(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 202210528974.1 (22)申请日 2022.05.16 (71)申请人 中国工商银行股份有限公司 地址 100140 北京市西城区复兴门内大街 55号 (72)发明人 张少文　方成　杨为惠　施燕华　 (74)专利代理 机构 中科专利商标代理有限责任 公司 11021 专利代理师 吴梦圆 (51)Int.Cl. G06Q 40/02(2012.01) G06F 16/25(2019.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 评估模型风险等级的方法、 装置、 设备和介 质 (57)摘要 本公开提供了一种评估模型风险等级的方 法， 可以应用于金融或计算机技术领域。 该评估 模型风险等级的方法包括： 响应于风险评估请 求， 获取风险评估请求中携带的与待评估模型相 关联的特征信息， 其中， 待评估模型用于评估金 融业务风险； 对特征信息进行量化处理， 得到特 征数据； 将特征数据输入到基于极限学习机的神 经网络模型中， 输出与待评估模 型相关联的风险 值， 其中， 神经网络模型用于评估待评估模型的 风险； 以及根据风险值， 确定待评估模型的风险 等级。 此外， 本公开还提供了一种评估模型风险 等级的装置、 设备和介质。 权利要求书2页 说明书16页 附图3页 CN 114782170 A 2022.07.22 CN 114782170 A 1.一种评估 模型风险等级的方法， 包括： 响应于风险评估请求， 获取所述风险评估请求中携带的与待评估模型相关联的特征信 息， 其中， 所述待评估 模型用于 评估金融业 务风险； 对所述特 征信息进行量 化处理， 得到特 征数据； 将所述特征数据输入到基于极限学习机的神经网络模型中， 输出与 所述待评估模型相 关联的风险值， 其中， 所述神经网络模型用于 评估所述待评估 模型的风险； 以及 根据所述 风险值， 确定所述待评估 模型的风险等级。 2.根据权利要求1所述的方法， 其中， 所述神经网络模型 是通过如下训练方式得到的： 从源数据库中提取与已评估模型相关联的风险评估数据， 其中， 所述风险评估数据包 括与已评估 模型相关联的样本特 征信息和风险标签； 对所述样本特 征信息进行量 化处理， 得到样本特 征数据； 将所述样本特征数据输入至所述神经网络模型中， 输出与所述已评估模型对应的预测 风险值； 根据所述风险标签和所述预测风险值调 整所述神经网络模型的模型参数， 得到训练后 的神经网络模型。 3.根据权利要求2所述的方法， 其中， 所述神经网络模型包括隐层神经 元； 所述神经网络模型还 包括如下训练方式： 随机初始化所述隐层神经元的输入权重、 偏置值、 输出权重， 得到初始化后的神经网络 模型； 将所述样本特 征数据输入至所述初始化后的神经网络模型， 输出 所述预测风险值； 根据所述风险标签和所述预测风险值调 整所述初始化后的神经网络模型， 得到训练后 的神经网络模型。 4.根据权利要求2所述的方法， 其中， 在从源数据库中提取与已评估模型相关联的风险 评估数据之前， 所述方法还 包括： 确定所述已评估 模型的标识信息； 根据所述已评估模型的标识信息生成数据获取请求， 其中， 所述数据获取请求中携带 有所述标识信息； 以及 向所述源数据库发送所述数据获取请求， 以请求获取与已评估模型相关联的风险评估 数据。 5.根据权利要求1所述的方法， 其中， 所述特征信息包括以下至少一种： 所述待评估模 型的应用领域、 所述待评估模型 的使用范围、 所述待评估模型评估金融业务风险的结果准 确性、 所述待评估模 型的被监管程度、 所述待评估模型的复杂度、 所述待评估模 型的运行时 间。 6.根据权利要求5所述的方法， 其中， 所述对所述特征信息进行量化处理， 得到特征数 据包括： 对所述待评估模型的应用领域进行量化处理， 得到的特征数据为所述待评估模型的应 用率； 对所述待评估模型的使用范围进行量化处理， 得到的特征数据为所述待评估模型的使 用率；权　利　要　求　书 1/2 页 2 CN 114782170 A 2对所述待评估模型评估金融业务风险的结果准确性进行量化处理， 得到的特征数据为 所述待评估 模型的准确率； 对所述待评估模型的被监管程度进行量化处理， 得到的特征数据为所述待评估模型的 被监管程度评分； 对所述待评估模型的复杂度进行量化处理， 得到的特征数据为所述待评估模型的复杂 度评分； 对所述待评估模型的运行时间进行量化处理， 得到的特征数据为所述待评估模型的运 行时间评分。 7.根据权利要求6所述的方法， 其中， 对所述应用领域进行量化处理包括： 计算应用到所述待评估模型的应用领域数量与 所 述待评估 模型所处的应用领域数量的比值， 得到所述应用率； 对所述使用范围进行量化处理包括： 计算所述待评估模型的违约 风险暴露总额和与 所 述待评估 模型同类的其它模型覆盖的违约风险暴露总额的比值， 得到所述使用率； 对所述结果准确性进行量化处理包括： 计算所述待评估模型在运行中得到的正确结果 数量与应得到的正确结果数量的比值， 得到所述 准确率； 对所述被监管程度进行量化处理包括： 通过采用归一化方法对所述待评估模型的被监 管程度的实际评分进行归一 化处理， 得到所述被监管程度评分； 对所述复杂度进行量化处理包括： 通过采用归一化方法对所述待评估模型的复杂度的 实际评分进行归一 化处理， 得到所述复杂度评分； 对所述运行时间进行量化处理包括： 通过采用归一化方法对所述待评估模型的实际运 行时间进行归一 化处理， 得到所述 运行时间评分。 8.一种评估 模型风险等级的装置， 包括： 获取模块， 用于响应于风险评估请求， 获取所述风险评估请求中携带的与待评估模型 相关联的特 征信息， 其中， 所述待评估 模型用于 评估金融业 务风险； 第一处理模块， 用于对所述特 征信息进行量 化处理， 得到特 征数据； 第一输入模块， 用于将所述特征数据输入到基于极限学习机的神经网络模型中， 输出 与所述待评估模型相关联 的风险值， 其中， 所述神经网络模型用于评估所述待评估模型 的 风险； 以及 第一确定模块， 用于根据所述 风险值， 确定所述待评估 模型的风险等级。 9.一种电子设备， 包括： 一个或多个处 理器； 存储装置， 用于存 储一个或多个程序， 其中， 当所述一个或多个程序被所述一个或多个处理器执行时， 使得所述一个或多个 处理器执行根据权利要求1～7中任一项所述的方法。 10.一种计算机可读存储介质， 其上存储有可执行指令， 该指令被处理器执行时使处理 器执行根据权利要求1～7中任一项所述的方法。 11.一种计算机程序产品， 包括计算机程序， 所述计算机程序被处理器执行时实现根据 权利要求1～7中任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 114782170 A 3