一种基于联邦学习的信用卡交易风险预测方法

摘要

本发明涉及一种基于联邦学习的信用卡交易风险预测方法，包括以下步骤：1)获取作为不同本地客户端的各个银行中，关于客户信用卡交易特征数据的数据集；2)采用局部敏感哈希算法搜索各银行数据集中的相似实例；3)采用串行联邦学习环境中GBDT算法构建组合特征；4)根据组合特征和原始特征构建新的训练特征，各本地客户端以此扩展并构建新的数据集；5)各本地客户端分别采用相同的神经网络模型进行训练，并将训练好的模型参数上传到云端，云端将模型参数聚合更新后返回各本地客户端后开始下一次的训练，直至训练过程收敛，得到最终的神经网络模型完成信用卡交易风险预测结果。与现有技术相比，本发明具有隐私保护、结果准确、适用范围广等优点。