本發(fā)明涉及計算機，尤其是涉及一種基于隱私計算的風險評估方法、裝置及電子設(shè)備。

背景技術(shù)：

1、外部數(shù)據(jù)源的使用在傳統(tǒng)保司中正變得非常常見，同時傳統(tǒng)保司(即保險公司)在尋求外部數(shù)據(jù)來增益自己的風險評估模型正在變成行業(yè)主流。在與外部數(shù)據(jù)源進行過合作的過程中，傳統(tǒng)保司會提供一部分對三要素(姓名、手機號和身份證號)進行加密后的帶標簽的樣本給到數(shù)據(jù)源，讓數(shù)據(jù)源的建模工程師提供建模服務(wù)，從而最終獲取一個符合預(yù)期的風險評分模型，最終在數(shù)據(jù)源通過部署成評分計算節(jié)點以api的形式對保司提供服務(wù)；另外，數(shù)據(jù)源側(cè)本身也會基于自身的數(shù)據(jù)優(yōu)勢開發(fā)一些風險評分模型，從而在不需要保司提供樣本表現(xiàn)的基礎(chǔ)上提供解決方案，但目前由于各數(shù)據(jù)源自身情況不同，各數(shù)據(jù)源所提供的產(chǎn)品服務(wù)也會表現(xiàn)得參差不齊。

2、傳統(tǒng)保司提供風險評估服務(wù)的實現(xiàn)方式主要有以下三方面的缺陷：(1)由于對于數(shù)據(jù)安全的考慮，傳統(tǒng)保司難以提供加密后的三要素信息，取而代之是需要通過隱私計算的方式才能使得現(xiàn)有的流程更安全合規(guī)；(2)風險評估服務(wù)定制化不是保險行業(yè)的趨勢，保司的用戶樣本通常不會用來共享，因為這牽涉到用戶敏感信息的輸出。(3)目前傳統(tǒng)保司還沒有對模型訓練的技術(shù)進行有效地整合，但傳統(tǒng)保司在有些場合實際上需要對很多訓練參數(shù)進行更好地管理甚至是分享，保險行業(yè)缺少對模型訓練技術(shù)進行有效整合的相關(guān)實現(xiàn)方案。

技術(shù)實現(xiàn)思路

1、有鑒于此，本發(fā)明的目的在于提供一種基于隱私計算的風險評估方法、裝置及電子設(shè)備，以緩解相關(guān)技術(shù)中存在的上述問題。

2、第一方面，本發(fā)明實施例提供了一種基于隱私計算的風險評估方法，包括：獲取保險公司的測試樣本集；其中，所述測試樣本集中的每個測試樣本各自包括相應(yīng)的三要素信息和投保時間，所述三要素信息包括姓名、身份證號和手機號；從多個不同數(shù)據(jù)源中獲取每個測試樣本對應(yīng)的基礎(chǔ)數(shù)據(jù)，并對所述基礎(chǔ)數(shù)據(jù)進行隱私求交；其中，隱私求交結(jié)果包括多個變量對應(yīng)的輸入數(shù)據(jù)；基于預(yù)設(shè)篩選條件從所述隱私求交結(jié)果中篩選出目標變量對應(yīng)的目標輸入數(shù)據(jù)，并通過預(yù)設(shè)模型庫對所述目標輸入數(shù)據(jù)進行預(yù)測；其中，所述預(yù)設(shè)模型庫包括多個模型，預(yù)測結(jié)果包括每個模型各自對所述目標輸入數(shù)據(jù)進行預(yù)測后得到的初始風險評分；基于所述目標輸入數(shù)據(jù)和所述初始風險評分以及所述測試樣本集的標注信息訓練各模型，并在訓練過程中調(diào)整各模型的參數(shù)，以在訓練結(jié)束后通過訓練好的多個模型基于調(diào)整后的參數(shù)計算出每個測試樣本對應(yīng)的風險概率，之后基于所述風險概率確定每個測試樣本對應(yīng)的風險評估結(jié)果。

3、第二方面，本發(fā)明實施例還提供一種基于隱私計算的風險評估裝置，包括：獲取模塊，用于獲取保險公司的測試樣本集；其中，所述測試樣本集中的每個測試樣本各自包括相應(yīng)的三要素信息和投保時間，所述三要素信息包括姓名、身份證號和手機號；隱私求交模塊，用于從多個不同數(shù)據(jù)源中獲取每個測試樣本對應(yīng)的基礎(chǔ)數(shù)據(jù)，并對所述基礎(chǔ)數(shù)據(jù)進行隱私求交；其中，隱私求交結(jié)果包括多個變量對應(yīng)的輸入數(shù)據(jù)；預(yù)測模塊，用于基于預(yù)設(shè)篩選條件從所述隱私求交結(jié)果中篩選出目標變量對應(yīng)的目標輸入數(shù)據(jù)，并通過預(yù)設(shè)模型庫對所述目標輸入數(shù)據(jù)進行預(yù)測；其中，所述預(yù)設(shè)模型庫包括多個模型，預(yù)測結(jié)果包括每個模型各自對所述目標輸入數(shù)據(jù)進行預(yù)測后得到的初始風險評分；評估模塊，用于基于所述目標輸入數(shù)據(jù)和所述初始風險評分以及所述測試樣本集的標注信息訓練各模型，并在訓練過程中調(diào)整各模型的參數(shù)，以在訓練結(jié)束后通過訓練好的多個模型基于調(diào)整后的參數(shù)計算出每個測試樣本對應(yīng)的風險概率，之后基于所述風險概率確定每個測試樣本對應(yīng)的風險評估結(jié)果。

4、第三方面，本發(fā)明實施例還提供一種電子設(shè)備，包括處理器和存儲器，所述存儲器存儲有能夠被所述處理器執(zhí)行的計算機可執(zhí)行指令，所述處理器執(zhí)行所述計算機可執(zhí)行指令以實現(xiàn)上述第一方面所述基于隱私計算的風險評估方法。

5、本發(fā)明實施例提供的一種基于隱私計算的風險評估方法、裝置及電子設(shè)備，獲取保險公司的測試樣本集；從多個不同數(shù)據(jù)源中獲取每個測試樣本對應(yīng)的基礎(chǔ)數(shù)據(jù)，并對基礎(chǔ)數(shù)據(jù)進行隱私求交；基于預(yù)設(shè)篩選條件從隱私求交結(jié)果中篩選出目標變量對應(yīng)的目標輸入數(shù)據(jù)，并通過預(yù)設(shè)模型庫對目標輸入數(shù)據(jù)進行預(yù)測，預(yù)測結(jié)果包括預(yù)設(shè)模型庫中每個模型各自對目標輸入數(shù)據(jù)進行預(yù)測后得到的初始風險評分；基于目標輸入數(shù)據(jù)和初始風險評分以及測試樣本集的標注信息訓練各模型，并在訓練過程中調(diào)整各模型的參數(shù)，以在訓練結(jié)束后通過訓練好的多個模型基于調(diào)整后的參數(shù)計算出每個測試樣本對應(yīng)的風險概率，之后基于風險概率確定每個測試樣本對應(yīng)的風險評估結(jié)果。采用上述技術(shù)，可利用三要素信息對應(yīng)在多個不同數(shù)據(jù)源中的基礎(chǔ)數(shù)據(jù)，通過隱私計算來動態(tài)優(yōu)化多個模型的參數(shù)，進而借助優(yōu)化參數(shù)后的多個模型進行風險評估，從而提高投保風險評估的準確性。

6、本發(fā)明的其他特征和優(yōu)點將在隨后的說明書中闡述，并且，部分地從說明書中變得顯而易見，或者通過實施本發(fā)明而了解。本發(fā)明的目的和其他優(yōu)點在說明書、權(quán)利要求書以及附圖中所特別指出的結(jié)構(gòu)來實現(xiàn)和獲得。

7、為使本發(fā)明的上述目的、特征和優(yōu)點能更明顯易懂，下文特舉較佳實施例，并配合所附附圖，作詳細說明如下。

技術(shù)特征：

1.一種基于隱私計算的風險評估方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的基于隱私計算的風險評估方法，其特征在于，從多個不同數(shù)據(jù)源中獲取每個測試樣本對應(yīng)的基礎(chǔ)數(shù)據(jù)，包括：

3.根據(jù)權(quán)利要求1所述的基于隱私計算的風險評估方法，其特征在于，所述基礎(chǔ)數(shù)據(jù)包括每個測試樣本對應(yīng)于各數(shù)據(jù)源的隱私信息，每個數(shù)據(jù)源對應(yīng)的隱私信息與相應(yīng)測試樣本所包括的姓名、身份證號和手機號中至少之一對應(yīng)；對所述基礎(chǔ)數(shù)據(jù)進行隱私求交，包括：

4.根據(jù)權(quán)利要求1所述的基于隱私計算的風險評估方法，其特征在于，所述預(yù)設(shè)篩選條件包括相應(yīng)三要素信息對應(yīng)于其所對應(yīng)輸入數(shù)據(jù)的覆蓋度和/或有值率；基于預(yù)設(shè)篩選條件從所述隱私求交結(jié)果中篩選出目標變量對應(yīng)的目標輸入數(shù)據(jù)，包括：

5.根據(jù)權(quán)利要求1所述的基于隱私計算的風險評估方法，其特征在于，所述標注信息表征各測試樣本是否有投保欺詐風險；基于所述目標輸入數(shù)據(jù)和所述初始風險評分以及所述測試樣本集的標注信息訓練各模型，并在訓練過程中調(diào)整各模型的參數(shù)，包括：

6.根據(jù)權(quán)利要求1所述的基于隱私計算的風險評估方法，其特征在于，通過訓練好的多個模型基于調(diào)整后的參數(shù)計算出每個測試樣本對應(yīng)的風險概率，包括：

7.根據(jù)權(quán)利要求1所述的基于隱私計算的風險評估方法，其特征在于，基于所述風險概率確定每個測試樣本對應(yīng)的風險評估結(jié)果，包括：

8.根據(jù)權(quán)利要求1所述的基于隱私計算的風險評估方法，其特征在于，基于所述風險概率確定每個測試樣本對應(yīng)的風險評估結(jié)果，包括：

9.一種基于隱私計算的風險評估裝置，其特征在于，包括：

10.一種電子設(shè)備，其特征在于，包括處理器和存儲器，所述存儲器存儲有能夠被所述處理器執(zhí)行的計算機可執(zhí)行指令，所述處理器執(zhí)行所述計算機可執(zhí)行指令以實現(xiàn)權(quán)利要求1至8任一項所述基于隱私計算的風險評估方法。

技術(shù)總結(jié)
本發(fā)明提供了一種基于隱私計算的風險評估方法、裝置及電子設(shè)備，從多個不同數(shù)據(jù)源中獲取保險公司的每個測試樣本對應(yīng)的基礎(chǔ)數(shù)據(jù)，并對基礎(chǔ)數(shù)據(jù)進行隱私求交；基于預(yù)設(shè)篩選條件從隱私求交結(jié)果中篩選出目標變量對應(yīng)的目標輸入數(shù)據(jù)，并通過預(yù)設(shè)模型庫對目標輸入數(shù)據(jù)進行預(yù)測以得到各模型對應(yīng)的初始風險評分；基于目標輸入數(shù)據(jù)和初始風險評分以及測試樣本集的標注信息訓練各模型，并在訓練過程中調(diào)整各模型的參數(shù)，以在訓練結(jié)束后通過訓練好的多個模型基于調(diào)整后的參數(shù)計算出每個測試樣本對應(yīng)的風險概率，之后基于風險概率確定每個測試樣本對應(yīng)的風險評估結(jié)果。采用本發(fā)明可以提高投保風險評估的準確性。

技術(shù)研發(fā)人員：沈健剛,何盼,劉星辰,黃林斌
受保護的技術(shù)使用者：上海勃池信息技術(shù)有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/6/30