设计应用

联邦学习在金融数据安全领域的研究与应用

作者：张海涛 　
发布日期：2022-01-19
来源：信息技术与网络安全 1期

0 引言

2020年4月，中共中央、国务院印发了《关于构建更加完善的要素市场化配置体制机制的意见》，明确指出在当今数字经济化时代，数据是至关重要的一种新型生产要素。但是，随着数据赋能研究的不断深入，隐私保护和数据泄露等问题日益突出。如2018年3月，超5 000万Facebook用户信息被政治数据公司“剑桥分析”获取并利用，2018年11月，汇丰银行(HSBC Bank)部分客户财务状况和个人信息被泄露。金融作为数据密集型行业，对数据安全、隐私保护以及监管科技等有着更高的要求。实现数据的多方协同和授权共享，得到更优的模型和决策，是当前人工智能赋能金融科技的一个重大挑战[1]。Google于2016年提出联邦学习(Federated Learning)概念为这一困境带来了新的思路与解决办法。目前，联邦学习技术已经在金融科技领域的智能营销、反欺诈、信用卡评分、产品推荐等多个业务场景中得到了具体应用。





本文详细内容请下载：http://www.chinaaet.com/resource/share/2000003929





作者信息：

张海涛

(五矿国际信托有限公司，北京100027)




此内容为AET网站原创，未经授权禁止转载。
联邦学习 金融数据安全 数据隐私 信用卡欺诈

Copyright © 2005-2024 华北计算机系统工程研究所版权所有 京ICP备10017138号-2

Baidu
map