基于一种新的联邦优化算法的信用风险预测方法

摘要：

ResNet深度神经网络模型与联邦学习融合建模,实现信用风险预测并保证用户数据的隐私安全.模型准确率和精准度可达89.67％和94.22％.首次采用联邦优化算法-局部全局联合平均算法(LG-FEDAVG)优化训练过程,对贷款用户的信用风险建模.研究表明,LG-FEDAVG算法在保证信用风险预测效果的情况下产生的通信成本占通信总参数的3.22％.

关键词：联邦学习、深度神经网络、信用风险评估、ResNet、局部全局联合平均算法

所属期刊栏目：44

分类号：TP391(计算技术、计算机技术)

资助基金：吉林省教育厅科学研究项目JJKH20210750KJ

在线出版日期：2023-04-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：58-64