(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 202211052339.7 (22)申请日 2022.08.31 (71)申请人 中国建设银行股份有限公司 地址 100033 北京市西城区金融大街25号 申请人 建信金融科技有限责任公司 (72)发明人 杨占栋　刘翰宇　陈朝明　叶振栋　 张晓科　 (74)专利代理 机构 中原信达知识产权代理有限 责任公司 1 1219 专利代理师 徐敏　李阳 (51)Int.Cl. G06K 9/62(2022.01) G06Q 10/04(2012.01) G06Q 40/06(2012.01) G06F 21/62(2013.01)G06F 21/60(2013.01) (54)发明名称 预测模型的训练方法、 模型参数的确定方法 和装置 (57)摘要 本发明公开了一种预测模型的训练方法、 模 型参数的确定方法和装置， 涉及趋势预测技术领 域。 该方法的一具体实施方式包括： 接收中央服 务器发送的聚合参数； 将预测模 型的模型参数设 置为聚合参数， 并利用本地训练样本集， 对预测 模型进行当前轮次的训练， 得到预测模型的训练 参数， 预测模型用于预测用户的资产 收益率； 将 训练参数发送给中央服务器， 并接收中央服务器 针对训练参数返回的更新后的聚合参数； 将预测 模型的模型参数设置为更新后的聚合参数， 对预 测模型进行下一轮次的训练并返回更新后的训 练参数； 将预测模型的模型参数设置为最终参 数。 该实施方式能够减少用户资产数据泄露的风 险， 保障用户资产数据的安全。 权利要求书3页 说明书13页 附图3页 CN 115423014 A 2022.12.02 CN 115423014 A 1.一种预测模型的训练方法， 其特 征在于， 应用于 本地节点中， 包括： 接收中央服 务器发送的聚合 参数； 将预测模型的模型参数设置为所述聚合参数， 并利用本地训练样本集， 对所述预测模 型进行当前轮次的训练， 得到所述预测模型 的训练参数， 所述预测模型用于预测用户的资 产收益率， 本地训练样本包括： 资产特 征数据及资产收益 率数据； 将所述训练参数发送给所述中央服务器， 并接收所述中央服务器针对所述训练参数返 回的更新后的聚合 参数； 将所述预测模型的模型参数设置为所述更新后的聚合参数， 对所述预测模型进行下一 轮次的训练并返回更新后的训练参数； 以此类推， 直至接收到所述中央服务器返回的最终参数， 将所述预测模型的模型参数 设置为所述 最终参数。 2.根据权利要求1所述的方法， 其特征在于， 所述利用本地训练样本集， 对所述预测模 型进行训练之前， 还 包括： 获取多个用户数据， 所述用户数据包括： 宏观 因子数据、 资产配置数据及 资产收益率数 据； 根据所述用户数据中的宏观 因子数据及 资产配置数据， 生成所述用户数据对应的资产 特征数据； 根据所述用户数据对应的资产 特征数据及资产收益率数据， 生成所述用户数据对应的 本地训练样本； 组合多个所述本地训练样本， 得到所述本地训练样本集。 3.根据权利要求1所述的方法， 其特征在于， 所述将所述训练参数发送给所述中央服务 器之前， 还 包括： 接收所述中央服 务器发送的公钥； 所述将所述训练参数发送给 所述中央服 务器， 包括： 利用所述公钥， 对所述训练参数进行加密处 理； 将加密后的训练参数发送给 所述中央服 务器。 4.一种模型参数的确定方法， 其特 征在于， 应用于中央服 务器中， 包括： 向多个本地节点分发预测模型的聚合参数， 所述预测模型用于预测用户的资产收益 率； 接收各所述本地节点针对所述聚合 参数发送的训练参数； 对各所述本地节点发送的训练参数进行聚合处理， 得到更新后的聚合参数， 并向多个 所述本地节点分发所述更新后的聚合 参数； 以此类推， 直至所述多个本地节点满足模型训练条件， 聚合各所述本地节点发送的更 新后的训练参数， 得到最终参数， 并将所述 最终参数分发给多个所述本地节点。 5.根据权利要求4所述的方法， 其特征在于， 所述对各所述本地节点发送的训练参数进 行聚合处 理， 得到聚合 参数之前， 还 包括： 确定各所述本地节点对应的公钥及私钥； 将各所述公钥发送给其对应的本地节点； 所述对各 所述本地节点发送的训练参数进行聚合处 理， 得到聚合 参数， 包括：权　利　要　求　书 1/3 页 2 CN 115423014 A 2分别利用各所述本地节点对应的私钥， 对所述本地节点发送的训练参数进行解密处 理； 对各解密后的训练参数进行聚合处 理， 得到所述聚合 参数。 6.一种收益 率确定方法， 其特 征在于， 应用于 本地节点中， 包括： 确定本地用户的资产特 征数据； 将所述资产特征数据输入至预测模型中， 得到所述本地用户的预测资产收益率， 所述 预测模型的模型参数 是通过所述本地节点与中央服 务器交互确定的。 7.根据权利要求6所述的方法， 其特征在于， 所述预测模型为多个独立模型组成的融合 模型， 所述独立模型包括： 线性回归 模型、 梯度增强决策树及TabNet网络模型； 所述将所述资产特征数据输入至预测模型中， 得到所述本地用户的预测资产收益率， 包括： 将所述资产特 征数据输入至所述线性回归 模型中， 得到第一收益 率； 将所述资产特 征数据输入至所述梯度增强决策树中， 得到第二收益 率； 将所述资产特 征数据输入至所述TabNet网络模型中， 得到第三收益 率； 根据所述第一收益率、 所述第二收益率及所述第三收益率， 确定所述本地用户的预测 资产收益 率。 8.一种预测模型的训练装置， 其特 征在于， 应用于 本地节点中， 包括： 参数接收模块， 用于 接收中央服 务器发送的聚合 参数； 初始训练模块， 用于将预测模型的模型参数设置为所述聚合参数， 并利用本地训练样 本集， 对所述预测模 型进行当前轮次的训练， 得到所述预测模 型的训练参数， 所述预测模型 用于预测用户的资产收益 率， 本地训练样本包括： 资产特 征数据及资产收益 率数据； 参数发送模块， 用于将所述训练参数发送给所述中央服务器， 并接收所述中央服务器 针对所述训练参数返回的更新后的聚合 参数； 迭代模块， 用于将所述预测模型的模型参数设置为所述更新后的聚合参数， 对所述预 测模型进行 下一轮次的训练并返回更新后的训练参数； 设置模块， 用于以此类推， 直至接收到所述中央服务器返回的最终参数， 将所述预测模 型的模型参数设置为所述 最终参数。 9.根据权利要求8所述的装置， 其特 征在于， 还 包括： 样本集生成模块， 用于获取多个用户数据， 所述用户数据包括： 宏观因子数据、 资产配 置数据及资产收益 率数据； 根据所述用户数据中的宏观 因子数据及 资产配置数据， 生成所述用户数据对应的资产 特征数据； 根据所述用户数据对应的资产 特征数据及资产收益率数据， 生成所述用户数据对应的 本地训练样本； 组合多个所述本地训练样本， 得到所述本地训练样本集。 10.一种模型参数的确定装置， 其特 征在于， 应用于中央服 务器中， 包括： 参数分发模块， 用于向多个本地节点分发预测模型的聚合参数， 所述预测模型用于预 测用户的资产收益 率； 参数接收模块， 用于 接收各所述本地节点针对所述聚合 参数发送的训练参数；权　利　要　求　书 2/3 页 3 CN 115423014 A 3