(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 202211108928.2 (22)申请日 2022.09.13 (71)申请人 中国银联股份有限公司 地址 200135 上海市浦东 新区含笑路36号 (72)发明人 胡晨　杨宏斌　王栩　邱晨力　 白冰　商紫薇　鲍鹏　 (74)专利代理 机构 北京东方亿 思知识产权代理 有限责任公司 1 1258 专利代理师 贺琳 (51)Int.Cl. G06K 9/62(2022.01) G06F 21/64(2013.01) G06Q 10/06(2012.01) G06Q 40/02(2012.01) (54)发明名称 业务模型训练方法、 装置、 设备及存 储介质 (57)摘要 本申请公开了一种业务模型训练方法、 装 置、 设备及存储介质， 属于 数据处理领域。 该方法 包括： 从原始业务数据中提取数据域， 得到原始 业务数据对应的数据域关联性参数； 调用生成器 和判别器进行数据处理迭代， 直至数据处理迭代 满足迭代截止条件， 利用目标合成数据对从中央 服务器获取的待训练模型进行训练； 向中央服务 器上传训练后模 型， 以使中央服务器生成综合模 型； 在综合模型未达到期望标准条件的情况下， 根据中央服务器下发的综合模型， 调用生成器和 判别器生 成合成数据， 利用合 成数据对综合模型 进行训练， 并向中央服务器上传， 直至中央服务 器生成的综合模 型达到期望标准条件， 将综合模 型确定为业务模 型。 根据本申请实施例能够提高 数据安全性。 权利要求书2页 说明书12页 附图5页 CN 115438736 A 2022.12.06 CN 115438736 A 1.一种业 务模型训练方法， 其特 征在于， 包括： 获取原始业务数据， 从所述原始业务数据中提取数据域， 根据 所述原始业务数据， 得到 所述原始业务数据对应的数据域关联性参数， 所述数据域关联性参数用于表征数据域之间 的关联关系； 调用生成器和判别器进行数据处理迭代， 直至数据处理迭代满足迭代截止条件， 利用 目标合成数据对从中央服务器获取 的待训练模型进行训练， 得到训练后模型， 所述生成器 用于根据所述数据域关联性参数生成合成数据， 所述判别器用于根据输入的数据生成所述 数据域关联性参数， 所述目标合成数据由所述生成器基于最近一次数据处理迭代的所述数 据域关联性 参数得到； 向所述中央服务器上传所述训练后模型， 以使所述中央服务器根据多方反馈的所述训 练后模型生成 综合模型； 在所述综合模型未达到期望标准条件的情况下， 根据所述中央服务器作为所述待训练 模型下发的所述综合模型， 调用生成器和判别器协作生成合成数据， 利用合成数据对所述 待训练模型进行训练， 并向所述中央服务器上传所述训练后模型， 直至所述中央服务器根 据多方反馈的所述训练后模型生成的所述综合模型达到所述期 望标准条件， 将所述综合模 型确定为 业务模型。 2.根据权利要求1所述的方法， 其特征在于， 所述根据所述中央服务器作为所述待训练 模型下发的所述综合模型， 调用生成器和判别器协作生成合成数据， 包括： 获取所述中央服 务器作为所述待训练模型 下发的所述综合模型的模型参数； 根据所述模型参数， 更新所述判别器， 使所述判别器生成目标数据域关联性参数， 所述 目标数据域关联性参数表征的数据域之间的关联关系与所述待训练模型要求的数据域之 间的关联关系一 致或趋于一致； 调用所述 生成器根据所述目标 数据域关联性 参数， 生成合成数据。 3.根据权利要求1所述的方法， 其特征在于， 所述调用生成器和判别器进行数据处理迭 代， 直至数据处 理迭代满足迭代截止条件， 包括： 调用所述生成器根据所述原始业务数据对应的所述数据域关联性参数， 生成合成数 据， 并将所述 合成数据与获取的业 务数据混合输入所述判别器； 调用所述判别器根据输入的数据， 生成对应的所述数据域关联性参数， 并将所述数据 域关联性 参数传输 至所述生成器； 调用所述生成器根据传输来的所述数据域关联性参数， 生成合成数据， 并将所述合成 数据和上一次生成的合成数据混合输入所述判别器； 调用所述判别器根据输入的数据， 生成对应的所述数据域关联性参数， 直至数据处理 迭代满足迭代截止条件。 4.根据权利要求3所述的方法， 其特征在于， 所述调用所述判别器根据输入的数据， 生 成对应的所述数据域关联性 参数， 包括： 调用所述判别器按照数据域， 将输入的数据拆分为数据项； 调用所述判别器将所述数据项随机交换， 得到多个组合数据； 调用所述判别器基于所述原始业务数据对应的所述数据域关联性参数， 对所述组合数 据评分， 得到 评分结果；权　利　要　求　书 1/2 页 2 CN 115438736 A 2在所述评分结果未满足评分截止条件的情况下， 调用所述判别器再次对所述数据项随 机交换， 增加所述组合数据， 并对所述组合数据评 分， 直至所述评 分结果满足所述评 分截止 条件， 调用所述判别器 基于所述组合数据， 生成对应的所述数据域关联性结果 参数。 5.根据权利要求 4所述的方法， 其特 征在于， 所述评分截止条件 包括： 评分结果大于等于目标分数的所述组合数据占所述组合数据的比例高于等于预设比 例阈值； 和/或， 所述组合数据的数量达 到目标数量。 6.根据权利要求1所述的方法， 其特征在于， 所述迭代截止条件包括： 数据处理迭代的 次数达到预设迭代次数。 7.根据权利要求1所述的方法， 其特 征在于， 还 包括： 在数据处理迭代满足迭代截止条件的情况下， 分析所述目标合成数据， 得到所述目标 合成数据的至少一项指标参数； 根据所述指标参数， 得到所述目标合成数据的质量分数； 在质量分数小于预设标准分数的情况下， 再次调用生成器和判别器进行数据处理迭 代， 得到新 生成的所述目标合成数据， 直至质量分数 大于等于预设标准分数。 8.一种业 务模型训练装置， 其特 征在于， 包括： 预处理模块， 用于获取原始业务数据， 从所述原始业务数据中提取数据域， 根据 所述原 始业务数据， 得到所述原始业务数据对应的数据域关联性参数， 所述数据域关联性参数用 于表征数据域之间的关联关系； 训练模块， 用于调用生成器和判别器进行数据处理迭代， 直至数据处理迭代满足迭代 截止条件， 利用目标合成数据对从中央服务器获取 的待训练模型进行训练， 得到训练后模 型， 所述生成器用于根据所述数据域关联性参数生成合成数据， 所述判别器用于根据输入 的数据生成所述数据域关联性参数， 所述目标合成数据由所述生成器基于最近一次数据处 理迭代的所述数据域关联性 参数得到； 上传模块， 用于向所述中央服务器上传所述训练后模型， 以使所述中央服务器根据多 方反馈的所述训练后模型生成 综合模型； 所述训练模块， 还用于在所述综合模型未达到期望标准条件的情况下， 根据所述中央 服务器作为所述待训练模型下发的所述综合模型， 调用生成器和判别器协作生成合成数 据， 利用合成数据对所述待训练模型进行训练， 并调用所述上传模块向所述中央服务器上 传所述训练后模型， 直至所述中央服务器根据多方反馈的所述训练后模型生成的所述综合 模型达到所述期望标准条件， 将所述综合模型确定为 业务模型。 9.一种业务模型训练设备， 其特征在于， 包括： 处理器以及存储有计算机程序指令的存 储器； 所述处理器执行所述计算机程序指令时实现如权利要求1至7中任意一项所述的业务 模型训练方法。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质上存储有计算机 程序指令， 所述计算机程序指 令被处理器执行时实现如权利要求 1至7中任意一项 所述的业 务模型训练方法。权　利　要　求　书 2/2 页 3 CN 115438736 A 3