CN114626934A - 基于区块链的多层级风控***及管控方法 - Google Patents
基于区块链的多层级风控***及管控方法 Download PDFInfo
- Publication number
- CN114626934A CN114626934A CN202210118104.7A CN202210118104A CN114626934A CN 114626934 A CN114626934 A CN 114626934A CN 202210118104 A CN202210118104 A CN 202210118104A CN 114626934 A CN114626934 A CN 114626934A
- Authority
- CN
- China
- Prior art keywords
- user
- credit
- model
- training
- module
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/03—Credit; Loans; Processing thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/602—Providing cryptographic facilities or services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/64—Protecting data integrity, e.g. using checksums, certificates or signatures
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Bioethics (AREA)
- Health & Medical Sciences (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Technology Law (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明公开了一种基于区块链的多层级风控***及管控方法,包括如下步骤:基于区块链技术构建包括用户端和管理员端的风控***;在管理员端预设智能合约模块,基于智能合约模块利用联邦学习构建还款能力评估模型;用户通过用户端填写个人信息申请***,并提交需求到管理员端;凭证发行方利借助于WeIdentity的分布式解决方案对用户的个人信息进行审查;利用还款能力评估模型根据用户提交的个人信息和管理员端的历史信息对用户的还款能力进行评估;根据用户所填写的个人信息计算用户基础信用分,如果用户基础信用分高于信用阈值,则发卡,否则不发卡。本发明通过高效协同的还款能力评估预测机制实现了综合精确的风控预测。
Description
技术领域
本发明属于金融风险管控技术领域,具体涉及一种基于区块链的多层级风控***及管控方法。
背景技术
作为金融的核心,智能风控是持牌消费金融公司降低坏账和不良的保障。随着数字技术与经济社会以前所未有的广度和深度交汇融合,通过新基建战略赋能,在金融领域,技术对金融服务的覆盖面、准入和方便性大大提高。但仍要看到,人工智能(ArtificialIntelligence,AI)在应用层面也面临局限。拿历史预测未来时,会面临很强的限制,特别是受历史数据的限制,单一的历史数据很可能造成样本单一、预测不准的问题,所以如果纯用AI解决金融问题,存在一定的风险。
在金融***的登陆环节,传统的集中式数字身份认证有着泄露用户隐私,遭到黑客攻击,以及信息伪造等诸多不利的可能性;目前***身份认证主要采用传统的密码登录方式,而用户身份信息主要采取集中式存储方式,这正在受到越来越多的挑战,例如易被撞库引起泄露、公共场合的隐私性问题等等。集中式的身份信息认证存在重大隐患,一方面,若发生单点故障会使大批量用户信息泄露。由于许多用户在不同网站使用的账号密码大多是相同的,黑客“撞库”风险增大。另一方面,也加剧了身份信息伪造行为的发生,盗刷行为难以遏制。在集中式信息存储场景下,用户数字身份认证安全难以保证。
在风险监控环节,传统的风险评估由于银行机构的数据隔离和地理隔离,不能准确评估用户的还款风险。目前银行机构存在数据隔离和地理隔离,用户还款能力评估主要集中在该用户账号所在银行机构,但不同机构间的用户信用信息无法共享,由于同一银行机构面对用户类型较为单一会导致风控检测模型不够泛化,这将大大降低模型评估准确性,并且同一银行机构下的不同分行也存在地理隔离,无法对用户信息进行协同共享。基于以上问题,银行难以对用户还款能力进行高水平有效评估。
发明内容
针对以上问题,本发明提出了一种基于区块链的多层级风控***及管控方法。为解决以上技术问题,本发明所采用的技术方案如下:
一种基于区块链的多层级风控***,包括如下步骤:
S1,基于区块链技术构建包括用户端和管理员端的风控***;
S2,在管理员端预设智能合约模块,基于智能合约模块利用联邦学习方法构建还款能力评估模型;
S3,用户通过用户端填写个人信息申请***,并提交需求到管理员端;
S4,凭证发行方借助于WeIdentity的分布式解决方案对用户的个人信息进行审查;
S5,利用步骤S2所建立的还款能力评估模型根据用户提交的个人信息和管理员端的历史信息对用户的还款能力进行评估;
S6,根据用户所填写的个人信息计算用户基础信用分,如果用户基础信用分高于信用阈值,则发卡,否则不发卡。
在步骤S2中,所述智能合约模块包括如下:
节点注册模块:根据信用对学习节点的角色进行划分,所述角色包括训练节点和领导节点;
本地模型生成模块:训练节点基于训练集和全局模型生成本地训练模型,领导节点将上一轮计算的信用归一化后作为本轮权重对本地训练模型进行聚合生成本地模型;
本地模型上传模块:本地模型生成后,领导节点将本地模型的模型参数上传至区块链;
全局模型聚合模块:对接收到的本地模型进行聚合得到全局模型;
全局模型参数获取模块:负责从区块链上获取全局模型的模型参数;
信用上传模块:将信用上传到区块链存储;
状态查询模块:获取训练状态信息,所述训练状态信息包括当前本地模型训练轮数、模型更新情况和信用计算数量。
在步骤S2中,所述利用联邦学习方法通过智能合约模块构建还款能力评估模型,包括如下步骤:
①,收集各银行机构的经用户授权的***申请用户的信息,组成样本集,将样本集分为训练集和测试集;
②,基于联邦学习方法在区块链的创世块中建立还款能力初审模型;
③,设置贡献度阈值、初始模型参数、全局聚合轮数I和初始迭代次数i=1,根据学习节点的贡献度选取学习节点,采用分区聚类方法对选取出的学习节点进行本地训练组划分;
④,选取每个本地训练组中信用最高的学习节点作为领导节点,其它学习节点均为训练节点,并由所有本地训练组的领导节点组成全局聚合组:
⑤,根据训练节点的信用计算聚合权值,本地训练组的领导节点根据计算出的聚合权值利用联邦学习方法对训练节点所训练的初始训练模型进行聚合得到本地模型;
⑥,智能合约模块调动全局聚合组对接收到的本地模型进行聚合得到全局模型;
⑦,每个本地训练组的领导节点利用测试集验证本地模型,并根据验证准确率和历史信用更新训练集中所有学习节点的信用,将更新后的学习节点的信用上传至区块链;
⑧,根据聚合后的全局模型更新初始模型参数,判断i<I,如果是执行i=i+1并返回步骤④,否则结束。
在步骤③中,所述学习节点的贡献度的计算公式为:
式中,Contributionk表示学习节点k的贡献度,Dk表示学习节点k的本地数据集大小,N表示训练集中的学习节点的总数,fk表示学习节点k的本地CPU频率。
在步骤⑤中,所述聚合权值的计算公式为:
在步骤⑦中,所述学习节点的信用的计算公式为:
式中,表示学习节点k在第i轮迭代训练时的信用,u表示权重因子,表示学习节点k在第i轮迭代训练时的本地模型参数,表示通过全局聚合获得的全局模型参数,和表示基于学习节点k的测试集,δ表示学习率,表示学习节点k在第m轮的信用,f(·)表示模型函数。
所述步骤S3包括如下步骤:
S3.1,当用户需要申请***发放时,用户通过用户端填写身份信息;
S3.2,身份信息填写完成后上传对应的证明文件,将身份信息和证明文件同步提交到管理员端。
根据权利要求7所述的基于区块链的多层级风控***的管控方法,其特征在于,所述身份信息包括基本信息、职业信息和资产情况,基本信息包括用户的姓名、身份证号、手机号、户籍地址、居住地址、居住电话、性别、婚姻状态、教育程度和出生日期,职业信息包括用户的公司全称、职位、公司地址、公司类型、公司邮箱、公司电话和所属行业,资产情况模块包括用户的工资、房产、车产。
所述用户基础信用分的计算公式为:
式中,Bb襘se表示用户基础信用分,r表示还款能力基分,R表示用户是否具备还款能力,当R=1时,表示用户具备还款能力,当R=0时,表示用户不具备还款能力,A表示用户的年龄,a表示年龄基分,J表示用户是否已婚,当J=1时,表示用户已经结婚,当J=0时,表示用户未结婚,j表示婚姻基分,E表示用户所处的教育水平阶段,e表示教育基分,S表示用户的工资数额,s表示工资基分,H表示房产拥有数量,h表示房产基分,C表示车辆拥有数量,c表示车辆基分。
一种基于区块链的多层级风控***,包括用户端和管理员端,所述用户端包括用于记录用户身份信息的身份信息编辑模块和用户收集身份信息证明文件的凭证审核模块,且身份信息编辑模块和凭证审核模块均与管理员端连接;
所述管理员端包括如下:
凭证审查模块:利用WeIdentity的分布式解决方案对用户的个人信息进行审查;
智能合约模块:用于对还款能力评估模块构建还款能力评估模型的流程进行监控;
还款能力评估模块:通过智能合约模块的调用可以生成还款能力评估模型,并基于还款能力评估模型和用户填写的个人信息对已经通过凭证审查的用户是否具备还款能力进行评估;用户基础信用分审核模块:待还款能力评估通过后,根据用户所填写的个人信息计算用户的基础信用分,并对是否执行发卡动作进行评估。
本发明的有益效果:
本发明利用区块链作为存储身份的基础设施,可以实现用户身份等信息的分布式存储,同时将数据的使用权与所有权分离,从而支持用户授权控制的身份管理与使用;关注于区块链技术细粒度解决***风控问题,保证***申请的安全;基于区块链建立还款能力评估模型,对用户的还款能力进行高效协同评估,实现综合精确的风控预测。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明管控方法的流程示意图。
图2为还款能力评估模型的训练示意图。
图3为身份信息编辑模块的界面示意图。
图4为身份资格认证模块的界面示意图。
图5为还款能力评估模块的界面示意图。
图6为信用分数评估模块的界面示意图。
图7为金融监管模块的架构图。
图8为基于FISCO BCOS的四群组的银行联盟链架构。
图9为WeBASE-Front界面示意图。
图10为WeBASE-Web管理界面示意图。
图11为合约部署执行流程图。
图12为本发明风控***的架构图。
图13为本发明风控***的执行流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1:一种基于区块链的多层级风控***的管控方法,如图1和图13所示,包括如下步骤:
S1,基于区块链技术构建包括用户端和管理员端的风控***;
当用户需要申请***发放时,用户通过用户端填写身份信息、上传相关证明文件并提交,银行通过管理员端对用户进行审核以确定是否发放***。
S2,在管理员端预设智能合约模块,基于智能合约模块利用联邦学习方法构建还款能力评估模型;
所述智能合约模块包括节点注册模块、本地模型生成模块、本地模型上传模块、全局模型聚合模块、全局模型参数获取模块、信用上传模块和状态查询模块,其中,各个模块对应的调用函数如下:
Register():节点注册,对区块链中的各个学习节点的角色进行注册划分,包括训练节点和领导节点,其中,每个本地训练组包含一个领导节点,领导节点和训练节点的选择根据该学习节点的信用确定,每个本地训练组中信用最高的为领导节点;
LocalAggregation():注册完成后,训练节点基于训练集和全局模型更新本地参数进行本地训练,所述本地参数是指神经网络中每一层的权重参数和偏置参数,其中,全局模型通过Get_GlobalModel()函数从区块链上获取,领导节点负责链下聚合本地训练模型,将上一轮计算的信用归一化后作为本轮权重进行本地聚合得到本地模型;
Put_Local_Model():本地模型上传,经过几轮迭代训练本地模型生成后,领导节点将本地模型的模型参数上传至区块链上以便后期进行全局聚合;
GlobalAggregation():全局模型聚合,其中初始轮的全局聚合组中的学习节点根据学习节点的贡献度选取,全局聚合组中的学习节点也即领导节点不参与本地训练;
Get_GlobalModel():获取全局模型参数,负责从区块链上获取全局模型的模型参数以便进行新一轮的本地训练;
Put_Credit():上传信用至区块链进行信用记录存储,以便后续查询验证;
Get_status():状态查询,链下获取当前本地模型训练轮数、模型更新情况、信用计算数量等训练状态信息,以便进行下一轮的训练迭代和迭代终止条件判断,当全局模型更新完成后,对每一个学习节点进行信用计算,如果未获取到更新信息,则不能进行信用计算。其中,模型更新情况是指全局模型是否更新完成、信用计算数量是指所有学习节点的信用是否更新完成。
所述利用联邦学习方法通过智能合约模块构建还款能力评估模型,如图2所示,包括如下步骤:
①,收集各银行机构下经用户授权的***申请用户的信息,组成样本集,将样本集分为训练集和测试集;
②,基于联邦学习方法在区块链的创世块中建立还款能力初审模型;
③,设置贡献度阈值、初始模型参数、全局聚合轮数I和初始迭代次数i=1,根据学习节点的贡献度选取学习节点,采用分区聚类方法对选取出的学习节点进行本地训练组划分;
学习节点的贡献度的计算公式为:
式中,Contributionk表示学习节点k的贡献度,Dk表示学习节点k的本地数据集大小,N表示训练集中的学习节点的总数,fk表示学习节点k的本地CPU频率。
首先确定贡献度阈值,然后将贡献度大于贡献度阈值所对应的学习节点加入协同学习。所有学习节点的初始信用均为贡献度,这样可以保证每个本地训练组都有学习节点参与全局聚合,大大增加协同学习的安全性和稳定性。所述分区聚类方法包括DBSCAN算法(Density-Based Spatial clustering ofApplications with Noise)或K-means算法(K-means clustering algorithm,K均值聚类算法)。
④,节点注册模块选取每个本地训练组中信用最高的学习节点作为领导节点,其它学习节点均为训练节点,并由所有本地训练组的领导节点组成全局聚合组:
⑤,本地模型生成模块根据训练节点的信用计算聚合权值,本地训练组的领导节点根据计算出的聚合权值利用联邦学习方法对训练节点所训练的初始训练模型进行聚合得到本地模型;
所述聚合权值的计算公式为:
所述初始训练模型是由本地训练组的训练节点通过全局模型参数获取模块获取全局模型参数并结合本地数据集进行本地训练得到。
⑥本地模型上传模块将本地模型上传到区块链,全局模型聚合模块调动全局聚合组对接收到的本地模型进行聚合得到全局模型;
⑦每个本地训练组的领导节点利用测试集验证本地模型,并根据验证准确率和历史信用更新训练集中所有学习节点的信用,通过信用上传模块将更新后的学习节点的信用上传至区块链;
所述学习节点的信用的计算公式为:
式中,表示学习节点k在第i轮迭代训练时的信用,u表示权重因子,表示学习节点k在第i轮迭代训练时的本地模型参数,表示通过全局聚合获得的全局模型参数,和表示基于学习节点k的测试集,δ表示学习率,表示学习节点k在第m轮的信用,f(·)表示模型函数。表示模型验证准确率。
⑧根据聚合后的全局模型更新初始模型参数,通过状态查询模块判断i<I,如果是执行i=i+1并返回步骤④,否则结束;
每个银行机构相当于一个学习节点,由于群组内节点的性能相似,本地模型训练时间相差不大。因此,认为本地训练是同步的。对于每个本地训练组内的银行机构,首先通过智能合约模块从主区块链获取初始模型参数,然后进行本地训练。假设有H个银行机构被选中加入本地训练组G,其中节点集为{d1,d2,…,dh,…,dH},这些节点的其他银行机构个人信息数据集为{D1,D2,…,Dh,…,DH}。银行机构m的目标是最小化dh对小批的损失函数期望。本地训练组中的训练节点根据其原始数据集对局部模型进行训练,每组经过几轮本地训练,将训练后的本地模型参数进行聚合,每个节点的聚合权值为其信用值,每个银行机构的用户信用值计算与其还款能力预测相关。
S3,用户通过用户端填写个人信息申请***,并提交需求到管理员端;
所述个人信息包括身份信息和证明文件,所述步骤S3包括如下步骤:
S3.1,当用户需要申请***发放时,用户通过用户端填写身份信息;
所述身份信息包括基本信息、职业信息和资产情况,基本信息包括用户的姓名、身份证号、手机号、户籍地址、居住地址、居住电话、性别、婚姻状态、教育程度和出生日期,职业信息包括用户的公司全称、职位、公司地址、公司类型、公司邮箱、公司电话和所属行业,资产情况模块包括用户的工资、房产、车产。
S3.2,身份信息填写完成后上传对应的证明文件,将身份信息和证明文件同步提交到管理员端;
所述证明文件是指由公安机构、政府机构、所在公司及其它单位所提供的各类身份证明、工作证明或资产证明文件。
S4,凭证发行方借助于WeIdentity的分布式解决方案对用户的个人信息进行审查,包括如下步骤:
S4.1,凭证发行方对用户的个人信息进行初步审查;
初步审查信息用户所填写信息的正确性和完整性,提前筛除不符合要求的申请。
S4.2,基于WeIdentity的分布式解决方案对用户的个人信息和证明文件与区块链上的信息进行比对。
WeIdentity是一套分布式多中心的技术解决方案,可实现实体对象之间安全的访问授权与数据交换,此为现有技术,以下本申请仅作简要介绍。利用WeIdentity组件的分布式身份标识WeIdentity DID以及可验证数字凭证WeIdentity Credential模块,来实现***发行机构也即Issuer、***申请者也即User、凭证发行方也即Verifier之间安全的访问授权与数据交换。具体流程如下:
·***申请者请求用户代理在区块链上创建唯一的身份证明(WeID);
·***申请者向***的发行机构请求***的发放;
·***发行机构验证***申请者对WeID的所有权,核实其符合统一的证书发放要求后,使用WeID发行数字签名(Credential)至区块链上;
·***申请者根据自身情况和需求向不同的凭证发行机构发送凭证申请请求;
·凭证发行方验证***申请者对WeID的所有权,其次在链上验证数字签名的真实性。
以上流程保证了数据以实体用户为中心,同时实体身份、确权、授权等操作在区块链上完成,可追溯、可验证、不可篡改。
·可验证数字凭证
WeIdentity合约层面的工作目标主要包括两部分:WeIdentity DID智能合约负责链上ID体系建立,具体包括生成DID(Distributed IDentity)也即WeID、生成DIDDocument、DID在链上的读取与更新。WeIdentity Authority智能合约,负责进行联盟链权限管理,具体包括链上DID角色的定义、操作与权限的定义与控制。
WeIdentity DID智能合约主要实现以下功能:
·逻辑合约将角色和操作权限分别存储,对角色和权限分别设计增删改函数供外部调用。通过访问数据合约获得数据,对数据做逻辑处理,写回数据合约。主要由凭证发行机构读取***申请者数据,并对其身份进行判断从来决定用户是否可信,能否发放凭证。
·数据合约专注于数据结构的定义、数据内容的存储和数据读写的直接接口。
·权限合约判断访问者的角色,并基于判断结果确定不同操作的权限。将权限分为***发行机构、***申请者、凭证发行方,给予不同的操作权限。
·存证合约确保不同的签名方的签名信息和额外信息存储互不干扰。凭证发行方可以调用增加记录接口为存证添加额外信息,并且可以通过调用createEvidence接口为同一个存证增加来自于不同签名方的签名。凭证发行方签名的Hash值在创建时就已确定且不可更改以保证安全性。
S5,利用步骤S2所建立的还款能力评估模型根据用户提交的个人信息和管理员端的历史信息对用户的还款能力进行评估;
利用已经训练好的还款能力评估模型对已经通过身份认证的***申请用户执行还款能力的评估,可以得到用户是否具有还款能力的结果。
S6,根据用户所填写的个人信息和对应的基分计算用户基础信用分,如果用户基础信用分高于信用阈值,则发卡,否则不发卡;
所述用户基础信用分的计算公式为:
式中,B表示用户基础信用分,r表示还款能力基分,R表示用户是否具备还款能力,当R=1时,表示用户具备还款能力,当R=0时,表示用户不具备还款能力,A表示用户的年龄,a表示年龄基分,J表示用户是否已婚,当J=1时,表示用户已经结婚,当J=0时,表示用户未结婚,j表示婚姻基分,E表示用户所处的教育水平阶段,E的取值可以为0、1、2、3、4或5,分别对应于小学以下、小学、初中、高中、大学、大学以上,e表示教育基分,S表示用户的工资数额,s表示工资基分,H表示房产拥有数量,h表示房产基分,C表示车辆拥有数量,c表示车辆基分。
本实施例中,r=1000,表示对于步骤S5所得到的用户还款能力评估结果的信用分配分;a=20,表示将年龄以5岁为一个阶段,每个阶段提供20的信用分配分;j=200,表示已婚人士的信用水平高于单身人士的信用分配分;e=200,表示不同的教育水平的信用分配分,教育水平越高其信用分越高;s=10;h=500;c=100;因此用户基础信用分的计算公式对应为:
对应的设定信用阈值为1500分,当评估结果的信用分数符合要求,管理员就可以对用户执行发卡操作,如不符合要求,则不予发卡,可以避免信用分过低的用户注册***威胁银行的金融安全。用户是否具备还款能力是计算用户基础信用分的重要依据,根据步骤S5所评估的结果得到。
S7,构建信用监管合约,利用信用监管合约根据用户的交易情况和步骤S6得到的用户基础信用分对用户实时信用分进行监控;
所述用户实时信用分的计算公式如下:
B′baae=Bdyna+Bbase;
式中,B′dyna表示用户动态信用分,B′base表示用户实时信用分。
所述信用监管合约包括转账监管模块、还款监管模块、还款逾期监管模块、多次转账模块和信用更新模块;用户在一段时间里会有若干个前四种动作的行为,在一个月后,信用更新模块每一个月才会更新;以上模块对应的调用函数如下:
Transfer():通过此模块用户可以进行***金额转账,转账会使用户信用分有所上升,上升分数与转账金额直接挂钩。
repayNum():通过此模块用户可以进行还款动作;用户还款对于银行而言是优良的***使用行为,所以支出的频率和金额都可以影响信用分的增长,且银行更青睐在合理时间内频繁使用***交易并且交易金额较大的用户,所以每次交易都会增加信用分,信用分上涨数与金额直接挂钩。在本申请中,每次交易时信用分会增长交易金额的百分之一,并将不足百分之一的部分存入还款金额比例属性,为下次交易进行准备。
当用户为新用户时,用户动态信用分的初始值为零,且当用户使用***进行转账如消费操作时,用户动态信用分B′dyna的计算公式如下:
式中,θ表示当用户使用***进行消费交易时的交易金额,P′表示用户进行***还款时的还款金额比例属性,γ表示还款金额比例属性基准,Bdyna表示用户使用***进行转账前的用户动态信用分。
所述用户进行***还款时的还款金额比例属性P′的计算公式如下:
P′=[P+(θ′modγ)]mod γ;
式中,P表示用户进行***还款前的还款金额比例属性,θ′表示用户进行***还款时的还款金额。
还款金额比例属性可以用来区分用户不同还款金额之间的差别,还款金额比例属性基准γ可以设置为100、1000或者500,本实施例中,γ=100,可以区别还9900和还9000之间的细微差别。当还款金额比例属性达到100时,信用分增加l,这样就避免了小额多次交易导致信用分无法变化的问题。因为支出的频率和金额都可以影响信用分的增长,且银行更青睐在合理时间内频繁使用***交易并且交易金额较大的用户,所以每次交易都会增加信用分,信用分上涨数额与金额直接挂钩,在本申请中,每次交易信用分会增长交易金额的百分之一,并将不足百分之一的部分存入比例属性,为下次交易进行准备。
checkOutOfDate():此模块用于检查用户的还款行为是否逾期,用户数据中将会存储该名用户的还款时间,在用户操作时,都会比对当前时间和应还款时间,如果当前时间超出应还款时间,***会对该名用户的动态信用分进行扣除,本实施例中,扣除方式为以星期为单位,不足一星期按一星期计算,每逾期一个星期将会扣除70点信用分,为了避免多次重复扣分的问题,平台会储存已经扣除的星期数,超过该星期数的逾期行为才会进一步扣分。
当用户按时还款时,用户信用分的计算公式如下:
式中,Bdyna表示用户按时还款前的用户动态信用分。
当用户未按时还款时,用户信用分的计算公式如下:
式中,tnow表示用户还款时的当前日期,tdeduct表示上一次用户还款时扣除信用分的日期,Bdyna表示用户未按时还款前的用户动态信用分。
multiTrans():此模块用于对用户是否在短时间内进行频繁交易金额的行为进行监控,此为高风险行为,此时用户的信用分会大幅度减少。
当用户在t时间内进行两次以上的转账时,用户信用分的计算公式如下:
式中,tt_now表示当前时间戳,tt_trans表示上次转账的时间戳。如果用户在50s内多次转账,那么在转账的第二次开始,将会扣除其信用分100分,如果用户在短时间内多次转账整数数额,则会在每一次转账之后扣除信用分200分,通过此公式可以将短时间内频繁交易整数金额的行为列入高风险行为,产生此行为使用户的信用分会大幅度减少,Bdyna表示用户在t时间前的用户动态信用分。本实施例中,如果用户在50s内多次转账,那么在转账的第二次开始,将会扣除其信用分100分,如果用户在t时间内多次转账整数数额,则会在每一次转账之后扣除信用分200分。
对于风险为了更好地管控并止损,用户的转账操作需要一定数额的信用分作为基础,即低于该信用分则无法转账,这样就避免了用户的多次违规行为对银行的利益侵害。本平台的转账功能会根据用户的当前信用分规定其转账最高额度,如果信用分小于1500分,则禁止其转账操作,信用分位于1500到3000之间,单次转账额度为2500,而信用分高于3000,单次转账额度上调至5000。
式中,NtransQuota表示用户的单次转账额度。
updateBaseMark():更新信用分函数。为了能更好地发挥信用分的激励作用,每个月将根据用户的实时信用分将用户的金额、还款时间等权限进行更新,每次更新将用户的动态信用分以及静态信用分加也即用户基础信用分之和成为新的静态信用分,将动态信用分清零,同时对用户的限额进行更改,***限额变成该静态信用分对500取模之后乘1000。
根据用户信用分对用户的***额度进行限额,***额度的计算公式为:
式中,Nquota表示用户的***额度。
通过以上对用户的行为进行监管,可以更好地管理用户降低风险及时止损,解决了现有技术中多元化分级金融监管差,传统的金融交易不可信,用户有多种不文明或欺诈行为,无法对众多的欺诈行为进行安全可信的信用分计算的问题;综合考虑了用户的征信分数从而灵活地对用户异常行为进行粗细衡量,可以对用户行为产生较强的激励作用。
为了模拟多个银行内部的隐私计算并提供真实可信的区块链服务,以下利用四个边缘计算设备Jetson Nano,一台笔记本和一个无线路由器,基于区块链底层平台FISCOBCOS建立了一个跨物理硬件的四群组的银行机构联盟链架构,使联盟链从原有一链一账本的存储/执行机制扩展为一链多账本的存储/执行机制,基于群组维度实现同一条链上的数据隔离和保密。多群组架构中,群组间共享网络,通过网络准入和账本白名单实现各账本间网络消息隔离。每个业务群组独立运行各自的共识算法,不同群组可使用不同的共识算法。每个账本模块自底向上主要包括核心层、接口层和调度层三层,这三层相互协作,可保证单个业务群组独立健壮地运行。
为了对上面部署的区块链中区块链和交易进行更方便的监控,实现对区块链节点进行更好的运维,对区块链中的各类用户账户进行统一管理、对各类智能合约进行统一简便编译和部署,降低区块链的使用门槛,以下通过部署WeBASE管理平台丰富区块链***的功能与体验。
a.部署区块链管理平台WeBASE
为了方便对一个区域内部各家银行及银行对应的***用户进行监控与管理,实现分布式智能合约部署的功能,拟为每个JetsonNano搭建了可视化的节点前置(WeBASE-Front)。,如图9所示,由于各方银行的用户自行管理其私钥并进行数字签名时存在泄露或者遗忘的风险,从而导致其账户在链上资产的丢失,拟搭建了WeBASE-Sign组件对各方用户的私钥进行加密存储,并实现统一管理。此外,利用白名单控制访问权限来进一步提高WeBASE-Sign的安全性。
如图10所示,在另外一台笔记本的虚拟机上搭建了WeBASE管理平台(WeBASE-Web),一方面进行四个Jetson Nano上区块链节点、多个智能合约、平台账户私钥、证书权限的统一管理,如图8所示,另一方面对整条区块链上的节点状态和交易行为进行监控,并以可视化的方式展示。
b.部署分布式身份标识与可验证数字凭证WeIdentity
WeIdentity包含分布式身份标识(WeIdentity DID)和可验证数字凭证(WeIdentity Credential)两个模块。为了摆脱对传统模式下单一中心身份注册、标识和管理的依赖,实现链上的身份标识的同时最小化或选择性地披露***用户的实体信息,本项目利用可视化部署的方式搭建了WeIdentity部署工具。利用WeIdentity部署工具,拟将WeIdentity与之前的区块链群组、节点、账户和数据库配置在一起,并可以对***用户的身份WeID,维修证书发行机构和维修证书类型进行管理。此外,利用联盟链管理员部署WeIdentity智能合约。
c.合约部署
基于区块链的多层级风控***主要包含两种类型的智能合约。其中基于区块链群组划分的联邦学习主要设计了全局聚合的预编译合约,主要基于C++语言。如图11所示,预编译合约会被区块执行引擎所调用,同时区块验证器通过区块执行引擎来执行区块,在执行引擎执行区块时,会根据被调用合约的地址,来判断使用EVM还是预编译合约引擎。当被调用的合约地址是EVM合约时,执行引擎会创建并执行EVM来执行交易;当被调用合约地址是已注册的预编译合约地址时,执行引擎通过调用地址对应的预编译合约接口来执行交易
d.安全和签名设置
由于不同区域的银行代理在一条联盟链上,并且不希望联盟之外的机构获取联盟链上的数据,因此需要对联盟链上的数据进行访问控制。根据FISCO-BCOS联盟链的特性,选取的是落盘加密的方法对节点存储数据的访问控制。其主要思想是在联盟的内网环境中,每个机构独立地对节点的硬盘基于AES-256加密算法的数据加密,所有加密数据的访问权限通过Key Manager来管理。Key Manager是部署在机构内网内,专门管理节点硬盘数据访问密钥的服务,外网无法访问。当内网的节点启动时,从Key Manager处获取加密数据的访问密钥,来对自身的加密数据(节点本地存储的数据库和节点私钥)进行访问。
为了更好的保护各银行***用户在使用***时的身份隐私,平台拟选用FISCO-BCOS中集成的环签名(BBSO4方案)以及RSA算法来实现保障用户的账户匿名性。具体实现,通过预编译合约地址0x5005,开启CRYPTO_EXTENSION编译选项,并重新源码编译,最后以solidity合约声明合约接口,以完成环签名预编译合约的调用。
实施例2:一种基于区块链的多层级风控***,如图12所示,包括用户端和管理员端,所述用户端包括用于记录用户身份信息的身份信息编辑模块和用户收集身份信息证明文件的凭证审核模块,且身份信息编辑模块和凭证审核模块均与管理员端连接。
如图3所示,所述身份信息编辑模块包括以下三个模块,三个模块均与管理员端连接;
基本信息模块:用于记录用户的姓名、身份证号、手机号、户籍地址、居住地址、居住电话、性别、婚姻状态、教育程度和出生日期;
职业信息模块:用于记录用户的公司全称、职位、公司地址、公司类型、公司邮箱、公司电话和所属行业;
资产情况模块:用于记录用户的工资、房产拥有数量和车辆拥有数量。
银行机构通过管理端可以对用户申请***的请求进行审核和管理,包括如下模块:
凭证审查模块:如图4所示,利用WeIdentity的分布式解决方案对用户的个人信息进行审查;
智能合约模块:用于对还款能力评估模块构建还款能力评估模型的流程进行监控;具体结构同实施例1;
还款能力评估模块:如图5所示,通过智能合约模块的调用可以生成还款能力评估模型,并基于还款能力评估模型和用户填写的个人信息对已经通过凭证审查的用户是否具备还款能力进行评估;
用户基础信用分审核模块:如图6所示,待还款能力评估通过后,根据用户所填写的个人信息计算用户的基础信用分,并对是否执行发卡动作进行评估;
信用监管模块:如图7所示,在用户基础信用分的基础上根据用户的交易行为如消费、转账、还款等对用户信用分进行监管。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于区块链的多层级风控***的管控方法,其特征在于,包括如下步骤:
S1,基于区块链技术构建包括用户端和管理员端的风控***;
S2,在管理员端预设智能合约模块,基于智能合约模块利用联邦学习方法构建还款能力评估模型;
S3,用户通过用户端填写个人信息申请***,并提交需求到管理员端;
S4,凭证发行方借助于WeIdentity的分布式解决方案对用户的个人信息进行审查;
S5,利用步骤S2所建立的还款能力评估模型根据用户提交的个人信息和管理员端的历史信息对用户的还款能力进行评估;
S6,根据用户所填写的个人信息计算用户基础信用分,如果用户基础信用分高于信用阈值,则发卡,否则不发卡。
2.根据权利要求1所述的基于区块链的多层级风控***的管控方法,其特征在于,在步骤S2中,所述智能合约模块包括如下:
节点注册模块:根据信用对学习节点的角色进行划分,所述角色包括训练节点和领导节点;
本地模型生成模块:训练节点基于训练集和全局模型生成本地训练模型,领导节点将上一轮计算的信用归一化后作为本轮权重对本地训练模型进行聚合生成本地模型;
本地模型上传模块:本地模型生成后,领导节点将本地模型的模型参数上传至区块链;
全局模型聚合模块:对接收到的本地模型进行聚合得到全局模型;
全局模型参数获取模块:负责从区块链上获取全局模型的模型参数;
信用上传模块:将信用上传到区块链存储;
状态查询模块:获取训练状态信息,所述训练状态信息包括当前本地模型训练轮数、模型更新情况和信用计算数量。
3.根据权利要求1所述的基于区块链的多层级风控***的管控方法,其特征在于,在步骤S2中,所述利用联邦学习方法通过智能合约模块构建还款能力评估模型,包括如下步骤:
①,收集各银行机构的经用户授权的***申请用户的信息,组成样本集,将样本集分为训练集和测试集;
②,基于联邦学习方法在区块链的创世块中建立还款能力初审模型;
③,设置贡献度阈值、初始模型参数、全局聚合轮数I和初始迭代次数i=1,根据学习节点的贡献度选取学习节点,采用分区聚类方法对选取出的学习节点进行本地训练组划分;
④,选取每个本地训练组中信用最高的学习节点作为领导节点,其它学习节点均为训练节点,并由所有本地训练组的领导节点组成全局聚合组:
⑤,根据训练节点的信用计算聚合权值,本地训练组的领导节点根据计算出的聚合权值利用联邦学习方法对训练节点所训练的初始训练模型进行聚合得到本地模型;
⑥,智能合约模块调动全局聚合组对接收到的本地模型进行聚合得到全局模型;
⑦,每个本地训练组的领导节点利用测试集验证本地模型,并根据验证准确率和历史信用更新训练集中所有学习节点的信用,将更新后的学习节点的信用上传至区块链;
⑧,根据聚合后的全局模型更新初始模型参数,判断i<I,如果是执行i=i+1并返回步骤④,否则结束。
7.根据权利要求1所述的基于区块链的多层级风控***的管控方法,其特征在于,所述步骤S3包括如下步骤:
S3.1,当用户需要申请***发放时,用户通过用户端填写身份信息;
S3.2,身份信息填写完成后上传对应的证明文件,将身份信息和证明文件同步提交到管理员端。
8.根据权利要求7所述的基于区块链的多层级风控***的管控方法,其特征在于,所述身份信息包括基本信息、职业信息和资产情况,基本信息包括用户的姓名、身份证号、手机号、户籍地址、居住地址、居住电话、性别、婚姻状态、教育程度和出生日期,职业信息包括用户的公司全称、职位、公司地址、公司类型、公司邮箱、公司电话和所属行业,资产情况模块包括用户的工资、房产、车产。
10.一种基于区块链的多层级风控***,包括用户端和管理员端,其特征在于,所述用户端包括用于记录用户身份信息的身份信息编辑模块和用户收集身份信息证明文件的凭证审核模块,且身份信息编辑模块和凭证审核模块均与管理员端连接;
所述管理员端包括如下:
凭证审查模块:利用WeIdentity的分布式解决方案对用户的个人信息进行审查;
智能合约模块:用于对还款能力评估模块构建还款能力评估模型的流程进行监控;
还款能力评估模块:通过智能合约模块的调用可以生成还款能力评估模型,并基于还款能力评估模型和用户填写的个人信息对已经通过凭证审查的用户是否具备还款能力进行评估;用户基础信用分审核模块:待还款能力评估通过后,根据用户所填写的个人信息计算用户的基础信用分,并对是否执行发卡动作进行评估。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210118104.7A CN114626934A (zh) | 2022-02-08 | 2022-02-08 | 基于区块链的多层级风控***及管控方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210118104.7A CN114626934A (zh) | 2022-02-08 | 2022-02-08 | 基于区块链的多层级风控***及管控方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114626934A true CN114626934A (zh) | 2022-06-14 |
Family
ID=81898687
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210118104.7A Pending CN114626934A (zh) | 2022-02-08 | 2022-02-08 | 基于区块链的多层级风控***及管控方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114626934A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115296927A (zh) * | 2022-09-28 | 2022-11-04 | 山东省计算中心(国家超级计算济南中心) | 一种基于区块链的联邦学习可信融合激励方法及*** |
-
2022
- 2022-02-08 CN CN202210118104.7A patent/CN114626934A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115296927A (zh) * | 2022-09-28 | 2022-11-04 | 山东省计算中心(国家超级计算济南中心) | 一种基于区块链的联邦学习可信融合激励方法及*** |
CN115296927B (zh) * | 2022-09-28 | 2023-01-06 | 山东省计算中心(国家超级计算济南中心) | 一种基于区块链的联邦学习可信融合激励方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xu et al. | Sok: Decentralized exchanges (dex) with automated market maker (amm) protocols | |
US10554649B1 (en) | Systems and methods for blockchain validation of user identity and authority | |
US20200211099A1 (en) | Decentralized Customer-Controlled Credit Verification | |
WO2019015474A1 (zh) | 用于提高票据交易安全性的管理方法、装置及*** | |
CN110333948A (zh) | 基于区块链的虚拟资源分配方法和装置 | |
US20240171377A1 (en) | Systems and methods for generating a blockchain-based user profile | |
CN109636569B (zh) | 一种基于区块链的征信数据管理方法及*** | |
CN111383114A (zh) | 基于区块链的资产信息管理方法和装置 | |
WO2019144156A1 (en) | Method and apparatus for a consumer controlled, decentralized financial profile | |
Sujatha et al. | Optimized digital transformation in government services with blockchain | |
CN111402033A (zh) | 基于区块链的资产信息管理方法和装置 | |
CN113221191B (zh) | 基于区块链的数据存证方法、装置、设备和存储介质 | |
CN111598679A (zh) | 一种基于区块链的多法人联合贷方法、***和介质 | |
CN112801778A (zh) | 联盟式不良资产区块链 | |
CN113779617A (zh) | 基于状态通道的联邦学习任务可信监管与调度方法及装置 | |
CN114048515A (zh) | 一种基于联邦学习和区块链的医疗大数据共享方法 | |
Dold | The GNU Taler system: practical and provably secure electronic payments | |
CN112053081A (zh) | 一种基于区块链的信用积分调整方法、装置及其存储介质 | |
US20240119520A1 (en) | Geolocation-based mesh automatic lending network | |
CN112702410B (zh) | 一种基于区块链网络的评估***、方法及相关设备 | |
CN114626934A (zh) | 基于区块链的多层级风控***及管控方法 | |
KR102324155B1 (ko) | 블록체인 기반의 p2p 대출 서비스 자율보증증명 방법 및 장치 | |
Jayabodhi et al. | Minimization of fraudulent activities in land authentication through Blockchain-based system | |
CN110727735A (zh) | 基于区块链技术协作完成任务事件的方法、装置及设备 | |
US11748807B1 (en) | Community-based digital transaction authentication |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |