本方案充分利用了
區塊鏈的技術優勢，在運營商、公安部門等多方數據的支撐下，發揮跨行業數據融合和模型共享能力，結合
聯盟鏈防篡改、可追溯的關鍵特性，將聯邦建模的模型關鍵參數上鏈，實現智能反詐。
方案原理
本文重點針對運營商反詐識別的聯邦模型訓練流程實現能力優化，方案思路主要是：聯邦參與方進行數據特征提取和本地模型訓練，模型參數通過區塊鏈上鏈服務進行數據上鏈，經過CMBaaS的智能合約判斷，并通過區塊鏈共識算法計算后，生成新的區塊。其他參與方的區塊消費服務檢測發現新區塊生成，獲取區塊數據后進行自己模型的參數迭代優化，更新參數，直到所有聯邦參與方均達到模型預設收斂條件。
方案創新點是：在多方共同參與模型訓練后，引入區塊鏈智能合約技術，對多方數據進行統一管理，以區塊鏈代替聯邦模型的中心節點，解決了聯邦學習的中心節點審計問題。系統使用的區塊鏈底鏈類型為EOS，主要承載方為中國移動CMBaaS區塊鏈平臺。
基于區塊鏈的中國移動反詐識別模型機制方案主要流程包括：區塊鏈替代聯邦學習中間方實現數據融通、合作、可信，模型訓練過程中梯度的中間結果加密上鏈，由區塊鏈進行結果解密，再將總梯度聚合，并下發給各參與方，完成參與方數據不出庫的聯合建模。
與區塊鏈結合有助于判定聯邦學習各方貢獻度，因為多參與方模型特征變量IV值在進行數據上鏈時，均會在區塊鏈平臺生成一個永久不可逆的數據區塊。因此，可以此計算當前參與方本次上鏈對整體模型的貢獻度，在模型收斂后，對全部參與方的貢獻度進行量化判斷，為聯邦參與方的合作提供談判依據。
在多個參與方進行聯邦推理時，區塊鏈用于記錄用戶服務的接口調用日志指紋、各參與方的貢獻度、該服務所產生的收益，并通過智能合約自動將收益分配給各參與方。與現有的按條計費不同，這種方式可以更精準地評估每次數據調用的質量，從而激勵參與方確保數據調用的準確性。
系統架構及組網
基于區塊鏈的電信反詐系統具有較高的技術價值，可以解決運營商跨行業數據融通的實際問題。中國移動跨行業數據融通的反詐系統技術架構如圖3所示，包括企業數據層、聯邦參與服務層、區塊服務層、共享數據區塊平臺層。
企業數據層：中國移動及合作伙伴的用戶隱私數據依然只存儲于各自的內網系統中，訓練及推理請求均由內網應用發起。
聯邦參與方服務層：中國移動及合作伙伴分別構建一套本地AI模型，將模型參數和數據標識提供給區塊服務層進行數據上鏈，并接收其他參與方的模型數據，同步推進數據共享模型迭代升級。
區塊服務層：作為AI模型與區塊鏈CMBaaS平臺的中間服務節點，提供定制化數據上鏈及數據消費的服務。
共享數據區塊平臺層：即中國移動區塊鏈服務CMBaaS平臺，通過智能合約及共識機制為整個系統提供不可逆、互信的模型共享訓練平臺。
該系統主要有數據對齊、模型訓練、模型推理3個數據流。
數據對齊：在模型開始訓練之前，各參與方需要共享加密后的用戶ID數據，同步給其他參與方進行數據對齊。
模型訓練：聯邦參與方進行數據特征提取和本地模型訓練，模型參數通過區塊鏈上鏈服務進行數據上鏈，經過CMBaaS的智能合約判斷，且通過區塊鏈共識算法計算后，生成新的區塊。其他參與方的區塊消費服務檢測到新區塊生成，并獲取區塊數據后，進行自己模型的參數迭代更新，直到所有聯邦參與方均達到模型預設收斂條件。
模型推理：中國移動及合作伙伴發起模型推理請求，區塊服務進行數據上鏈，通過智能合約及共識算法進行數據驗證并生成區塊，其他參與方監測新區塊生成，判斷推理請求是否與自身相關，再進行共同推理解密，最后請求方獲得模型推理結果，返回業務系統。中國移動跨行業數據融通的反詐系統的邏輯流程如圖4所示。
應用實例
目前，電信反詐識別系統在
天津移動資源池、中國移動CMBaaS區塊鏈平臺完成部署；同時，天津移動和渤海銀行、天津市公安局合作完成聯合建模，并持續基于需求提升系統功能。
版權申明：本內容來自于互聯網，屬第三方匯集推薦平臺。本文的版權歸原作者所有，文章言論不代表鏈門戶的觀點，鏈門戶不承擔任何法律責任。如有侵權請聯系QQ：3341927519進行反饋。
