典型文献
联邦学习在金融产业的应用展望
文献摘要：
由于金融信息的隐私性、保密性、安全性等特点,金融产业存在数据信息难以共享、对用户数据信息保护不足等问题,大数据及机器学习在金融领域的实际应用受到一定限制.联邦学习作为一种保护数据安全的机器学习方法,无需各参与方共享数据即可实现联合建模,为大数据及机器学习在金融领域的应用提供了可以实现数据安全要求的潜在方案.文本对联邦学习的概念、主要应用领域、其在金融领域的应用愿景及可能存在的问题等进行介绍和分析,以期为联邦学习在未来金融产业的应用提供一定帮助或借鉴.
文献关键词：
联邦学习;金融;反洗钱;保险定价;普惠金融
中图分类号：
作者姓名：
孙昊颖
作者机构：
仲恺农业工程学院经贸学院,广东广州510225
文献出处：
引用格式：
[1]孙昊颖-.联邦学习在金融产业的应用展望)[J].新疆师范大学学报（哲学社会科学版）,2022(03):140-148
A类：
B类：
联邦学习,金融产业,应用展望,金融信息,隐私性,保密性,用户数据,信息保护,金融领域,习作,机器学习方法,参与方,共享数据,联合建模,安全要求,对联,主要应用,反洗钱,保险定价,普惠金融
AB值：
0.360694
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。
