医保与商保数据融合中的隐私计算：基于纵向联邦学习的健康险精算.docx

PAGE2

医保与商保数据融合中的隐私计算：基于纵向联邦学习的健康险精算

摘要

本报告聚焦于医保局与商业保险公司在“数据不出域”前提下，利用纵向联邦学习技术优化健康险精算的前沿交叉领域。

核心发现表明，传统健康险精算面临严重的“数据孤岛”困境：医保拥有全面诊疗数据但缺乏商保定价场景，商保拥有用户画像但缺乏核心医疗成本数据。纵向联邦学习通过加密参数交换机制，首次实现了双方在不共享原始明细数据的情况下，联合训练高精度疾病风险预测模型。

关键结论是，该技术路径可将商业健康险的赔付率预测精度提升15%-25%，使精算模型AUC值从0.65提升至0.78以上。报告沿“行业概况→环境分析→现状剖析→