代码 包括计算机操作指令。存储器可以包括内存和非易失性存储器,并向处理器提 供指令和数据。
处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,在 逻辑层面上形成基于区块链的个人贷款金额评估模型的训练装置。处理器,执 行存储器所存放的程序,并具体用于执行以下操作:
各训练节点根据所述任务发布节点发送的训练邀请,将各自的训练用信息 写入所述区块链,其中,所述训练用信息包括:训练能力信息以及用户信息;
所述任务发布节点根据各训练节点的训练用信息,从所述多个训练节点中 确定一个作为中央训练节点,并将训练任务发送至所述中央训练节点,其余作 为参与训练节点;
所述中央训练节点根据各参与训练节点的训练能力信息,将所述训练任务 分割为多个训练子任务,并将各训练子任务分配给对应的参与训练节点,以使 各参与训练节点根据分配到的训练子任务,基于各自的用户信息进行训练,以 得到部分训练模型;
所述中央训练节点将各参与训练节点得到的部分训练模型、以及部署在所 述中央训练节点的输入层和输出层进行整合,得到个人贷款金额评估模型。
上述如本申请图3所示实施例揭示的基于区块链的个人贷款金额评估模型 的训练装置执行的方法可以应用于处理器中,或者由处理器实现。处理器可能 是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步 骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的 处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、 网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(ApplicationSpecific Integrated Circuit, ASIC)、现场可编程门阵列(Field-Programmable GateArray,FPGA)或者其 他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或 者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是 微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公 开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器 中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只 读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成 熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合 其硬件完成上述方法的步骤。
该电子设备还可执行图3中基于区块链的个人贷款金额评估模型的训练装 置执行的方法,并实现成基于区块链的个人贷款金额评估模型的训练装置在图 3所示实施例的功能,本申请实施例在此不再赘述。
本申请实施例还提出了一种计算机可读存储介质,该计算机可读存储介质 存储一个或多个程序,该一个或多个程序包括指令,该指令当被包括多个应用 程序的电子设备执行时,能够使该电子设备执行图3所示实施例中基于区块链 的个人贷款金额评估模型的训练装置执行的方法,并具体用于执行:
各训练节点根据所述任务发布节点发送的训练邀请,将各自的训练用信息 写入所述区块链,其中,所述训练用信息包括:训练能力信息以及用户信息;
所述任务发布节点根据各训练节点的训练用信息,从所述多个训练节点中 确定一个作为中央训练节点,并将训练任务发送至所述中央训练节点,其余作 为参与训练节点;
所述中央训练节点根据各参与训练节点的训练能力信息,将所述训练任务 分割为多个训练子任务,并将各训练子任务分配给对应的参与训练节点,以使 各参与训练节点根据分配到的训练子任务,基于各自的用户信息进行训练,以 得到部分训练模型;
所述中央训练节点将各参与训练节点得到的部分训练模型、以及部署在所 述中央训练节点的输入层和输出层进行整合,得到个人贷款金额评估模型。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计 算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结 合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包 含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、 CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产 品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和 /或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/ 或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入 式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算 机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一 个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设 备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中 的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个 流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使 得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处 理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个 流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输 出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器 (RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。 内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任 何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序 的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其 他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读 存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器 (CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁 磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算 设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒 体(transitory media),如调制的数据信号和载波。
还需要说明的是,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、商品或者设备不仅包括 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、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括 一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设 备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程 序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和 硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算 机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、 光学存储器等)上实施的计算机程序产品的形式。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技 术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所 作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种基于区块链的个人贷款金额评估模型的训练方法,其特征在于,所述区块链包括一个任务发布节点和多个训练节点,所述方法包括:
各训练节点根据所述任务发布节点发送的训练邀请,将各自的训练用信息写入所述区块链,其中,所述训练用信息包括:训练能力信息以及用户信息;
所述任务发布节点根据各训练节点的训练用信息,从所述多个训练节点中确定一个作为中央训练节点,并将训练任务发送至所述中央训练节点,其余作为参与训练节点;
所述中央训练节点根据各参与训练节点的训练能力信息,将所述训练任务分割为多个训练子任务,并将各训练子任务分配给对应的参与训练节点,以使各参与训练节点根据分配到的训练子任务,基于各自的用户信息进行训练,以得到部分训练模型;
所述中央训练节点将各参与训练节点得到的部分训练模型、以及部署在所述中央训练节点的输入层和输出层进行整合,得到个人贷款金额评估模型。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
所述中央训练节点将得到的个人贷款金额评估模型发送至各参与训练节点,以使各参与训练节点基于所述个人贷款金额评估模型,对个人贷款金额进行评估。
3.根据权利要求1所述的方法,其特征在于,所述任务发布节点根据各训练节点的训练用信息,从所述多个训练节点中确定一个作为中央训练节点,包括:
所述任务发布节点根据所述训练任务,以及各训练节点的训练能力信息,确定各训练节点的训练评估分值;
将所述训练评估分值最低的训练节点,作为中央训练节点。
4.根据权利要求3所述的方法,其特征在于,所述任务发布节点根据所述训练任务,以及各训练节点的训练能力信息,确定各训练节点的训练评估分值,包括:
确定所述训练任务的算力需求分值和存储能力需求分值,其中,所述算力需求分值与所述存储能力需求分值之和为一;
确定各训练节点的算力分值和存储能力分值,其中,所述算力分值与所述存储能力分值之和为一;
确定所述算力需求分值与所述算力分值的第一乘积,以及所述存储能力需求分值与所述存储能力分值的第二乘积,并将所述第一乘积与第二乘积的和作为各训练节点的训练评估分值。
5.根据权利要求1所述的方法,其特征在于,所述训练任务包括多层架构的个人贷款金额评估模型;
所述中央训练节点根据各参与训练节点的训练能力信息,将所述训练任务分割为多个训练子任务,包括:
所述中央训练节点根据所述训练任务,以及各参与训练节点的训练能力信息,确定各参与训练节点的训练评估分值;
根据各参与训练节点的训练评估分值与个人贷款金额评估模型的总模型层数,确定各参与训练节点的训练层数;
将个人贷款金额评估模型按照各参与训练节点的训练层数,分割为多个训练子任务。
6.根据权利要求5所述的方法,其特征在于,所述各参与训练节点根据分配到的训练子任务,基于各自的用户信息进行训练,以得到部分训练模型,包括:
各参与训练节点按照分配到的训练子任务中的模型训练层在所述个人贷款金额评估模型的次序,将在前的参与训练节点的输出作为在后的参与训练节点的输入,基于各参与训练节点本地的用户信息进行训练,以得到各参与训练节点对应的部分训练模型。
7.根据权利要求1~6中任一项所述的方法,其特征在于,所述多个训练节点包括银行训练节点、金融机构训练节点、医疗训练节点以及消费训练节点。
8.根据权利要求7所述的方法,其特征在于,所述用户信息包括:银行训练节点提供的个人信用信息、个人基础信息、个人借贷信息、个人存款信息、以及个人支出流水信息;
金融机构训练节点提供的个人金融产品购买信息;
医疗训练节点提供的个人病例、住院信息、以及体检信息;
消费企业提供的个人消费信息、以及购买产品信息。
9.一种基于区块链的个人贷款金额评估模型的训练装置,其特征在于,所述区块链包括一个任务发布节点和多个训练节点,所述训练装置部署于所述区块链的各节点中,所述装置包括:
写入单元,用于根据所述任务发布节点发送的训练邀请,将各自的训练用信息写入所述区块链,其中,所述训练用信息包括:训练能力信息以及用户信息;
任务发布单元,用于根据各训练节点的训练用信息,从所述多个训练节点中确定一个作为中央训练节点,并将训练任务发送至所述中央训练节点,其余作为参与训练节点;
任务分配单元,用于根据各参与训练节点的训练能力信息,将所述训练任务分割为多个训练子任务,并将各训练子任务分配给对应的参与训练节点,以使各参与训练节点根据分配到的训练子任务,基于各自的用户信息进行训练,以得到部分训练模型;
整合单元,用于将各参与训练节点得到的部分训练模型、以及部署在所述中央训练节点的输入层和输出层进行整合,得到个人贷款金额评估模型。
10.一种区块链,其特征在于,所述区块链包括一个任务发布节点和多个训练节点;
各训练节点,用于根据所述任务发布节点发送的训练邀请,将各自的训练用信息写入所述区块链,其中,所述训练用信息包括:训练能力信息以及用户信息;
所述任务发布节点,用于根据各训练节点的训练用信息,从所述多个训练节点中确定一个作为中央训练节点,并将训练任务发送至所述中央训练节点,其余作为参与训练节点;
所述中央训练节点,用于根据各参与训练节点的训练能力信息,将所述训练任务分割为多个训练子任务,并将各训练子任务分配给对应的参与训练节点,以使各参与训练节点根据分配到的训练子任务,基于各自的用户信息进行训练,以得到部分训练模型;
所述中央训练节点,用于将各参与训练节点得到的部分训练模型、以及部署在所述中央训练节点的输入层和输出层进行整合,得到个人贷款金额评估模型。
CN202111245698.XA 2021-10-26 2021-10-26 基于区块链的个人贷款金额评估模型的训练方法及装置 Pending CN114298817A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111245698.XA CN114298817A (zh) 2021-10-26 2021-10-26 基于区块链的个人贷款金额评估模型的训练方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111245698.XA CN114298817A (zh) 2021-10-26 2021-10-26 基于区块链的个人贷款金额评估模型的训练方法及装置

Publications (1)

Publication Number Publication Date
CN114298817A true CN114298817A (zh) 2022-04-08

Family

ID=80964588

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111245698.XA Pending CN114298817A (zh) 2021-10-26 2021-10-26 基于区块链的个人贷款金额评估模型的训练方法及装置

Country Status (1)

Country Link
CN (1) CN114298817A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023209414A1 (en) * 2022-04-25 2023-11-02 Telefonaktiebolaget Lm Ericsson (Publ) Methods and apparatus for computing resource allocation
CN117217719A (zh) * 2023-11-07 2023-12-12 湖南海润天恒科技集团有限公司 一种基于大数据的人才信息招聘数据智能管理方法及系统
CN117992223A (zh) * 2024-01-31 2024-05-07 三六零数字安全科技集团有限公司 模型训练方法、装置、电子设备及存储介质

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023209414A1 (en) * 2022-04-25 2023-11-02 Telefonaktiebolaget Lm Ericsson (Publ) Methods and apparatus for computing resource allocation
CN117217719A (zh) * 2023-11-07 2023-12-12 湖南海润天恒科技集团有限公司 一种基于大数据的人才信息招聘数据智能管理方法及系统
CN117217719B (zh) * 2023-11-07 2024-02-09 湖南海润天恒科技集团有限公司 一种基于大数据的人才信息招聘数据智能管理方法及系统
CN117992223A (zh) * 2024-01-31 2024-05-07 三六零数字安全科技集团有限公司 模型训练方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
CN114298817A (zh) 基于区块链的个人贷款金额评估模型的训练方法及装置
US10657526B2 (en) System and method to dynamically setup a private sub-blockchain based on agility of transaction processing
US11087372B2 (en) Benefit allocation method, apparatus, and electronic device
JP6696001B2 (ja) リスク情報を出力し、リスク情報を構築するための方法及びデバイス
TWI687876B (zh) 虛擬資源分配、模型建立、資料預測方法及裝置
US11164218B2 (en) Media resource allocation method, apparatus, and system, storage medium, and computer device
CN112632013A (zh) 一种基于联邦学习的数据安全可信共享方法和装置
Kombe et al. A review on healthcare information systems and consensus protocols in blockchain technology
US20190050868A1 (en) System and method for complaint and reputation management in a multi-party data marketplace
TW202008228A (zh) 事件預測方法及裝置、電子設備
CN109242677A (zh) 对象选取方法及装置、电子设备
CN110851482B (zh) 为多个数据方提供数据模型的方法及装置
Chua et al. Optimal multi-unit allocation with costly verification
Liao The duplicate extension for the equal allocation of nonseparable costs
Proselkov et al. Financial ripple effect in complex adaptive supply networks: an agent-based model
CN112087518B (zh) 用于区块链的共识方法、装置、计算机系统和介质
US20210217083A1 (en) Method and system for optimizing resource redistribution
CN107194712B (zh) 共享账户变动信息记录方法及装置、内部账户补账方法及系统
CN112449021B (zh) 一种互联网资源的筛选方法及装置
CN114022136A (zh) 一种用于算力交易的方法、设备与系统
CN114492647A (zh) 基于分布式图嵌入的联邦图聚类方法、装置及可读存储介质
TW202215292A (zh) 模型分類的過程中防止模型竊取的方法及裝置
CN111079992A (zh) 数据处理方法、装置和存储介质
CN110675242A (zh) 一种信贷请求的处理方法和装置
Kumar et al. Fair resource allocation policies in reverse auction-based cloud market

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination