基于联邦学习与差分隐私的跨机构信用评分系统_金融工程 联邦学习_2026年课程设计.docxVIP

  • 0
  • 0
  • 约2.62万字
  • 约 29页
  • 2026-11-22 发布于北京
  • 举报

基于联邦学习与差分隐私的跨机构信用评分系统_金融工程 联邦学习_2026年课程设计.docx

PAGE1

基于联邦学习与差分隐私的跨机构信用评分系统

摘要

信用评分模型的训练依赖大量跨时间、跨人群的信贷样本,而银行、消费金融公司与小贷机构之间的客户数据彼此隔离,形成典型的数据孤岛。直接汇聚原始信贷数据不仅受《个人信息保护法》与《数据安全法》的合规约束,还面临传输与集中存储环节的泄露风险,这使得单一机构的模型往往因样本覆盖面窄而区分能力不足。

本文的研究目标是设计一套在不交换原始数据的前提下完成跨机构联合建模、并对模型参数施加可量化隐私保护的信用评分训练框架。核心问题被建模为带隐私约束的分布式经验风险最小化:各机构在本地执行差分隐私随机梯度下降(DP-SGD),服务器仅接收经梯度裁

您可能关注的文档

文档评论(0)

1亿VIP精品文档

相关文档