(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 202210320247.6 (22)申请日 2022.03.29 (71)申请人 中国电信股份有限公司 地址 100033 北京市西城区金融大街31号 (72)发明人 闫汇　杨明川　 (74)专利代理 机构 北京律智知识产权代理有限 公司 11438 专利代理师 孙宝海 (51)Int.Cl. H04L 9/40(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06F 21/62(2013.01) G06F 21/64(2013.01) (54)发明名称 风险数据监测方法、 装置、 系统、 电子设备及 存储介质 (57)摘要 本公开提供了一种风险数据监测方法、 装 置、 系统、 电子设备及存储介质， 其中， 风险数据 监测方法包括： 获取被监测对象的特征信息； 根 据被监测对象的特征信息和预先通过中心节点 确定的综合风险评估参数， 确定被监测对象 的综 合风险评估结果， 其中， 综合风险评估参数为中 心节点对各个边缘节点的风险评估参数进行聚 合得到的参数， 每个边缘节点的风险评估参数包 括： 各个边缘节点利用本地数据对风险评估模型 训练得到的模型参数及利用熵值法确定的一个 或多个风险因子的权重参数。 本公开通过利用隐 私计算在各个边缘节点计算风险评估参数， 在中 心节点对风险评估参数进行聚合和确定综合风 险评估结果， 保证了数据信息的隐私性， 并提高 了风险数据监测的效率。 权利要求书2页 说明书13页 附图7页 CN 114650179 A 2022.06.21 CN 114650179 A 1.一种风险数据监测方法， 其特 征在于， 包括： 获取被监测对象的特 征信息； 根据被监测对象的特征信 息和预先通过中心节点确定的综合风险评估参数， 确定所述 被监测对 象的综合风险评估结果， 其中， 所述综合风险评估参数为所述中心节点对各个边 缘节点的风险评估参数进行聚合得到的参数， 每个边缘节点的风险评估参数包括： 各个边 缘节点利用本地数据对风险评估模型训练得到的模型参数及利用熵值法确定的一个或多 个风险因子的权 重参数。 2.一种风险数据监测方法， 其特 征在于， 应用于中心 节点， 包括： 接收各个边缘节点上传的风险评估参数， 每个边缘节点的风险评估参数包括： 各个边 缘节点利用本地数据对风险评估模型训练得到的模型参数及利用熵值法确定的一个或多 个风险因子的权 重参数； 对各个边缘节点的风险评估参数进行聚合， 得到综合风险评估参数， 其中， 所述综合风 险评估参数用于根据被监测对象的特 征信息确定所述被监测对象的综合 风险评估结果。 3.根据权利要求2所述的风险数据监测方法， 其特征在于， 所述对各个边缘节点的风险 评估参数进行聚合， 得到综合 风险评估参数包括： 对各个风险因子的权重参数进行归一化处理， 得到各个风险因子归一化后的权重参 数； 根据各个边缘节点上传的模型参数及各个风险因子归一化后的权重参数， 确定所述综 合风险评估参数。 4.根据权利要求2所述的风险数据监测方法， 其特征在于， 所述中心节点与 各个边缘节 点基于可信执 行环境进行通信。 5.一种风险数据监测方法， 其特 征在于， 应用于边 缘节点， 包括： 利用本地数据对风险评估 模型训练得到的模型参数； 利用熵值法确定的一个或多个风险因子的权 重参数； 将模型参数和各个风险因子的权重参数确定为所述边缘节点的风险评估参数， 上传至 中心节点， 其中， 所述中心节 点用于对 各个边缘节点的风险评估参数进 行聚合， 得到综合风 险评估参数， 其中， 所述综合风险评估参数用于根据被监测对 象的特征信息确定所述被监 测对象的综合 风险评估结果。 6.根据权利要求5所述的风险数据监测方法， 其特征在于， 所述利用本地数据对风险评 估模型训练得到的模型参数包括： 获取本地存 储的样本数据； 根据所述样本数据对风险评估 模型进行训练， 获取满足收敛 条件时的模型参数。 7.根据权利要求5所述的风险数据监测方法， 其特征在于， 所述边缘节点通过如下公式 确定各个风险因子的权 重参数： 其中， wj表示第j项风险因子的权重参数， Ej为第j项风险因子的熵值， j为正整数， m为风 险因子的个数。权　利　要　求　书 1/2 页 2 CN 114650179 A 28.一种风险数据监测装置， 其特 征在于， 包括： 信息获取模块， 用于获取被监测对象的特 征信息； 结果确定模块， 用于根据被监测对象的特征信 息和预先通过中心节点确定的综合风险 评估参数， 确定所述被监测对象的综合风险评估结果， 其中， 所述综合风险评估参数为所述 中心节点对各个边缘节点的风险评估参数进 行聚合得到的参数， 每个边缘节点的风险评估 参数包括： 各个边缘节点利用本地数据对风险评估模型训练得到的模型参数及利用熵值法 确定的一个或多个风险因子的权 重参数。 9.一种风险数据监测装置， 其特 征在于， 包括： 参数接收模块， 用于接收各个边缘节点上传的风险评估参数， 每个边缘节点的风险评 估参数包括： 各个边缘节点利用本地数据对风险评估模型训练得到的模型参数及利用熵值 法确定的一个或多个风险因子的权 重参数； 参数聚合模块， 用于对各个边缘节点的风险评估参数进行聚合， 得到综合风险评估参 数， 其中， 所述综合风险评估参数用于根据被监测对 象的特征信息确定所述被监测对 象的 综合风险评估结果。 10.一种风险数据监测装置， 其特 征在于， 包括： 模型参数 得到模块， 用于利用本地数据对风险评估 模型训练得到的模型参数； 权重参数确定模块， 用于利用熵值法确定的一个或多个风险因子的权 重参数； 权重参数上传模块， 用于将模型参数和各个风险因子的权重参数确定为边缘节点的风 险评估参数， 上传至中心节点， 其中， 所述中心节点用于对各个边缘节点的风险评估参数进 行聚合， 得到综合风险评估参数， 其中， 所述 综合风险评估参数用于根据被监测对象的特征 信息确定所述被监测对象的综合 风险评估结果。 11.一种风险数据监测系统， 其特 征在于， 包括： 中心 节点和多个边 缘节点； 其中， 每个边缘节点用于利用本地数据对风险评估模型训练得到的模型参数及利用熵 值法确定的一个或多个风险因子的权 重参数， 得到各自的风险评估参数； 所述中心节点， 与各个边缘节点通信， 用于接收各个边缘节点上传的风险评估参数， 对 各个边缘节点的风险评估参数进 行聚合， 得到综合风险评估参数， 其中， 所述综合风险评估 参数用于根据被监测对象的特 征信息确定所述被监测对象的综合 风险评估结果。 12.一种电子设备， 其特 征在于， 包括： 处理器； 以及 存储器， 用于存 储所述处 理器的可 执行指令； 其中， 所述处理器配置为经由执行所述可执行指令来执行权利要求1～7中任意一项所 述风险数据监测方法。 13.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序 被处理器执行时实现权利要求1～7中任意 一项所述的风险数据监测方法。权　利　要　求　书 2/2 页 3 CN 114650179 A 3