本公開涉及人工智能領域,更具體地,涉及風險評估模型生成方法和裝置、電子設備以及程序產品。
背景技術:
1、近年來,隨著大數據和人工智能技術的迅速發展,機器學習和深度學習技術在金融風控領域得到了廣泛應用。金融機構利用這些技術訓練風險評估模型,得以實現信貸風險控制、反欺詐和客戶評級等功能。這些模型通常采用各種機器學習和深度學習算法,并綜合運用各種技術來處理復雜的數據。
2、然而,在實際應用中,這些機器學習模型的訓練和部署面臨諸多挑戰。
3、目前已提出了基于虛擬機進行風控模型訓練的方案。然而,基于虛擬機的訓練方案效率低下。同時,持有相關數據以及使用風控模型的用戶往往是金融機構,他們在部署訓練時可能會面臨困難。
4、當前,也有風險評估平臺提供風險評估模型管理工具,其試圖幫助用戶、如金融機構管理機器學習模型的全生命周期,從開發、訓練到部署。然而,用于風險評估的金融相關數據往往比較敏感和隱私,并要求合法合規使用。當前的風險評估模型管理工具難以針對多用戶或多任務提供有效的數據隔離和/或訪問控制,對于團隊協作場景下的風險評估模型管理也缺乏相關安全審計機制。當用戶、如金融機構的風控模型管理涉及跨團隊、跨地域協作時,該問題更為突出。此外,當前的風險評估模型管理工具在算法框架共享和協同開發方面也有待改進。
5、由此,亟需一種改進的風險評估模型生命周期管理的技術方案。
6、本背景技術描述的內容僅為了便于了解本領域的相關技術,不視作對現有技術的承認。
技術實現思路
1、相應地,本公開提出了一種風險評估模型生成方法和裝置、電子設備以及程序產品,以至少部分解決上述問題。
2、第一方面,本公開實施例提供了一種風險評估模型生成方法,其可包括:
3、響應于用戶生成風險評估模型的請求,請求用于對待訓練風險評估模型進行訓練的計算資源,并創建對應所述用戶的容器化部署單元,其中對應所述用戶的容器化部署單元與對應其他用戶的容器化部署單元隔離;
4、從所述風險評估模型系統的預設模型庫選擇至少一個模型框架作為待訓練風險評估模型;
5、在所述容器化部署單元對應的交互對話中導入樣本數據,對導入的所述樣本數據進行數據處理,獲得風險評估訓練數據,其中,在所述樣本數據被導入時:若所述導入的樣本數據的至少部分字段值未加密,則對所述至少部分字段值進行加密處理,以使所述交互對話的用戶界面以加密形式顯示所述至少部分字段值;
6、將所述風險評估訓練數據輸入所述待訓練風險評估模型,在所述容器化部署單元中執行所述待訓練風險評估模型的訓練任務;
7、獲取經訓練生成的所述風險評估模型。
8、第二方面,本公開實施例提供了一種風險評估模型生成裝置,其可包括:
9、創建單元,配置成響應于用戶生成風險評估模型的請求,請求用于對待訓練風險評估模型進行訓練的計算資源,并創建對應所述用戶的容器化部署單元,其中對應所述用戶的容器化部署單元與對應其他用戶的容器化部署單元隔離;
10、選擇單元,配置成從所述風險評估模型系統的預設模型庫選擇至少一個模型框架作為待訓練風險評估模型;
11、導入單元,配置成在所述容器化部署單元對應的交互對話中導入樣本數據,對導入的所述樣本數據進行數據處理,獲得風險評估訓練數據,其中,在所述樣本數據被導入時:若所述導入的樣本數據的至少部分字段值未加密,則對所述至少部分字段值進行加密處理,以使所述交互對話的用戶界面以加密形式顯示所述至少部分字段值;
12、輸入單元,配置成將所述風險評估訓練數據輸入所述待訓練風險評估模型,從而在所述容器化部署單元中執行所述待訓練風險評估模型的訓練任務;
13、獲取單元,配置成獲取經訓練生成的所述風險評估模型。
14、第三方面,本公開實施例提供了一種電子設備,其包括:處理器和存儲有計算機程序的存儲器,所述處理器被配置為在執行所述計算機程序時實現如第一方面所述的方法。
15、第四方面,本公開實施例提供了一種程序產品,包括計算機程序,所述計算機程序被處理器執行時實現如第一方面所述的方法。
16、本公開實施例提供一種風險評估模型生成方案,其響應于用戶生成風險評估模型的請求,請求用于對待訓練風險評估模型進行訓練的計算資源,并創建對應所述用戶的用于待訓練風險評估模型訓練的容器化部署單元,從所述風險評估模型系統的預設模型庫選擇至少一個模型框架作為待訓練風險評估模型;在所述容器化部署單元對應的交互對話中導入樣本數據,,對導入的所述樣本數據進行數據處理,從而獲得風險評估訓練數據,在所述樣本數據在被導入時:在所述至少部分字段值未加密時,對所述至少部分字段值進行加密處理,以使在所述交互對話的用戶界面以加密形式顯示所述至少部分字段值;將所述風險評估訓練數據輸入所述待訓練風險評估模型,從而在所述容器化部署單元中執行所述待訓練風險評估模型的訓練任務;獲取經訓練生成的所述風險評估模型,由此,本公開實施例的風險評估模型生成方案能夠針對金融數據的高度敏感性,增強模型訓練及其數據隔離性,確保了數據安全和可審計。
17、本公開實施例的其他可選特征和技術效果一部分在下文描述,一部分可通過閱讀本文而明白。
1.一種風險評估模型生成方法,其特征在于,所述風險評估模型生成方法包括:
2.根據權利要求1所述的方法,其特征在于,所述方法還包括:
3.根據權利要求1所述的方法,其特征在于,在所述交互對話的用戶界面中禁止所述導入的樣本數據的分發操作和下載操作。
4.根據權利要求1所述的方法,其特征在于,在將所述訓練數據輸入所述待訓練風險評估模型之前,所述方法還包括:
5.根據權利要求4所述的方法,其特征在于,所述在所述至少部分字段值未加密時,對所述至少部分字段值進行加密處理,包括:
6.一種風險評估模型生成裝置,其特征在于,所述風險評估模型生成裝置包括:
7.根據權利要求6所述的風險評估模型生成裝置,其特征在于,所述風險評估模型生成裝置還包括:
8.根據權利要求6所述的風險評估模型生成裝置,其特征在于,所述風險評估模型生成裝置還包括:
9.一種電子設備,其特征在于,包括:處理器和存儲有計算機程序的存儲器,所述處理器被配置為在運行計算機程序時實現權利要求1-5中任一所述的方法。
10.一種程序產品,包括計算機程序,其中,所述計算機程序被處理器執行時實現如權利要求1-5中任一所述的方法。