公开(公告)号：CN114997286B

公开(公告)日：2024-08-02

申请号：CN202210551170.3

申请日：2022-05-18

Applicant: 大连理工大学

Inventor： 杨海旭 ,  付海燕 ,  郭艳卿 ,  刘航 ,  李祎 ,  李卫超

IPC: G06F18/2411 ,  G06F18/214 ,  G06F21/60 ,  G06F21/62 ,  G06N20/10

Abstract: 本发明提供一种基于联邦支持向量机的金融客户分类方法及装置，方法包括以下步骤：由可信的第三方服务端向各金融企业客户端发送统一的客户分类模型，所述客户分类模型为支持向量机模型；各金融企业客户端接收到客户分类模型后，基于自有数据对所述客户分类模型进行训练；可信的第三方服务端对获取的初级训练模型参数和支持向量进行聚合处理，从而生成联邦分类模型参数，将所述联邦分类模型参数反馈至各金融企业客户端；各金融企业客户端将联邦分类模型参数应用于本地客户分类模型，并基于应用联邦分类模型参数的本地客户分类模型对客户数据进行分类。本发明将传统机器学习与联邦学习相结合，在保证用户隐私的前提下，最大程度的挖掘数据的价值。

公开(公告)号：CN114997286A

公开(公告)日：2022-09-02

申请号：CN202210551170.3

申请日：2022-05-18

Applicant: 大连理工大学

Inventor： 杨海旭 ,  付海燕 ,  郭艳卿 ,  刘航 ,  李祎 ,  李卫超

IPC: G06K9/62 ,  G06F21/60 ,  G06F21/62 ,  G06N20/10

Abstract: 本发明提供一种基于联邦支持向量机的金融客户分类方法及装置，方法包括以下步骤：由可信的第三方服务端向各金融企业客户端发送统一的客户分类模型，所述客户分类模型为支持向量机模型；各金融企业客户端接收到客户分类模型后，基于自有数据对所述客户分类模型进行训练；可信的第三方服务端对获取的初级训练模型参数和支持向量进行聚合处理，从而生成联邦分类模型参数，将所述联邦分类模型参数反馈至各金融企业客户端；各金融企业客户端将联邦分类模型参数应用于本地客户分类模型，并基于应用联邦分类模型参数的本地客户分类模型对客户数据进行分类。本发明将传统机器学习与联邦学习相结合，在保证用户隐私的前提下，最大程度的挖掘数据的价值。