基于联邦学习的大数据风险控制技术研究与应用

发布时间：2025-04-27 01:37

　　在泛金融领域,风险控制是任何开展信贷业务企业内最为关注的核心环节之一。如今计算机技术迅速发展,利用大数据手段进行风险控制建模已成为行业内共识。目前信贷大数据风险控制技术多依赖于不同企业间用户信贷隐私数据的交换与融合,然而,随着国内外数据监管与隐私保护的逐步加强,这种严重泄漏用户隐私的数据融合方式将不再被允许。本文针对大数据风控领域陷入的数据孤岛问题,探索建立信贷风控场景下的联邦学习系统,并基于此设计风控模型,在保证用户数据安全的前提下提升企业的风险控制能力。首先,本文对信贷领域大数据现状进行了剖析,针对业内存在的数据异构、数据隐私安全等问题提出了统一数据接入格式、数据预处理与模型分离以及联邦建模等解决思路;接着,探讨了联邦学习在风险控制领域的可行性,并构建了适合信贷风控场景的联邦学习系统;最后,基于此设计了一种基于风险序列嵌入表示循环神经网络(Embeddding Sequence Recurrent Neutral Network,ESRNN)的信贷风控模型,该模型基于对领域数据的深刻理解,通过深度建模用户风险序列模式,可有效克服以往风控模型对于序列数据建模不足的缺陷,进而提升风控效果...

【文章页数】：79 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题背景
    1.2 国内外研究现状
        1.2.1 国外研究现状
        1.2.2 国内研究现状
    1.3 本文工作
    1.4 本文组织结构
第2章 相关技术综述
    2.1 大数据概念及技术
        2.1.1 大数据概念
        2.1.2 大数据技术
    2.2 联邦学习概念及技术
        2.2.1 联邦学习概念
        2.2.2 联邦学习技术
    2.3 风险控制概念及技术
        2.3.1 风险控制概念
        2.3.2 传统风险控制技术
        2.3.3 大数据风险控制技术
    2.4 本章小结
第3章 适合信贷场景的联邦学习系统
    3.1 信贷异构大数据现状
        3.1.1 异构数据源介绍
        3.1.2 问题分析
    3.2 解决思路
        3.2.1 统一数据接入格式
        3.2.2 数据预处理与模型分离
        3.2.3 联邦学习的可行性分析
    3.3 联邦学习系统
        3.3.1 整体架构
        3.3.2 异构数据接入层
        3.3.3 数据预处理层
        3.3.4 样本对齐层
        3.3.5 联邦学习层
    3.4 本章小节
第4章 信贷模型在联邦场景中的应用
    4.1 任务定义
    4.2 数据集描述
        4.2.1 ITFIN数据集
        4.2.2 BANK数据集
    4.3 模型描述
        4.3.1 循环神经网络模型
        4.3.2 基于ESRNN的风控模型
    4.4 实验方案
        4.4.1对比实验
        4.4.2 评价指标
        4.4.3 实验环境
        4.4.4 参数设定
    4.5 实验结果分析
        4.5.1 非联邦建模结果分析
        4.5.2 联邦建模结果分析
    4.6 本章小结
第5章 总结与展望
    5.1 总结
    5.2 展望
参考文献
攻读硕士学位期间的主要研究成果
致谢



本文编号：4041680