一种税务风险的提示方法、装置及电子设备与流程

1.本技术涉及风险预警技术领域，具体而言，涉及一种税务风险的提示方法、装置及电子设备。


背景技术：

2.税务部门建立有针对企业的税务风险监控系统，该税务风险监控系统常常会在监测到企业的异常行为时给与报警提示，但是，在实际场景中，上述风险提示信息通常是系统过于敏感，而过早地输出警示；实际上具有税务不端行为的企业毕竟在少数，然而由于上述税务风险监控系统输出的大量风险提示信息，因此，无论是对负责监控的税务部门还是对被监控的相关企业，都造成了较大的数据处理压力。
3.针对上述问题，目前尚未形成有效的解决方案，企业仅能根据自己实际遇到的税务风险稽查种类，来在企业内部进行员工行为提示和风险预判。但是，对于单一企业而言，单凭企业自身获得的风险数据和业务数据实属有限，难以做到全面的自我监控。


技术实现要素：

4.有鉴于此，本技术的目的在于提供一种税务风险的提示方法、装置及电子设备，通过预先训练好的多风险预测模型，对不同纳税主体的待核查数据进行更加全面的税务风险监控，以提高纳税主体自身对于税务风险的自查能力，有利于降低税务风险监控系统对于风险预警提示的实际下发频次，减轻税务部门和相关纳税企业的数据处理压力。
5.第一方面，本技术实施例提供了一种税务风险的提示方法，所述提示方法包括：
6.接收目标纳税主体发送的目标待核查数据；其中，所述目标待核查数据是对目标原始数据进行加密处理后得到的；所述目标原始数据至少包括：所述目标纳税主体的企业基本信息、所述目标纳税主体在同一纳税周期内的财务数据和缴税信息；
7.将解密后的所述目标待核查数据输入预先训练好的多风险预测模型中，通过所述多风险预测模型对所述目标待核查数据进行多分类预测，输出得到所述目标待核查数据对应的税务风险预测结果；其中，所述多风险预测模型是基于多个不同纳税主体的历史风险数据通过联邦学习的方式训练得到的；
8.在基于所述税务风险预测结果确定所述目标待核查数据中存在税务风险时，针对所述税务风险预测结果中包括的每一种税务风险，向所述目标纳税主体发送用于对该种税务风险进行风险预警的风险提示信息。
9.第二方面，本技术实施例提供了一种税务风险的提示装置，所述提示装置包括：
10.通信模块，用于接收目标纳税主体发送的目标待核查数据；其中，所述目标待核查数据是对目标原始数据进行加密处理后得到的；所述目标原始数据至少包括：所述目标纳税主体的企业基本信息、所述目标纳税主体在同一纳税周期内的财务数据和缴税信息；
11.预测模块，用于将解密后的所述目标待核查数据输入预先训练好的多风险预测模型中，通过所述多风险预测模型对所述目标待核查数据进行多分类预测，输出得到所述目
标待核查数据对应的税务风险预测结果；其中，所述多风险预测模型是基于多个不同纳税主体的历史风险数据通过联邦学习的方式训练得到的；
12.排查模块，用于在基于所述税务风险预测结果确定所述目标待核查数据中存在税务风险时，针对所述税务风险预测结果中包括的每一种税务风险，向所述目标纳税主体发送用于对该种税务风险进行风险预警的风险提示信息。
13.第三方面，本技术实施例提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的税务风险的提示方法的步骤。
14.第四方面，本技术实施例提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行上述的税务风险的提示方法的步骤。
15.本技术的实施例提供的技术方案可以包括以下有益效果：
16.本技术提供的一种税务风险的提示方法、装置及电子设备，接收目标纳税主体发送的目标待核查数据；将解密后的目标待核查数据输入预先训练好的多风险预测模型中，通过多风险预测模型对目标待核查数据进行多分类预测，输出得到目标待核查数据对应的税务风险预测结果；在基于税务风险预测结果确定目标待核查数据中存在税务风险时，针对税务风险预测结果中包括的每一种税务风险，向目标纳税主体发送用于对该种税务风险进行风险预警的风险提示信息。这样，本技术通过预先训练好的多风险预测模型，能够对不同纳税主体的待核查数据进行更加全面的税务风险监控，以提高纳税主体自身对于税务风险的自查能力，有利于降低税务风险监控系统对于风险预警提示的实际下发频次，减轻税务部门和相关纳税企业的数据处理压力。
17.为使本技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
18.为了更清楚地说明本技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
19.图1示出了本技术实施例提供的一种税务风险提示系统；
20.图2示出了本技术实施例所提供的一种税务风险的提示方法的流程示意图；
21.图3示出了本技术实施例提供的一种获取目标待核查数据的方法的流程示意图；
22.图4示出了本技术实施例提供的一种数据比对的方法的流程示意图；
23.图5示出了本技术实施例提供的一种训练多风险预测模型的方法的流程示意图；
24.图6示出了本技术实施例提供的一种税务风险的提示装置的结构示意图；
25.图7示出了本技术实施例提供的一种电子设备700的结构示意图。
具体实施方式
26.为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例
中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，应当理解，本技术中附图仅起到说明和描述的目的，并不用于限定本技术的保护范围。另外，应当理解，示意性的附图并未按实物比例绘制。本技术中使用的流程图示出了根据本技术的一些实施例实现的操作。应该理解，流程图的操作可以不按顺序实现，没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外，本领域技术人员在本技术内容的指引下，可以向流程图添加一个或多个其他操作，也可以从流程图中移除一个或多个操作。
27.另外，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本技术实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本技术的实施例的详细描述并非旨在限制要求保护的本技术的范围，而是仅仅表示本技术的选定实施例。基于本技术的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本技术保护的范围。
28.需要说明的是，本技术实施例中将会用到术语“包括”，用于指出其后所声明的特征的存在，但并不排除增加其它的特征。
29.目前税务部门建立有针对企业的税务风险监控系统，该税务风险监控系统常常会在监测到企业的异常行为时给与报警提示，但是，在实际场景中，上述风险提示信息通常是系统过于敏感，而过早地输出警示；实际上具有税务不端行为的企业毕竟在少数，然而由于上述税务风险监控系统输出的大量风险提示信息，因此，无论是对负责监控的税务部门还是对被监控的相关企业，都造成了较大的数据处理压力。
30.基于此，本技术实施例提供了一种税务风险的提示方法、装置及电子设备，通过预先训练好的多风险预测模型，能够对不同纳税主体的待核查数据进行更加全面的税务风险监控，以提高纳税主体自身对于税务风险的自查能力，有利于降低税务风险监控系统对于风险预警提示的实际下发频次，减轻税务部门和相关纳税企业的数据处理压力。
31.这里，在本技术实施例中，图1示出了本技术实施例提供的一种税务风险提示系统，如图1所示，税务风险提示系统中包括：可信任方100(可以是终端设备，也可以是服务器，对于可信任方100所属的具体设备类型，本技术实施例不作任何限定)、至少一个纳税主体101以及至少一个佐证机构102(对于纳税主体101和佐证机构102的具体数量，本技术实施例不作任何限定)，可信任方100与每个纳税主体101以及每个佐证机构102之间能够进行通信。
32.具体的，本技术实施例提供的税务风险的提示方法可以应用于可信任方100一侧，在如图1所示的税务风险提示系统中，可信任方100与每个纳税主体101之间可以进行通信，以通过加密传输的方式，获取不同纳税主体101发送的历史风险数据，并使用接收到的不同历史风险数据对多风险预测模型进行联邦学习训练，从而使用训练好的多风险预测模型为每个纳税主体101提供税务风险预测服务(即调用训练好的多风险预测模型，为纳税主体101当前发送的待核查数据进行税务风险预测)。
33.具体的，在如图1所示的可信任方100中，无论是基于纳税主体101发送的历史风险数据对多风险预测模型进行模型训练，还是调用训练好的多风险预测模型为纳税主体101当前发送的待核查数据进行税务风险预测，都可以从佐证机构102处获取用于对纳税主体101发送的历史风险数据/纳税主体101当前发送的待核查数据的数据真实性进行辅助判断的佐证信息，以提高多风险预测模型输出的税务风险预测结果的准确度。
34.需要说明的是，在调用训练好的多风险预测模型对纳税主体101的待核查数据进行税务风险预测时，基于如图1所示的税务风险提示系统的系统结构，可以是在接收到纳税主体101发送的待核查数据之后，由执行模型训练任务的可信任方100对训练好的多风险预测模型进行调用；还可以是纳税主体101基于与可信任方100之间的通信连接关系，直接对可信任方100中训练好的多风险预测模型进行调用(相当于此时纳税主体101的待核查数据不需要向外发送)；对于上述多风险预测模型的具体调用方式以及具体调用对象，本技术实施例不作任何限定。
35.下面对本技术实施例提供的一种税务风险的提示方法进行详细介绍。
36.参照图2所示，图2示出了本技术实施例所提供的一种税务风险的提示方法的流程示意图，所述提示方法包括步骤s201-s203；具体的：
37.s201，接收目标纳税主体发送的目标待核查数据。
38.这里，如图1所示，本技术实施例提供的税务风险的提示方法可以应用于可信任方100一侧；其中，可信任方100对应的电子设备可以是目标终端设备，也可以是目标服务器，可信任方100能够与多个不同纳税主体101对应的终端设备进行通信，从而能够接收每个纳税主体101(包括目标纳税主体110在内)发送的待核查数据，以通过对接收到的每份待核查数据进行风险核查的方式，为每个纳税主体101提供税务风险预测服务。
39.需要说明的是，目标纳税主体表征需要定期缴税的企业主体，其中，目标纳税主体可以属于任意行业领域；对于目标纳税主体所属的具体行业领域以及目标纳税主体的具体经营范围，本技术实施例不作任何限定。
40.这里，为保证数据隐私以及数据安全，上述目标待核查数据是对目标原始数据进行加密处理后得到的；也即，目标纳税主体将用于核查是否存在税务风险的目标原始数据进行加密处理后得到上述目标待核查数据；其中，目标纳税主体可以根据实际的数据传输需求选择具体的加密方式，对于目标纳税主体具体采用何种加密方式对目标原始数据进行加密，本技术实施例不作任何限定。
41.具体的，上述目标原始数据表征用于衡量目标纳税主体是否存在税务风险的原始数据；在本技术实施例中，上述目标原始数据至少包括：目标纳税主体的企业基本信息(如，企业规模、所属行业、参保人数等)、目标纳税主体在同一纳税周期内的财务数据(如，营收信息、利润信息等)和缴税信息(如，税目、应纳税所得额、税额等)；其中，不同所属行业的纳税主体对应的上述缴税信息可以不同(如，不同所属行业的企业需要缴税的税目可能不同、不同规模的企业对于同一税目应缴纳的具体税额也不同等)；对于目标纳税主体对应的上述目标原始数据的具体数据内容，本技术实施例不作任何限定。
42.需要说明的是，在上述目标原始数据中，缴税信息可以是目标纳税主体在纳税周期内已支付的缴税信息，也可以是在纳税周期内预支付(即尚未实际缴纳)的缴税信息，上述缴税信息仅用于表征目标纳税主体在纳税周期内的缴税计划，对于上述缴税信息是否属于已支付的实际缴税信息，本技术实施例不作任何限定。
43.需要说明的是，由于不同税目对应的纳税周期可能存在不同(如，有的税目是按照季度进行缴税，有的税目是按照年度进行缴税)，因此，在上述目标原始数据中，上述财务数据需要保证和上述缴税信息属于同一纳税周期，但是对于上述纳税周期的具体周期取值(如，上述纳税周期具体是一个季度还是一年)，本技术实施例并不进行任何限定。
44.s202，将解密后的所述目标待核查数据输入预先训练好的多风险预测模型中，通过所述多风险预测模型对所述目标待核查数据进行多分类预测，输出得到所述目标待核查数据对应的税务风险预测结果。
45.这里，上述多风险预测模型是基于多个不同纳税主体的历史风险数据通过联邦学习的方式训练得到的；其中，联邦学习本质上是一种分布式机器学习框架，其核心思想是通过在多个拥有本地数据的数据源共同参与模型训练时，在保证每个数据源的数据隐私安全的基础上，构建适用于每个数据源的全局模型。
46.具体的，在模型训练阶段，如图1所示，在如图1所示的税务风险预测系统中，每个纳税主体101对应的终端设备仍然可以通过加密传输的方式，将加密的历史风险数据发送给可信任方100所属的目标终端(或是目标服务器)，以使可信任方100能够接收不同纳税主体101发送的上述历史风险数据作为初始分类预测模型(即多风险预测模型对应的初始模型)的模型训练数据，可信任方100能够在对接收到的加密数据进行解密之后，使用解密后的历史风险数据对于初始分类预测模型进行联邦学习训练(即通过联邦学习的方式训练)，直至初始分类预测模型达到收敛，将收敛后的初始分类预测模型作为上述多风险预测模型。此时，在上述模型训练阶段，由于不同的纳税主体101之间不进行数据通信，彼此之间不会共享自身持有的历史风险数据，而是将各自持有的历史风险数据发送给统一的可信任方100，因此，基于这种联邦学习的方式训练得到的多风险预测模型不仅适用于对每个纳税主体101(相当于参与联邦学习训练的每个数据源)进行税务风险预测，还能够保证数据隐私和数据安全。
47.这里，上述历史风险数据可以根据纳税主体历史上真实收到过的风险通告信息(由税务部门建立的税务风险监控系统发送给纳税主体)确定，也即，上述多风险预测模型在训练过程中使用的训练样本数据(即上述历史风险数据)来源于每个纳税主体历史上真实收到过的风险通告信息，以使多风险预测模型输出的税务风险预测结果更加贴近税务风险监控系统对于每个纳税主体的真实风险检测结果，有利于提高模型输出结果(即税务风险预测结果)的准确度。在本技术实施例中，上述历史风险数据可以是由历史样本数据与历史样本数据对应的历史风险通告信息组成；其中，历史样本数据的具体数据内容可以参考前述步骤s201中的目标原始数据，重复之处在此不再赘述；而历史风险通告信息则表征历史样本数据在历史上真实对应的风险通告信息。
48.示例性的说明，以历史样本数据中包含纳税周期t1内的总资产周转率(属于财务数据)为例，若纳税主体针对该历史样本数据接收到的风险通告信息为“总资产周转率异常”(即当总资产周转率明显低于同行业平均水平时，纳税主体会收到税务部门通过税务风险监控系统下发的异常信息，通告企业存在少计收入的嫌疑，需要提交相关证明材料进行澄清)，此时，纳税主体发送给可信任方的历史风险数据包括：历史样本数据以及风险通告信息“总资产周转率异常”。
49.示例性的说明，以历史样本数据中包含纳税周期t1内企业所得税的税负率(属于缴税信息)为例，若纳税主体针对该历史样本数据接收到的风险通告信息为“税负率异常”(即当企业所得税的税率低于行业标准税负率时，纳税主体也会收到税务部门通过税务风险监控系统下发的异常信息，通告企业存在税负率异常的问题，需要提交相关证明材料进行解释)，此时，纳税主体发送给可信任方的历史风险数据包括：历史样本数据以及风险通
告信息“税负率异常”。
50.具体的，在模型应用阶段，针对输入的上述目标待核查数据，多风险预测模型用于对目标待核查数据进行多分类预测，输出的上述税务风险预测结果中包括目标待核查数据属于每一预设类别的概率值；其中，预设类别可以包括每一种税务风险对应的风险类别以及表征不存在税务风险的零风险类别；对于上述预设类别表征的具体类别以及具体类别数量，本技术实施例不作任何限定。
51.这里，为提高多风险预测模型输出的上述税务风险预测结果的准确度，作为另一可选实施例，除上述目标待核查数据之外，多风险预测模型的模型输入数据还包括：针对上述目标核查数据的佐证信息；其中，佐证信息可以从不同的佐证机构(如，社保单位、电厂、电商平台等)处获取，佐证信息主要用于辅助多风险预测模型对上述目标待核查数据的数据真实性进行判断，以使多风险预测模型能够及时检测出因目标待核查数据异常而遗漏的税务风险(即由于目标待核查数据中部分数据错误，导致多风险预测模型没有检测出的税务风险)；对于佐证信息包含的具体信息内容，本技术实施例不作任何限定。
52.这里，在本技术实施例中，上述佐证信息至少包括以下之一：目标纳税主体在每一纳税周期内的用电信息(可以从电厂处获取)、参保信息(可以从社保单位处获取)、订单信息(可以从电商平台处获取)；对于实际获取到的具体佐证信息内容，本技术实施例不作任何限定。
53.具体的，当佐证信息中包含上述用电信息时，多风险预测模型可以基于用电信息中的具体用电额，来对上述目标待核查数据中同一纳税周期(与用电额属于同一纳税周期)的缴税信息(主要是应纳税所得额)的真实性进行辅助判断(如，当用电额与应纳税所得额之间差异超出正常阈值范围时，即可确定目标待核查数据中的缴税信息明显存在异常)。
54.具体的，当佐证信息中包含上述参保信息时，多风险预测模型可以基于参保信息中的具体参保人数，来对上述目标待核查数据中同一纳税周期的财务数据(主要是营收信息)的真实性进行辅助判断(如，当参保人数明显低于营收信息所属档位对应的正常参保人数时，即可确定目标待核查数据中的营收信息明显存在异常)。
55.具体的，当佐证信息中包含上述订单信息时，多风险预测模型可以基于订单信息中的具体订单数量，来对上述目标待核查数据中同一纳税周期的财务数据(主要是营收信息)的真实性进行辅助判断(如，当营收信息与订单数量所属档位的平均营收不匹配时，即可确定目标待核查数据中的营收信息明显存在异常)。
56.需要说明的是，在步骤s202中，除了可以将解密后的目标待核查数据直接输入多风险预测模型中之外，还可以先对解密后的目标待核查数据进行特征工程脱敏处理，再将特征工程脱敏处理后的目标待核查数据输入多风险预测模型中；对此，本技术实施例不进行任何限定。
57.s203，在基于所述税务风险预测结果确定所述目标待核查数据中存在税务风险时，针对所述税务风险预测结果中包括的每一种税务风险，向所述目标纳税主体发送用于对该种税务风险进行风险预警的风险提示信息。
58.这里，结合上述步骤s202处的说明内容可知，在多风险预测模型中，预设类别还包括表征不存在税务风险的零风险类别，基于此，在对目标待核查数据进行实际风险预测时，多风险预测模型输出的税务风险预测结果可能表示目标待核查数据中不存在税务风险(即
目标待核查数据属于零风险类别)，此时，由于目标待核查数据中不存在税务风险，因此，可信任方对应的目标终端(或是目标服务器)并不需要向目标纳税主体发送用于进行风险预警的风险提示信息。
59.这里，在基于税务风险预测结果确定目标待核查数据中存在税务风险(可能是存在一种税务风险，也可能是存在多种税务风险)时，可信任方对应的目标终端(或是目标服务器)则可以根据税务风险预测结果中包括的每一种税务风险，针对性地向目标纳税主体发送用于对该种税务风险进行风险预警的风险提示信息(相当于每种税务风险信息对应一种特定的风险提示信息)；其中，不同种类的税务风险对应的风险提示信息不同，对于每种税务风险对应的具体风险提示信息内容，本技术实施例不作任何限定。
60.在本技术实施例中，在执行步骤s203时，可信任方对应的目标终端(或是目标服务器)向目标纳税主体发送的上述风险提示信息至少可以分为以下两种类型：
61.类型一、预测出的税务风险属于疑似存在的税务风险，此时发送的上述风险提示信息属于用于提示目标纳税主体对于疑似存在的税务风险提早准备相关解释材料的第一类型。
62.这里，在执行上述步骤s203时，若基于上述税务风险预测结果确定目标待核查数据中存在上述疑似存在的税务风险，则可以按照以下步骤a1的方式向目标纳税主体发送属于上述第一类型的风险提示信息，具体的：
63.步骤a1、在所述税务风险预测结果中包括第一税务风险时，向所述目标纳税主体发送用于提示准备针对第一风险数据的风险消除证明材料的第一风险提示信息。
64.这里，上述第一税务风险属于上述疑似存在的税务风险，其中，第一税务风险表征所述目标待核查数据中的正常数据因与常规数据不符而需要提交风险消除证明材料的税务风险(即目标待核查数据中的数据本身其实是正常的，只是由于所属行业特殊、开票不规范等原因，使得正常数据不符合常规，从而导致多风险预测模型预测出目标待核查数据中的正常数据属于第一税务风险对应的风险类别)。
65.具体的，上述风险消除证明材料表征用于解释和证明上述目标待核查数据实际并不存在上述第一税务风险的相关证明材料；上述第一风险数据表征所述目标待核查数据中与所述第一税务风险相关联的数据，也即，上述第一风险数据相当于目标待核查数据中与常规数据不符的上述正常数据；对于上述风险消除证明材料的具体材料内容以及第一风险数据表征的具体数据内容，本技术实施例不作任何限定。
66.示例性的说明，上述第一税务风险可以是疑似存在冲抵企业管理费用的第一风险，以模型输入数据还包括针对目标待核查数据的佐证信息为例，若佐证信息是从发票中心处获取到的电子发票开票信息，则在电子发票开票信息中包括异常发票信息(如，以企业名义开具的个人生活消费的发票)时，多风险预测模型输出的税务风险预测结果中包括上述第一风险，此时可信任方对应的目标终端(或是目标服务器)向目标纳税主体发送的第一风险提示信息可以是：请对目标待核查数据中的财务数据(相当于第一风险数据)进行核查，核查财务数据中是否存在使用个人生活消费发票(即上述异常发票信息)冲抵企业管理费用的问题，若不存在，还请尽早准备用于证明财务数据中不存在冲抵企业管理费用问题的风险消除证明材料。
67.示例性的说明，上述第一税务风险还可以是疑似存在企业所得税与同一纳税周期
的增值税应税收入不匹配的第二风险，以目标纳税主体的所属行业(包含在目标待核查数据中的企业基本信息内)是房地产行业为例，在房地产行业中的房产预售阶段，根据企业所得税法规定，房地产企业的企业所得税口径的收入是预收房款加上预计的毛利，而根据增值税暂行条例规定，增值税应税收入只包括预收房款不考虑毛利；基于此，当目标纳税主体的所属行业是房地产行业时，目标待核查数据中的增值税应税收入(包含在财务数据中)与同一纳税周期的企业所得税(包含在缴税信息中)必然是不匹配的，此时，多风险预测模型输出的税务风险预测结果中包括上述第二风险(相当于常规数据中增值税应税收入与同一纳税周期的企业所得税应该是匹配的)，由于根据目标待核查数据中的企业基本信息可以确定目标纳税主体的所属行业是房地产行业，因此，可以确定目标待核查数据中的增值税应税收入与同一纳税周期的企业所得税不匹配属于正常数据，从而向目标纳税主体发送的第一风险提示信息可以是：请提早准备用于证明“增值税应税收入与同一纳税周期的企业所得税不匹配属于正常现象”(即第一风险数据是：增值税应税收入与同一纳税周期的企业所得税)的风险消除证明材料。
68.类型二、预测出的税务风险属于真实存在的税务风险，此时发送的上述风险提示信息属于用于提示目标纳税主体对于真实存在的税务风险进行核查与排除的第二类型。
69.这里，在执行上述步骤s203时，若基于上述税务风险预测结果确定目标待核查数据中存在上述真实存在的税务风险，则可以按照以下步骤a2的方式向目标纳税主体发送属于上述第二类型的风险提示信息，具体的：
70.步骤a2、在所述税务风险预测结果中包括第二税务风险时，向所述目标纳税主体发送用于提示对第二风险数据进行核查的第二风险提示信息。
71.这里，上述第二税务风险表征所述目标待核查数据中真实存在的税务风险；也即，与上述第一税务风险不同，确实是由于目标待核查数据中存在异常数据而导致多风险预测模型预测出目标待核查数据中的异常数据属于第二税务风险对应的风险类别。
72.这里，上述第二风险数据表征所述目标待核查数据中与所述第二税务风险相关联的数据；对于第二风险数据表征的具体数据内容，本技术实施例不作任何限定。
73.示例性的说明，上述第二税务风险可以是营收与利润明显不符的税务风险，基于目标待核查数据的财务数据中包含的营收信息与利润信息，当同一纳税周期内的营收与利润之间的比值大于风险阈值时，多风险预测模型输出的税务风险预测结果中包括上述第二税务风险，此时与第一税务风险不同，同一纳税周期内的营收与利润之间的比值出现异常(即大于风险阈值)与目标纳税主体的所属行业无关，因此，向目标纳税主体发送的第二风险提示信息可以是：请对出现异常的财务数据(即同一纳税周期内的营收与利润)进行核查，以确定同一纳税周期内缴税信息是否无误(如，是否存在遗漏的税目需要进行申报与缴税)。
74.下面针对上述各步骤的具体实施过程，分别进行详细说明如下：
75.针对上述步骤s201的具体实施过程，本技术实施例对于目标纳税主体针对目标原始数据采用的具体加密方式并不进行限定；其中，作为一优选实施例，目标纳税主体至少可以采用同态加密的方式对目标原始数据进行加密，也即，在本技术实施例中，上述目标待核查数据至少包括：通过对目标原始数据进行同态加密处理后得到的同态加密数据。
76.这里，同态加密是指将原始数据经过同态加密后，对得到的密文进行特定的运算，
然后将计算结果再进行同态解密后得到的明文等价于原始明文数据直接进行相同计算所得到的数据结果；此时，由于目标待核查数据是通过同态加密方式得到的，因此，即使不对目标待核查数据进行解密，直接将接收到的目标待核查数据输入多风险预测模型中，也不会改变多风险预测模型实际输出的税务风险预测结果，从而保证了在整个税务风险预测过程中，都不会泄露任何目标原始数据的内容，有利于保证数据隐私与数据安全。
77.具体的，除了有利于保证数据隐私与数据安全之外，相较于其他类型的加密处理方式，采用同态加密方式处理目标原始数据还具有以下优势：
78.优势1、对于旗下包含多个子公司的总公司(此时相当于目标纳税主体是总公司)而言，在采用同态加密方式处理目标原始数据时，即使无法直接获取总公司的目标待核查数据，仍然可以基于每个子公司发送的待核查数据，得到目标待核查数据的平替数据，以使用平替数据得到总公司的税务风险预测结果的平替预测结果，供总公司进行参考。
79.这里，当目标纳税主体属于上述总公司时，在一种可选的实施方案中，如图3所示，图3示出了本技术实施例提供的一种获取目标待核查数据的方法的流程示意图，其中，在执行步骤s201时，所述方法包括步骤s301-s302，具体的：
80.s301，接收附属于所述目标纳税主体的每一子纳税主体发送的第一待核查数据。
81.这里，第一待核查数据是对第一原始数据进行同态加密处理后得到的；其中，第一待核查数据的数据组成可以参考上述目标待核查数据，第一原始数据的数据组成可以参考上述目标原始数据的数据组成，也即，第一原始数据至少包括：所述子纳税主体的企业基本信息、所述子纳税主体在目标纳税周期内的财务数据和缴税信息。
82.需要说明的是，上述目标纳税周期表征所述目标待核查数据中财务数据对应的纳税周期，也即，每个第一待核查数据中的财务数据和缴税信息需要保证和目标待核查数据中的财务数据和缴税信息属于同一纳税周期，此时，同一纳税周期的多个第一待核查数据才可以近似替代该纳税周期的目标待核查数据。
83.这里，当目标纳税主体属于总公司时，总公司旗下的每一个子公司即相当于附属于目标纳税主体的一个子纳税主体，对于每一个子纳税主体所属的具体行业领域以及具体经营范围，本技术实施例不作任何限定。
84.s302，对每一所述第一待核查数据进行数据加和，以将得到的数据加和结果作为所述目标待核查数据的平替数据。
85.这里，基于上述同态加密的特点(即将原始数据经过同态加密后，对得到的密文进行特定的运算，然后将计算结果再进行同态解密后得到的明文等价于原始明文数据直接进行相同计算所得到的数据结果)，由于每个第一待核查数据都是通过同态加密方式得到的，因此，即使对多个第一待核查数据直接进行加和运算，也不会改变每个第一待核查数据所对应的第一原始数据，从而，可以将得到的数据加和结果直接作为目标待核查数据的平替数据(相当于对数据加和结果进行解密后，可以得到目标原始数据的平替数据)。
86.具体的，在本领域内，财务报表是企业进行纳税申报时需要提供的重要数据；其中，对于子公司(即子纳税主体)或是不包含子公司的独立纳税主体而言，其发送给可信任方的第一待核查数据中可以包含的财务报表数据(属于财务数据)是子公司(或是不包含子公司的独立纳税主体)的单体财务报表；对于总公司而言，其发送给可信任方的待核查数据中可以包含的财务报表数据是总公司的合并财务报表；由于合并财务报表的编制是以总公
司旗下的每个子公司的单体财务报表为基础进行编制的，因此，当可信任方未接收到属于总公司的目标纳税主体发送的合并财务报表时，可以根据每一个子纳税主体发送的单体财务报表，得到目标纳税主体的合并财务报表的平替数据。
87.优势2、在实现上述优势1的基础上，若也能同时接收到总公司直接发送的目标待核查数据，则还可以将基于各个子公司得到的上述平替数据与总公司直接发送的目标待核查数据进行数据比对，以通过数据比对结果，判断总公司/子公司是否存在明显的税务风险。
88.这里，当目标纳税主体属于上述总公司时，在另一种可选的实施方案中，如图4所示，图4示出了本技术实施例提供的一种数据比对的方法的流程示意图，其中，在执行完步骤s302之后，所述方法包括步骤s401-s402，具体的：
89.s401，将所述平替数据与所述目标待核查数据进行比对，得到所述平替数据与所述目标待核查数据之间的数据比对结果。
90.这里，平替数据即为上述步骤s302中得到的数据加和结果，由于加和运算不会改变每个第一待核查数据所对应的第一原始数据，因此，在步骤s401中进行数据比对时，可以将平替数据与目标待核查数据中属于同一纳税周期的同一项数据内容逐一进行比对(如，可以将平替数据中第一纳税周期内的财务数据与目标待核查数据中第一纳税周期内的财务数据进行比对)，以得到平替数据与目标待核查数据之间的数据比对结果。
91.具体的，仍以上述步骤s302中所示的合并财务报表与单体财务报表为例，虽然合并财务报表是以每个子公司的单体财务报表为基础进行编制的，但是两者本质还是存在区别的(如，单体财务报表是使用子公司的账簿记录作为编表依据进行编制的，而合并财务报表则主要是使用纳入合并范围的各个子公司的个别会计报表作为编表依据进行编制的)，因此，在按照上述步骤s301-s302的方式，得到总公司(即目标纳税主体为总公司)的合并财务报表的平替数据之后，如果可信任方同时也能够接收到总公司发送的合并财务报表(即目标待核查数据中包含合并财务报表)，则可信任方还可以通过比对平替数据与真实接收到的合并财务报表之间的数据出入，对总公司(即目标纳税主体)与子公司(即子纳税主体)进行缴税验证，以及时检测出总公司或是子公司中存在的税务风险。
92.s402，当检测到所述数据比对结果中存在的数据出入大于或者等于预设的容错阈值时，向所述目标纳税主体发送目标风险提示信息。
93.这里，所述目标风险提示信息用于提示所述目标纳税主体对每一所述子纳税主体在所述目标纳税周期内的财务数据和缴税信息进行风险排查。
94.需要说明的是，容错阈值的具体取值可以根据实际的风险预测需求进行设定，对于容错阈值的具体取值，本技术实施例不作任何限定。
95.示例性的说明，以容错阈值是30％为例，若经过数据比对确定数据比对结果中存在35％的数据出入(即相当于平替数据中35％的数据与目标待核查数据不一致)，则基于35％的数据出入已经高于预设的容错阈值30％，此时可以向目标纳税主体发送目标风险提示信息，以提示目标纳税主体对每个子纳税主体在目标纳税周期内的财务数据和缴税信息进行风险排查，明确数据出入过大(即高于预设的容错阈值)的具体原因。
96.针对上述步骤s202中的多风险预测模型，在一种可选的实施方案中，如图5所示，图5示出了本技术实施例提供的一种训练多风险预测模型的方法的流程示意图，其中，在执
行步骤s201-s203之前，所述方法包括步骤s501-s504，具体的：
97.s501，通过加密传输的方式，获取多个不同纳税主体发送的所述历史风险数据作为训练样本数据。
98.这里，与模型应用阶段(即上述步骤s201-s203的具体实施过程)相同，在模型训练阶段，可信任方对应的目标终端(或是目标服务器)与每个纳税主体的终端设备之间仍然可以通过加密传输的方式进行通信，以保证数据隐私与数据安全。
99.在本技术实施例中，基于上述步骤s202的内容可知，历史风险数据可以根据纳税主体历史上真实收到过的风险通告信息(由税务部门建立的税务风险监控系统发送给纳税主体)确定；其中，每一纳税主体发送的每一所述历史风险数据中至少包括：所述纳税主体的企业基本信息、所述纳税主体在同一历史纳税周期内的财务数据和缴税信息、所述纳税主体在每一所述历史纳税周期内收到的风险通告信息(即相较于目标待核查数据，历史风险数据至少还需要额外包含上述风险通告信息)。
100.s502，将每一所述历史风险数据输入初始分类预测模型中，通过所述初始分类预测模型对每一所述历史风险数据进行多分类预测，输出得到每一所述历史风险数据对应的风险预测结果。
101.这里，初始分类预测模型属于能够执行多分类预测任务的模型，对于初始分类预测模型的具体模型结构，本技术实施例不作任何限定。
102.具体的，在训练过程中，初始分类预测模型用于对当前输入的历史风险数据进行多分类预测，输出的风险预测结果中包括：当前输入的历史风险数据属于每一预设类别的概率值；其中，预设类别可以包括每一种税务风险对应的风险类别以及表征不存在税务风险的零风险类别。
103.基于此，初始分类预测模型输出的上述风险预测结果，可以表征上述历史风险数据中是否存在税务风险(即是否属于上述零风险类别)，以及在历史风险数据中存在税务风险时，历史风险数据中存在的税务风险类型(即如果不属于零风险类别，那么风险预测结果中包含几种具体的风险类别则对应几种存在的具体税务风险类别)。
104.s503，针对每一所述历史风险数据，根据该历史风险数据对应的风险标签，计算该历史风险数据对应的所述风险预测结果与所述风险标签之间的损失，得到该历史风险数据对应的预测损失值。
105.这里，上述风险标签根据该历史风险数据中包括的所述风险通告信息确定，也即，风险标签用于表征该历史风险数据对应的真实风险结果(即表征该历史风险数据中真实存在的税务风险)。
106.需要说明的是，当历史风险数据中不存在风险通告信息(相当于纳税主体历史上未接收到过风险通告信息)时，则该历史风险数据对应的风险标签即为表征该历史风险数据属于零风险类别的零风险标签(即表征该历史风险数据不存在税务风险)。
107.具体的，在计算风险预测结果与风险标签之间的损失时，可以使用交叉熵损失函数进行计算，也可以使用其他适用于多分类预测的损失函数，对于初始分类预测模型中使用的具体损失函数类型，本技术实施例不作任何限定。
108.s504，基于每一所述历史风险数据对应的所述预测损失值，对所述初始分类预测模型的模型参数进行调整，得到包括调整好的模型参数在内的所述初始分类预测模型作为
所述多风险预测模型。
109.具体的，通过计算风险标签与风险预测结果之间的损失，可以使用计算出的预测损失值来明确初始分类预测模型执行多分类预测任务的准确度，从而，根据计算出的预测损失值，调整初始分类预测模型的模型参数，直至初始分类预测模型达到收敛(即计算出的预测损失值达到最小值)，此时得到包括调整好的模型参数在内的初始分类预测模型作为上述多风险预测模型(即结束模型训练过程)。
110.基于同一发明构思，本技术还提供了与上述税务风险的提示方法对应的监控装置，由于本技术实施例中提示装置解决问题的原理与本技术实施例中上述提示方法相似，因此提示装置的实施可以参见上述提示方法的实施，重复之处在此不再赘述。
111.参照图6所示，图6示出了本技术实施例提供的一种税务风险的提示装置的结构示意图，所述提示装置包括：
112.通信模块601，用于接收目标纳税主体发送的目标待核查数据；其中，所述目标待核查数据是对目标原始数据进行加密处理后得到的；所述目标原始数据至少包括：所述目标纳税主体的企业基本信息、所述目标纳税主体在同一纳税周期内的财务数据和缴税信息；
113.预测模块602，用于将解密后的所述目标待核查数据输入预先训练好的多风险预测模型中，通过所述多风险预测模型对所述目标待核查数据进行多分类预测，输出得到所述目标待核查数据对应的税务风险预测结果；其中，所述多风险预测模型是基于多个不同纳税主体的历史风险数据通过联邦学习的方式训练得到的；
114.排查模块603，用于在基于所述税务风险预测结果确定所述目标待核查数据中存在税务风险时，针对所述税务风险预测结果中包括的每一种税务风险，向所述目标纳税主体发送用于对该种税务风险进行风险预警的风险提示信息。
115.在一种可选的实施方式中，所述目标待核查数据至少包括：通过对所述目标原始数据进行同态加密处理后得到的同态加密数据。
116.在一种可选的实施方式中，通信模块601，还用于通过以下方法获取所述目标待核查数据：
117.接收附属于所述目标纳税主体的每一子纳税主体发送的第一待核查数据；其中，所述第一待核查数据是对第一原始数据进行同态加密处理后得到的；所述第一原始数据至少包括：所述子纳税主体的企业基本信息、所述子纳税主体在目标纳税周期内的财务数据和缴税信息；所述目标纳税周期表征所述目标待核查数据中财务数据对应的纳税周期；
118.对每一所述第一待核查数据进行数据加和，以将得到的数据加和结果作为所述目标待核查数据的平替数据。
119.在一种可选的实施方式中，所述提示装置还包括数据比对模块，所述数据比对模块用于：
120.将所述平替数据与所述目标待核查数据进行比对，得到所述平替数据与所述目标待核查数据之间的数据比对结果；
121.当检测到所述数据比对结果中存在的数据出入大于或者等于预设的容错阈值时，向所述目标纳税主体发送目标风险提示信息；其中，所述目标风险提示信息用于提示所述目标纳税主体对每一所述子纳税主体在所述目标纳税周期内的财务数据和缴税信息进行
风险排查。
122.在一种可选的实施方式中，预测模块602，用于通过以下方法训练得到所述多风险预测模型：
123.通过加密传输的方式，获取多个不同纳税主体发送的所述历史风险数据作为训练样本数据；其中，每一所述历史风险数据中至少包括：所述纳税主体的企业基本信息、所述纳税主体在同一历史纳税周期内的财务数据和缴税信息、所述纳税主体在每一所述历史纳税周期内收到的风险通告信息；
124.将每一所述历史风险数据输入初始分类预测模型中，通过所述初始分类预测模型对每一所述历史风险数据进行多分类预测，输出得到每一所述历史风险数据对应的风险预测结果；其中，所述风险预测结果表征所述历史风险数据中是否存在税务风险，以及在所述历史风险数据中存在税务风险时，所述历史风险数据中存在的税务风险类型；
125.针对每一所述历史风险数据，根据该历史风险数据对应的风险标签，计算该历史风险数据对应的所述风险预测结果与所述风险标签之间的损失，得到该历史风险数据对应的预测损失值；其中，所述风险标签根据该历史风险数据中包括的所述风险通告信息确定；
126.基于每一所述历史风险数据对应的所述预测损失值，对所述初始分类预测模型的模型参数进行调整，得到包括调整好的模型参数在内的所述初始分类预测模型作为所述多风险预测模型。
127.在一种可选的实施方式中，除所述目标待核查数据之外，所述多风险预测模型的模型输入数据还包括：针对所述目标核查数据的佐证信息；其中，所述佐证信息至少包括以下之一：所述目标纳税主体在每一纳税周期内的用电信息、参保信息、订单信息。
128.在一种可选的实施方式中，在所述针对所述税务风险预测结果中包括的每一种税务风险，向所述目标纳税主体发送用于对该种税务风险进行风险预警的风险提示信息时，排查模块603，用于：
129.在所述税务风险预测结果中包括第一税务风险时，向所述目标纳税主体发送用于提示准备针对第一风险数据的风险消除证明材料的第一风险提示信息；其中，所述第一税务风险表征所述目标待核查数据中的正常数据因与常规数据不符而需要提交风险消除证明材料的税务风险；所述第一风险数据表征所述目标待核查数据中与所述第一税务风险相关联的数据。
130.如图7所示，本技术实施例提供了一种电子设备700，用于执行本技术中的税务风险的提示方法，该设备包括存储器701、处理器702及存储在该存储器701上并可在该处理器702上运行的计算机程序，其中，存储器701与处理器702之间通过总线进行通信，上述处理器602执行上述计算机程序时实现上述税务风险的提示方法的步骤。
131.具体地，上述存储器701和处理器702可以为通用的存储器和处理器，这里不做具体限定，当处理器702运行存储器701存储的计算机程序时，能够执行上述税务风险的提示方法。
132.对应于本技术中的税务风险的提示方法，本技术实施例还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述税务风险的提示方法的步骤。
133.具体地，该存储介质能够为通用的存储介质，如移动磁盘、硬盘等，该存储介质上
的计算机程序被运行时，能够执行上述税务风险的提示方法。
134.在本技术所提供的实施例中，应该理解到，所揭露系统和方法，可以通过其它的方式实现。以上所描述的系统实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，系统或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
135.所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
136.另外，在本技术提供的实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
137.所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本技术各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。
138.应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释，此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
139.最后应说明的是：以上所述实施例，仅为本技术的具体实施方式，用以说明本技术的技术方案，而非对其限制，本技术的保护范围并不局限于此，尽管参照前述实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本技术实施例技术方案的精神和范围。都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应以所述权利要求的保护范围为准。

技术特征：
1.一种税务风险的提示方法，其特征在于，所述提示方法包括：接收目标纳税主体发送的目标待核查数据；其中，所述目标待核查数据是对目标原始数据进行加密处理后得到的；所述目标原始数据至少包括：所述目标纳税主体的企业基本信息、所述目标纳税主体在同一纳税周期内的财务数据和缴税信息；将解密后的所述目标待核查数据输入预先训练好的多风险预测模型中，通过所述多风险预测模型对所述目标待核查数据进行多分类预测，输出得到所述目标待核查数据对应的税务风险预测结果；其中，所述多风险预测模型是基于多个不同纳税主体的历史风险数据通过联邦学习的方式训练得到的；在基于所述税务风险预测结果确定所述目标待核查数据中存在税务风险时，针对所述税务风险预测结果中包括的每一种税务风险，向所述目标纳税主体发送用于对该种税务风险进行风险预警的风险提示信息。2.根据权利要求1所述的提示方法，其特征在于，所述目标待核查数据至少包括：通过对所述目标原始数据进行同态加密处理后得到的同态加密数据。3.根据权利要求2所述的提示方法，其特征在于，所述目标待核查数据的获取方法还包括：接收附属于所述目标纳税主体的每一子纳税主体发送的第一待核查数据；其中，所述第一待核查数据是对第一原始数据进行同态加密处理后得到的；所述第一原始数据至少包括：所述子纳税主体的企业基本信息、所述子纳税主体在目标纳税周期内的财务数据和缴税信息；所述目标纳税周期表征所述目标待核查数据中财务数据对应的纳税周期；对每一所述第一待核查数据进行数据加和，以将得到的数据加和结果作为所述目标待核查数据的平替数据。4.根据权利要求3所述的提示方法，其特征在于，所述提示方法还包括：将所述平替数据与所述目标待核查数据进行比对，得到所述平替数据与所述目标待核查数据之间的数据比对结果；当检测到所述数据比对结果中存在的数据出入大于或者等于预设的容错阈值时，向所述目标纳税主体发送目标风险提示信息；其中，所述目标风险提示信息用于提示所述目标纳税主体对每一所述子纳税主体在所述目标纳税周期内的财务数据和缴税信息进行风险排查。5.根据权利要求1所述的提示方法，其特征在于，通过以下方法训练得到所述多风险预测模型：通过加密传输的方式，获取多个不同纳税主体发送的所述历史风险数据作为训练样本数据；其中，每一所述历史风险数据中至少包括：所述纳税主体的企业基本信息、所述纳税主体在同一历史纳税周期内的财务数据和缴税信息、所述纳税主体在每一所述历史纳税周期内收到的风险通告信息；将每一所述历史风险数据输入初始分类预测模型中，通过所述初始分类预测模型对每一所述历史风险数据进行多分类预测，输出得到每一所述历史风险数据对应的风险预测结果；其中，所述风险预测结果表征所述历史风险数据中是否存在税务风险，以及在所述历史风险数据中存在税务风险时，所述历史风险数据中存在的税务风险类型；针对每一所述历史风险数据，根据该历史风险数据对应的风险标签，计算该历史风险
数据对应的所述风险预测结果与所述风险标签之间的损失，得到该历史风险数据对应的预测损失值；其中，所述风险标签根据该历史风险数据中包括的所述风险通告信息确定；基于每一所述历史风险数据对应的所述预测损失值，对所述初始分类预测模型的模型参数进行调整，得到包括调整好的模型参数在内的所述初始分类预测模型作为所述多风险预测模型。6.根据权利要求1所述的提示方法，其特征在于，除所述目标待核查数据之外，所述多风险预测模型的模型输入数据还包括：针对所述目标核查数据的佐证信息；其中，所述佐证信息至少包括以下之一：所述目标纳税主体在每一纳税周期内的用电信息、参保信息、订单信息。7.根据权利要求1所述的提示方法，其特征在于，所述针对所述税务风险预测结果中包括的每一种税务风险，向所述目标纳税主体发送用于对该种税务风险进行风险预警的风险提示信息，包括：在所述税务风险预测结果中包括第一税务风险时，向所述目标纳税主体发送用于提示准备针对第一风险数据的风险消除证明材料的第一风险提示信息；其中，所述第一税务风险表征所述目标待核查数据中的正常数据因与常规数据不符而需要提交风险消除证明材料的税务风险；所述第一风险数据表征所述目标待核查数据中与所述第一税务风险相关联的数据。8.一种税务风险的提示装置，其特征在于，所述提示装置包括：通信模块，用于接收目标纳税主体发送的目标待核查数据；其中，所述目标待核查数据是对目标原始数据进行加密处理后得到的；所述目标原始数据至少包括：所述目标纳税主体的企业基本信息、所述目标纳税主体在同一纳税周期内的财务数据和缴税信息；预测模块，用于将解密后的所述目标待核查数据输入预先训练好的多风险预测模型中，通过所述多风险预测模型对所述目标待核查数据进行多分类预测，输出得到所述目标待核查数据对应的税务风险预测结果；其中，所述多风险预测模型是基于多个不同纳税主体的历史风险数据通过联邦学习的方式训练得到的；排查模块，用于在基于所述税务风险预测结果确定所述目标待核查数据中存在税务风险时，针对所述税务风险预测结果中包括的每一种税务风险，向所述目标纳税主体发送用于对该种税务风险进行风险预警的风险提示信息。9.一种电子设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如权利要求1至7任一所述的税务风险的提示方法的步骤。

技术总结
本申请提供了一种税务风险的提示方法、装置及电子设备，所述提示方法包括：接收目标纳税主体发送的目标待核查数据；将解密后的目标待核查数据输入预先训练好的多风险预测模型中，通过多风险预测模型对目标待核查数据进行多分类预测，输出得到目标待核查数据对应的税务风险预测结果；在基于税务风险预测结果确定目标待核查数据中存在税务风险时，针对税务风险预测结果中包括的每一种税务风险，向目标纳税主体发送用于对该种税务风险进行风险预警的风险提示信息。这样，本申请能够对不同纳税主体的待核查数据进行更加全面的税务风险监控，有利于提高纳税主体自身对于税务风险的自查能力，减轻税务部门和相关纳税企业的数据处理压力。理压力。理压力。


技术研发人员：文鲜明 田雅 王赟琪
受保护的技术使用者：上海明胜品智人工智能科技有限公司
技术研发日：2023.05.24
技术公布日：2023/8/21