一种模型训练的方法、装置、电子设备及存储介质与流程

本说明书涉及计算机，尤其涉及一种模型训练的方法、装置、电子设备及存储介质。

背景技术：

1、为了保护用户的信息安全以及避免为用户提供业务的业务提供方的损失，业务提供方可以对用户进行风控。

2、在实际应用中，业务提供方可以根据用户历史上所执行的业务是否存在风险的情况，来训练风控模型，从而通过训练后的风控模型对用户进行风控。但是，业务提供方通常只能通过自身的训练样本来训练风控模型，这种方式存在训练样本少以及训练样本的类别较少的问题，致使通过这种方式训练出的风控模型无法有效地对用户进行业务风控。

技术实现思路

1、本说明书提供一种模型训练的方法、装置、电子设备及存储介质，以提高对用户进行风控的准确性，并且，可以提高数据的安全性。

2、本说明书采用下述技术方案：

3、本说明书提供一种模型训练的方法，包括：

4、边缘节点获取训练样本，其中，不同边缘节点所获取到的训练样本不完全相同；

5、根据所述训练样本对部署在所述边缘节点本地的风控模型进行训练，得到对所述风控模型训练所产生的梯度信息；

6、将所述梯度信息上传到中心服务器，以使所述中心服务器根据所述边缘节点上传的所述梯度信息以及其他边缘节点上传的梯度信息，对所述中心服务器本地部署的风控模型进行模型参数更新，得到更新后参数，并将所述更新后参数返回给各边缘节点，所述中心服务器和各边缘节点各自部署的风控模型不完全相同；

7、接收所述中心服务器发送的所述更新后参数；

8、从所述更新后参数中筛选出所述边缘节点本地的风控模型中预设网络层所需的参数，并根据筛选出的模型参数，对所述边缘节点本地的风控模型进行更新，所述预设网络层为所述中心服务器和各边缘节点部署的各风控模型中的公共网络层，所述边缘节点本地的风控模型在训练完成后用于对所述边缘节点所属业务提供方下的用户进行业务风控。

9、可选地，获取训练样本，具体包括：

10、获取各用户的历史业务记录以及用户相关信息，所述用户相关信息包括用户标识信息、用户设备信息、用户历史行为信息以及历史核验信息；

11、针对每个用户，根据该用户的历史业务记录，确定该用户的用户标签，所述用户标签用于表示用户的历史上执行的业务是否存在风险；

12、根据所述各用户的用户相关信息以及用户标签，构建训练样本。

13、可选地，所述用户设备信息包括用户登录环境信息以及用户设备型号，所述历史核验信息用于表示用户历史上进行身份核验的情况。

14、可选地，根据所述训练样本对部署在所述边缘节点本地的风控模型进行训练，包括：

15、确定所述训练样本中的样本数据的数据维度数量；

16、判断所述数据维度数量是否低于预设维度数；

17、若是，对所述样本数据进行补充，以使补充后的样本数据的数据维度数量达到所述预设维度数；

18、根据所述补充后的样本数据，对部署在所述边缘节点本地的风控模型进行训练。

19、可选地，还包括：

20、接收用户的业务请求；

21、根据所述业务请求，确定所述用户的用户相关信息；

22、将所述用户相关信息输入到训练后的风控模型中，得到所述用户的风险预测结果；

23、根据所述风险预测结果，对所述用户请求的业务进行业务风控。

24、本说明书提供一种模型训练的方法，包括：

25、中心服务器获取各边缘节点上传的梯度信息，其中，不同边缘节点属于不同业务提供方，针对每个边缘节点，该边缘节点上传的梯度信息是通过该边缘节点所属业务提供方下的训练样本对所述边缘节点内部署的风控模型进行训练得到的；

26、将所述各边缘节点上传的梯度进行聚合，得到聚合后的梯度，并根据聚合后的梯度，对中心服务器本地部署的模型进行模型参数更新，得到更新后的参数；

27、将更新后的参数下发到各边缘节点，以进行迭代训练，针对每个边缘节点，该边缘节点部署的风控模型在训练完成后用于对该边缘节点所属的业务提供方下的用户进行风控。

28、可选地，还包括：

29、根据训练完成后的风控模型，构建用户风险评估接口，所述用户风险评估接口用于新增业务提供方接入后对所述新增业务提供方下的用户进行风控。

30、本说明书提供一种模型训练的方法，包括：

31、中心服务器获取各边缘节点上传的梯度信息，其中，针对每个边缘节点，该边缘节点上传的梯度信息是通过该边缘节点下的训练样本对部署在该边缘节点内的风控模型进行训练得到的，不同边缘节点所获取到的训练样本不完全相同；

32、将所述各边缘节点上传的梯度信息进行聚合，得到聚合后的梯度信息，并根据聚合后的梯度信息，对所述中心服务器本地部署的风控模型进行模型参数更新，得到更新后参数；

33、将所述更新后参数下发给边缘节点，以使边缘节点在接收到所述更新后参数后，从所述更新后参数中筛选出边缘节点本地的风控模型中预设网络层所需的参数，并根据筛选出的模型参数，对边缘节点本地的风控模型进行更新，针对每个边缘节点，该边缘节点部署的风控模型在训练完成后用于对该边缘节点所属的业务提供方下的用户进行业务风控。

34、本说明书提供一种模型训练的装置，包括：

35、获取模型，用于获取训练样本，其中，不同边缘节点所获取到的训练样本不完全相同；

36、训练模块，用于根据所述训练样本对部署在所述装置本地的风控模型进行训练，得到对所述风控模型训练所产生的梯度信息；

37、上传模块，用于将所述梯度信息上传到中心服务器，以使所述中心服务器根据所述装置上传的所述梯度信息以及其他边缘节点上传的梯度信息，对所述中心服务器本地部署的风控模型进行模型参数更新，得到更新后参数，并将所述更新后参数返回给各边缘节点，所述中心服务器和各边缘节点各自部署的风控模型不完全相同；

38、接收模块，用于接收所述中心服务器发送的所述更新后参数；

39、更新模块，用于从所述更新后参数中筛选出所述装置本地的风控模型中预设网络层所需的参数，并根据筛选出的模型参数，对所述装置本地的风控模型进行更新，所述预设网络层为所述中心服务器和各边缘节点部署的各风控模型中的公共网络层，所述边缘节点本地的风控模型在训练完成后用于对所述边缘节点所属业务提供方下的用户进行业务风控。

40、本说明书提供一种模型训练的装置，包括：

41、获取模块，用于获取各边缘节点上传的梯度信息，其中，不同边缘节点属于不同业务提供方，针对每个边缘节点，该边缘节点上传的梯度信息是通过该边缘节点所属业务提供方下的训练样本对部署在该边缘节点内的风控模型进行训练得到的，不同业务提供方提供的业务不完全相同；

42、聚合模块，用于将所述各边缘节点上传的梯度信息进行聚合，得到聚合后的梯度信息，并根据聚合后的梯度信息，对所述装置本地部署的风控模型进行模型参数更新，得到更新后参数；

43、下发模块，用于将所述更新后参数下发给边缘节点，以使边缘节点在接收到所述更新后参数后，从所述更新后参数中筛选出边缘节点本地的风控模型中预设网络层所需的参数，并根据筛选出的模型参数，对边缘节点本地的风控模型进行更新，针对每个边缘节点，该边缘节点部署的风控模型在训练完成后用于对该边缘节点所属的业务提供方下的用户进行业务风控。

44、本说明书提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述模型训练的方法。

45、本说明书提供了一种电子设备，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，所述处理器执行所述程序时实现上述模型训练的方法。

46、本说明书采用的上述至少一个技术方案能够达到以下有益效果：

47、在本说明书中提供的模型训练的方法中，边缘节点获取训练样本，其中不同边缘节点所获取到的训练样本不完全相同，而后，可以根据训练样本对本地的风控模型进行训练，得到对风控模型更新的梯度信息，并将更新的梯度信息上传到中心服务器，以使中心服务器根据该边缘节点上传的梯度信息以及其他边缘节点上传的梯度信息，对中心服务器本地部署的风控模型进行模型参数更新，得到更新后的参数，并返回给边缘节点，最后，边缘节点可以接收中心服务器发送的更新后的参数，从更新后参数中筛选出边缘节点本地的风控模型中预设网络层所需的参数，并根据筛选出的模型参数，对边缘节点本地的风控模型进行更新，其中，边缘节点本地的风控模型在训练完成后用于对边缘节点所属业务提供方下的用户进行风控。

48、从上述内容中可以看出，本说明书中提供的模型训练的方法，每个业务提供方可以对应一个边缘节点，该边缘节点可以通过基于该业务提供方下用户的风险情况构建出的训练样本，来训练风控模型，从而得到更新的梯度信息，中心服务器可以聚合各边缘节点上传的更新的梯度信息，得到聚合后的梯度信息，从而根据聚合后的梯度信息，来更新中心服务器侧的风控模型，而后，中心服务器侧可以将更新后的模型参数下发给各边缘节点，以进行迭代训练。因此，本技术可以通过聚合不同业务提供方训练的风控模型的梯度信息的方式，使得最终训练完成的风控模型可以学习到所有业务提供方下训练样本的特性，从而提到对用户风控的准确性。