(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 202210587903.9 (22)申请日 2022.05.27 (71)申请人 中国银行股份有限公司 地址 100818 北京市西城区复兴门内大街1 号 (72)发明人 丁锐　晋乐乐　柳力源　 (74)专利代理 机构 北京集佳知识产权代理有限 公司 11227 专利代理师 李慧引 (51)Int.Cl. G06Q 40/06(2012.01) G06Q 10/04(2012.01) G06K 9/62(2022.01) G06F 16/9535(2019.01) G06F 21/60(2013.01)G06F 21/62(2013.01) (54)发明名称 理财产品的推送方法及相关装置 (57)摘要 本发明公开理财产品的推送方法及相关装 置， 可以通过 获得互联网公司基于安全联邦线性 回归算法和互联网用户的数据， 进行模型训练得 到的第一梯度信息和第一损失信息； 获得银行基 于安全联邦线性回归算法和银行用户的数据， 进 行模型训练得到的第二梯度信息和第二损失信 息； 将上述信息进行汇总得到总梯度信息， 并发 送至互联网公司和银行， 使 得互联网公司和银行 分别基于共有用户数据对各自模 型进行训练， 直 到模型均收敛； 使用互联网公司的模 型和银行的 模型对共有用户的理财产品购买意向进行预测， 从而向共有用户推送理财产品信息。 本发明通过 结合两个模 型的预测结果推送相应的理财产品， 提高推送的精 准度， 进而提高理财产品的营销转 化率。 权利要求书3页 说明书9页 附图2页 CN 114998023 A 2022.09.02 CN 114998023 A 1.一种理财产品的推送方法， 其特 征在于， 包括： 获得互联网公司基于安全联邦线性 回归算法和互联网用户的数据， 进行模型训练得到 的第一梯度信息和对应的第一损失信息， 其中， 所述互联网用户的数据包括所述互联网用 户的身份信息和所述互联网用户在互联网上的消费行为信息； 获得银行基于所述安全联邦线性 回归算法和银行用户的数据， 进行模型训练得到的第 二梯度信息和对应的第二损失信息， 其中， 所述银行用户的数据包括所述银行用户的身份 信息和所述银 行用户在银 行的个人信息； 将所述第一梯度信息、 所述第一损 失信息、 所述第二梯度信息和所述第二损 失信息进 行汇总得到总梯度信息， 并将所述总梯度信息发送至所述互联网公司和所述银行， 以使得 所述互联网公司和所述银行分别根据所述总梯度信息更新各自的模型的梯度， 并使得所述 互联网公司和所述银行分别基于共有用户的共有用户数据对各自模型进 行训练， 直到所述 互联网公司的模型和所述银行 的模型均收敛， 其中， 所述共有用户为所述互联网公司和所 述银行的共同用户； 使用所述互联网公司的模型和所述银行的模型对所述共有用户的理财产品购买意向 进行预测， 并根据预测结果向所述共有用户推送相应的理财产品信息 。 2.根据权利要求1所述的方法， 其特征在于， 在所述获得互联网公司基于安全联邦线性 回归算法和互联网用户的数据， 进行模型训练得到的第一梯度信息和对应的第一损失信息 之前， 所述方法还 包括： 获得所述互联网公司的多个互联网用户的数据， 其中， 每个所述互联网用户的数据均 至少包括所述互联网用户的身份信息； 获得所述银行的多个银行用户的数据， 其中， 每个所述银行用户的数据均至少包括所 述银行用户的身份信息； 根据所述互联网用户的身份信 息和所述银行用户的身份信 息， 将同一用户的数据进行 对齐， 从而得到 至少一个所述共有用户的共有用户数据； 将所述共有用户数据发送给所述互联网公司和所述银行， 以使得所述互联网公司和所 述银行分别根据接收到的所述共有用户数据训练各自的模型。 3.根据权利要求2所述的方法， 其特征在于， 在所述将所述共有用户数据发送给所述互 联网公司和所述银行， 以使得所述互联网公司和所述银行分别根据接收到的所述共有用户 数据训练各自的模型之后， 所述方法还 包括： 创建密钥对， 并将所述密钥对发送至所述互联网公司和所述银 行； 获得所述互联网公司使用所述密钥对进行加密后的第一中间结果， 其中， 所述第一中 间结果为所述互联网公司基于所述共有用户数据， 进行模型训练得到的中间结果； 获得所述银行使用所述密钥对进行加密后的第二中间结果， 其中， 所述第二中间结果 为所述银 行基于所述共有用户数据， 进行模型训练得到的中间结果； 将所述第二中间结果发送至所述互联网公司， 以使得所述互联网公司根据所述第 二中 间结果计算得到所述第一梯度信息； 将所述第一中间结果发送至所述银行， 以使得所述银行根据所述第 一中间结果计算得 到所述第二梯度信息 。 4.根据权利要求1所述的方法， 其特征在于， 所述获得互联网公司基于安全联邦线性 回权　利　要　求　书 1/3 页 2 CN 114998023 A 2归算法和互联网用户的数据， 进行模型训练得到的第一梯度信息和对应的第一损失信息， 包括： 获得所述互联网公司发送的第一信息包， 其中， 所述第一信息包使用第一掩码进行加 密； 解密所述第一信息包， 从而获得所述第一梯度信息、 所述第一损 失信息和所述第一掩 码； 所述获得银行基于所述安全联邦线性 回归算法和银行用户的数据， 进行模型训练得到 的第二梯度信息和对应的第二损失信息， 包括： 获得所述银行发送的第二信息包， 其中， 所述第二信息包使用第二掩码进行加密； 解密所述第二信息包， 从而获得所述第二梯度信息、 所述第二损 失信息和所述第二掩 码。 5.根据权利要求4所述的方法， 其特征在于， 所述将所述第一梯度信息、 所述第一损 失 信息、 所述第二梯度信息和所述第二损失信息进行汇总 得到总梯度信息， 并将所述总梯度 信息发送至所述互联网公司和所述银 行， 包括： 将所述第一梯度信息、 所述第一损 失信息、 所述第二梯度信息和所述第二损 失信息进 行汇总得到所述总梯度信息； 使用所述第一掩码 将所述总梯度信息加密后发送至所述互联网公司； 使用所述第二掩码 将所述总梯度信息加密后发送至所述银 行。 6.根据权利要求1所述的方法， 其特征在于， 所述使用所述互联网公司的模型和所述银 行的模型对所述共有用户的理财产品购买意向进 行预测， 并根据预测结果向所述共有用户 推送相应的理财产品信息， 包括： 获得所述共有用户的身份信息； 将所述共有用户的身份信 息输入至所述互联网公司的模型和所述银行的模型， 从而获 得所述互联网公司的模型输出的第一预测结果和所述银 行的模型输出的第二预测结果； 根据所述第 一预测结果和所述第 二预测结果， 向所述共有用户推送相应的理财产品信 息。 7.一种理财产品的推送装置， 其特征在于， 包括： 第一信息获得单元、 第二信息获得单 元、 信息汇总单 元和预测单 元； 所述第一信息获得单元， 用于获得互联网公司基于安全联邦线性 回归算法和互联网用 户的数据， 进 行模型训练得到的第一梯度信息和对应的第一损失信息， 其中， 所述互联网用 户的数据包括所述互联网用户的身份信息和所述互联网用户在互联网上的消费行为信息； 所述第二信息获得单元， 用于获得银行基于所述安全联邦线性 回归算法和银行用户的 数据， 进行模型训练得到的第二梯度信息和对应的第二损失信息， 其中， 所述银行用户的数 据包括所述银 行用户的身份信息和所述银 行用户在银 行的个人信息； 所述信息汇总单元， 用于将所述第 一梯度信 息、 所述第 一损失信 息、 所述第 二梯度信 息 和所述第二损失信息进行汇总得到总梯度信息， 并将所述总梯度信息发送至所述互联网公 司和所述银行， 以使得所述互联网公司和所述银行分别根据所述总梯度信息更新各自的模 型的梯度， 并使得所述互联网公司和所述银行分别基于共有用户的共有用户数据对各自模 型进行训练， 直到所述互联网公司的模 型和所述银行的模型均收敛， 其中， 所述共有用户为权　利　要　求　书 2/3 页 3 CN 114998023 A 3