10.3969/j.issn.1674-747X.2021.10.006
联邦学习在金融行业的应用分析
近年来,明文数据流通引起的数据泄露及滥用问题日益突出,需要跨域数据融合的机器学习面临新挑战.联邦学习因能在数据本地化的情况下实现联合建模,成为实现数据安全融合的潜在方案.在概述联邦学习理论,分析其金融应用现状的基础上,指出现有联邦学习平台存在安全性不明晰、通用性不足、异构性突出等问题.最后提出健全监管体系、建立通用型技术架构、出台联邦学习行业标准等建议,为推动联邦学习实现金融业数据安全融合提供参考.
联邦学习;机器学习;数据;隐私保护;金融应用
39
F832.4;TP181(金融、银行)
2021-11-17(万方平台首次上网日期,不代表论文的发表时间)
共8页
29-36