文档摘要：通过对各种文献的查询和研讨,分析了联邦学习技术在金融领域的应用现状及其所面临的挑战.联邦学习技术基于分布式学习理念,已被应用于反欺诈、风险管理、股票推荐等金融领域,并取得了一定成效.然而,由于数据异构性、隐私保护、模型融合等问题,联邦学习在金融领域仍然面临诸多挑战.未来的研究方向包括改进模型融合算法、提升安全性与隐私保护技术等.
Abstract：Thispaperanalyzesthecurrentstatusandchallengesoffederatedlearningtechnologyinthefinancialdomainthroughliteraturereviewandcaseanalysis.Basedontheconceptofdistributedlearning,federatedlearningtechniqueshavebeenappliedtofinancialdomainssuchasanti-fraud,riskmanagement,stockrecommendation,etc.,andhaveachievedcertainresults.However,federatedlearningstillfacesmanychallengesinthefinancialdomainduetodataheterogeneity,privacyprotection,modelfusion,andotherissues.Futureresearchdirectionsincludeimprovingmodelfusionalgorithms,enhancingsecurityandprivacyprotectiontechniques,andsoon.
作者：聂璇 王殊 刘渊Author：NIEXuan WANGShu LIUYuan
作者单位：三湘银行,湖南长沙410017
刊名：电脑与信息技术
Journal：ComputerandInformationTechnology
年，卷(期)：2024, 32(3)
分类号：TP391.41
关键词：金融 联邦学习 隐私保护
Keywords：finance federatedlearning privacypreserving
机标分类号：TP393F270S813
在线出版日期：2024年7月3日
基金项目：金融领域中的联邦学习技术进展、应用与挑战[
期刊论文] 电脑与信息技术--2024, 32(3)聂璇 王殊 刘渊通过对各种文献的查询和研讨,分析了联邦学习技术在金融领域的应用现状及其所面临的挑战.联邦学习技术基于分布式学习理念,已被应用于反欺诈、风险管理、股票推荐等金融领域,并取得了一定成效.然而,由于数据异构性、隐私保...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
关键词：金融,联邦学习,隐私保护,
- 文件大小:
- 1.21 MB
- 下载次数:
- 60
-
高速下载
|
|
1
