基于联邦学习的跨平台多源信用数据融合方法

本发明公开了基于联邦学习的跨平台多源信用数据融合方法，针对跨平台多源信用数据的非结构化、复杂多样性以及数据非平衡性导致信用评价困难的问题，本发明提出一种有效的数据融合方法，采用联邦学习的框架结构，通过利用各平台之间的合作获取实验所需的跨平台信用指标数据，并应用深度学习和注意力机制的技术实现跨平台指标数据的深度关联；且通过对抗神经网络的方法优化联邦学习的训练过程，降低服务器和客户端之间的交互频率，提高融合效率；实现了跨平台多源信用数据的有机融合和共享，提高信用评价效果和效率。