典型文献
联邦学习在金融数据安全领域的研究与应用
文献摘要：
近年来,金融领域明文数据流通所引起的数据泄露问题日渐突出,传统的跨机构数据融合的机器学习方式面临着新的问题与挑战.因此,立足于金融数据安全领域,从用户隐私和数据安全角度出发,概述联邦学习理论并深入分析其目前在金融行业的应用现状,指出现有的联邦学习还存在通信效率低、数据异构性突出等问题.最后提出健全联邦学习标准体系、时刻关注监管要求等建议,为推动联邦学习在金融数据安全领域中的合法应用提供参考性意见.
文献关键词：
联邦学习;金融数据安全;数据隐私;信用卡欺诈
中图分类号：
作者姓名：
张海涛
作者机构：
五矿国际信托有限公司,北京100027
文献出处：
引用格式：
[1]张海涛-.联邦学习在金融数据安全领域的研究与应用)[J].网络安全与数据治理,2022(01):2-9
A类：
B类：
联邦学习,金融数据安全,安全领域,金融领域,明文,数据流通,数据泄露,泄露问题,跨机构,数据融合,学习方式,问题与挑战,用户隐私,安全角度,学习理论,金融行业,通信效率,数据异构性,学习标准,监管要求,参考性,数据隐私,信用卡欺诈
AB值：
0.342055
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
