联邦学习在金融数据安全领域的研究与应用
信息技术与网络安全 1期
张海涛
(五矿国际信托有限公司，北京100027)
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。
中圖分類號： TP391
文獻標識碼： A
DOI： 10.19358/j.issn.2096-5133.2022.01.001
引用格式： 張海濤. 聯(lián)邦學習在金融數(shù)據安全領域的研究與應用[J].信息技術與網絡安全，2022，41(1)：3-9.
文獻標識碼： A
DOI： 10.19358/j.issn.2096-5133.2022.01.001
引用格式： 張海濤. 聯(lián)邦學習在金融數(shù)據安全領域的研究與應用[J].信息技術與網絡安全，2022，41(1)：3-9.
Research and application of federated learning in the field of financial data security
Zhang Haitao
(Minmetals International Trust Co.，Ltd.，Beijing 100027，China)
Abstract：
Abstract： In recent years, the problem of data leakage caused by the circulation of plaintext data in the financial field has become increasingly prominent. The traditional machine learning method of inter agency data fusion faces new problems and challenges. Therefore, based on the field of financial data security, from the perspective of user privacy and data security, this paper summarizes the federated learning theory, deeply analyzes its current application status in the financial industry, and points out that the existing federated learning still has some problems, such as low communication efficiency and prominent data heterogeneity. Finally,it puts forward suggestions on improving the federated learning standard system and paying attention to regulatory requirements at all times, so as to provide reference opinions for promoting the legal application of federated learning in the field of financial data security.
Key words : federated learning；financial data security；data privacy；credit card fraud
0 引言
2020年4月，中共中央、國務院印發(fā)了《關于構建更加完善的要素市場化配置體制機制的意見》，明確指出在當今數(shù)字經濟化時代，數(shù)據是至關重要的一種新型生產要素。但是，隨著數(shù)據賦能研究的不斷深入，隱私保護和數(shù)據泄露等問題日益突出。如2018年3月，超5 000萬Facebook用戶信息被政治數(shù)據公司“劍橋分析”獲取并利用，2018年11月，匯豐銀行(HSBC Bank)部分客戶財務狀況和個人信息被泄露。金融作為數(shù)據密集型行業(yè)，對數(shù)據安全、隱私保護以及監(jiān)管科技等有著更高的要求。實現(xiàn)數(shù)據的多方協(xié)同和授權共享，得到更優(yōu)的模型和決策，是當前人工智能賦能金融科技的一個重大挑戰(zhàn)[1]。Google于2016年提出聯(lián)邦學習(Federated Learning)概念為這一困境帶來了新的思路與解決辦法。目前，聯(lián)邦學習技術已經在金融科技領域的智能營銷、反欺詐、信用卡評分、產品推薦等多個業(yè)務場景中得到了具體應用。
本文詳細內容請下載：http://www.ihrv.cn/resource/share/2000003929
作者信息：
張海濤
(五礦國際信托有限公司，北京100027)
此內容為AET網站原創(chuàng)，未經授權禁止轉載。