一种基于联邦学习的信用风险评估方法

本发明适用于信用风险评估技术领域，提供了一种基于联邦学习的信用风险评估方法，包括以下步骤：获取本地模型累计梯度和全局模型梯度，并依据其获取本地模型与中央服务器端全局模型之间的相似度，构建客户端间图关系；基于客户端间图关系获取客户端之间差异性，计算聚合权重并形成全局模型更新；中央服务器端将聚合后的全局模型更新发送给各个客户端，客户端继续下一轮的本地训练，直到模型达到预期性能。本发明具有提升全局模型泛化能力的效果，能够有效应用于金融信用风险评估。通过协作训练，本发明能够避免模型效果因数据量、数据类别或数据多样性不足而产生的精准度下降、鲁棒性较差等问题，从而构建一个更具泛化能力的信用风险评估模型。