(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211111969.7 (22)申请日 2022.09.13 (71)申请人 中债金科信息技 术有限公司 地址 101118 北京市通州区宋庄镇 壁富路 与徐尹路交叉口(汇天云端产业园8号 楼) (72)发明人 王延昭　唐华云　李荣　华娇娇　 孙爽　商丽丽　 (74)专利代理 机构 北京路浩知识产权代理有限 公司 11002 专利代理师 张晓霞 (51)Int.Cl. G06Q 40/02(2012.01) G06Q 10/06(2012.01) G06K 9/62(2022.01)G06N 5/00(2006.01) G06N 20/00(2019.01) (54)发明名称 债券风险检测模型训练方法和债券风险检 测方法 (57)摘要 本发明提供一种债券风险检测模型训练方 法和债券风险检测方法， 该方法涉及金融风险防 范技术领域， 包括： 步骤A： 接收中心节点发送的 至少一棵初始随机树及各初始随机树对应的至 少一个数据特征摘要； 步骤B： 针对每棵初始随机 树， 确定初始随机树的至少一个数据特征摘要对 应的第一数据特征， 将第一数据特征发送至中心 节点； 步骤C： 接收中心节点发送的至少一棵更新 后的随机树， 并将更新后的随机树作为新的初始 随机树， 重复执行步骤B ‑步骤C， 直至满足第一停 止准则； 步骤D： 接收中心节点发送的债券风险检 测模型， 债券风险检测模型为多棵随机树组成的 随机森林模型。 实现数据特征摘要的共享， 各分 布式节点共同完成模型训练， 提升了模型检测的 准确率。 权利要求书3页 说明书17页 附图4页 CN 115409613 A 2022.11.29 CN 115409613 A 1.一种债券风险检测模型训练方法， 其特 征在于， 应用于分布式节点， 包括： 步骤A： 接收中心节点发送的至少一棵初始随机树及各所述初始随机树对应的至少一 个数据特征摘要， 所述至少一个数据特征摘要是所述中心节点基于各所述分布式节点发送 的原始数据特征摘要确定的， 所述原始数据特征摘要为各所述分布式节点基于本地债券数 据得到的； 步骤B： 针对每棵初始随机树， 确定所述初始随机树的至少一个数据 特征摘要对应的第 一数据特征， 将所述第一数据特征发送至所述中心节点， 以使所述中心节点基于各所述分 布式节点 发送的所述第一数据特征确定目标数据特征， 并基于所述目标数据特征确定所述 初始随机树的分裂节点， 得到更新后的随机树； 步骤C： 接收所述中心节点发送的至少一棵更新后的随机树， 并将所述更新后的随机树 作为新的初始随机树， 重复执 行步骤B‑步骤C， 直至满足第一停止准则； 步骤D： 接收所述中心节点发送的债券风险检测模型， 所述债券风险检测模型为由多棵 随机树组成的随机森林模型。 2.根据权利要求1所述的债券风险检测模型训练方法， 其特征在于， 所述确定所述初始 随机树的至少一个数据特 征摘要对应的第一数据特 征， 包括： 针对所述初始随机树对应的每个数据 特征摘要， 分别计算各所述数据 特征摘要对应的 每个数据特 征的信息增益 率； 基于每个数据 特征的信 息增益率， 将最大的信 息增益率对应的数据特征确定为所述第 一数据特 征。 3.根据权利要求2所述的债券风险检测模型训练方法， 其特征在于， 所述将所述第 一数 据特征发送至所述中心 节点， 包括： 将所述第一数据 特征和所述第 一数据特征的信 息增益率发送至所述中心节点， 以使所 述中心节点基于各所述分布式节点发送的所述第一数据特征以及所述第一数据特征的信 息增益率确定所述目标 数据特征。 4.根据权利要求1 ‑3任一项所述的债券风险检测模型训练方法， 其特征在于， 在所述接 收中心节点发送的至少一棵初始随机树及各所述初始随机树对应的至少一个数据特征摘 要之前， 所述方法还 包括： 基于SM3算法， 对所述本地债券数据进行预处理， 得到至少一个所述原始数据特征摘 要； 将各所述原始数据特 征摘要发送至所述中心 节点。 5.一种债券风险检测模型训练方法， 其特 征在于， 应用于中心 节点， 包括： 步骤E： 分别向多个分布式节点发送至少一棵初始随机树及各所述初始随机树对应的 至少一个数据特征摘要， 所述至少一个数据特征摘要 是所述中心节点基于各所述分布式节 点发送的原始数据特征摘要确定的， 所述原始数据特征摘要为各所述分布式节点基于本地 债券数据得到的； 步骤F： 接收各所述分布式节点发送的第一数据 特征， 所述第一数据 特征为各分布式节 点基于各 所述初始随机树的至少一个数据特 征摘要确定的； 步骤G： 基于各所述分布式节点发送的所述第一数据特征确定各所述初始随机树的目 标数据特征， 并基于所述 目标数据特征确定各所述初始随机树的分裂节点， 得到各更新后权　利　要　求　书 1/3 页 2 CN 115409613 A 2的随机树； 步骤H： 将所述各更新后的随机树作为新的初始随机树发送给各所述分布式节点， 并重 复执行步骤F ‑步骤H， 直至满足第二停止准则， 得到随机森林模型， 并将所述随机森林模型 确定为债券风险检测模型； 步骤I： 向各 所述分布式节点发送所述债券风险检测模型。 6.根据权利要求5所述的债券风险检测模型训练方法， 其特征在于， 所述接收各所述分 布式节点发送的第一数据特 征， 包括： 接收各所述分布式节点发送的第一数据特 征和所述第一数据特 征的信息增益 率； 所述基于各所述分布式节点发送的所述第一数据特征确定各所述初始随机树的目标 数据特征， 包括： 将各所述分布式节点发送的所述第一数据特征的信息增益率中最大的信息增益率对 应的第一数据特 征确定为所述目标 数据特征。 7.根据权利要求5所述的债券风险检测模型训练方法， 其特 征在于， 所述方法还 包括： 接收各所述分布式节点发送的原 始数据特 征摘要； 对所述原 始数据特 征摘要进行去重处 理， 得到去重后的数据特 征摘要； 基于所述去重后的数据 特征摘要， 确定各所述初始随机树对应的至少一个数据 特征摘 要。 8.一种债券风险检测方法， 其特 征在于， 包括： 获取待检测债券数据； 将所述待检测债券数据输入至债券风险检测模型， 得到所述待检测债券数据对应的风 险检测结果； 其中， 所述债券风险检测模型是基于权利要求1至4任一项所述的债券风险检 测模型训练方法， 或者权利要求5至7任一项所述的债券风险检测模型训练方法训练得到 的。 9.一种债券风险检测模型训练装置， 其特 征在于， 应用于分布式节点， 包括： 第一接收模块， 用于接收中心节点发送的至少一棵初始随机树及各所述初始随机树对 应的至少一个数据特征摘要， 所述至少一个数据特征摘要 是所述中心节点基于各所述分布 式节点发送的原始数据特征摘要确定的， 所述原始数据特征摘要为各所述分布式节点基于 本地债券数据得到的； 第一确定模块， 用于针对每棵初始随机树， 确定所述初始随机树的至少一个数据特征 摘要对应的第一数据特征， 将所述第一数据特征发送至所述中心节点， 以使所述中心节点 基于各所述分布式节点 发送的所述第一数据特征确定目标数据特征， 并基于所述目标数据 特征确定所述初始随机树的分裂节点， 得到更新后的随机树； 第二接收模块， 用于接收所述中心节点发送的至少一棵更新后的随机树， 并将所述更 新后的随机树作为 新的初始随机树， 重复执 行上述步骤， 直至满足第一停止准则； 第三接收模块， 用于接收所述中心节点发送的债券风险检测模型， 所述债券风险检测 模型为由多棵随机树组成的随机森林模型。 10.一种债券风险检测模型训练装置， 其特 征在于， 应用于中心 节点， 包括： 第一发送模块， 用于分别向多个分布式节点发送至少一棵初始随机树及各所述初始随 机树对应的至少一个数据特征摘要， 所述至少一个数据特征摘要 是所述中心节点基于各所权　利　要　求　书 2/3 页 3 CN 115409613 A 3