基于个性化联邦持续学习的信用风险预测方法

本发明公开了基于个性化联邦持续学习的信用风险预测方法，属于风险预测技术领域，包括以下步骤：个性化联邦学习，此时服务器通过匹配算法对各客户端的每一层参数进行逐层分析，得到每个本地模型参数在全局模型中的贡献度，进而优化全局模型的全局参数并发回至客户端；基于当前阶段的训练数据集对本地模型进行增量更新，执行信用风险预测任务，输出预测结果。本发明构建联邦持续学习框架，在联邦学习架构下利用本地数据对本地模型进行训练，使本地模型具有个性化适应性。通过持续学习机制，模型能够实时适应新的数据分布和业务需求，能够有效捕捉最新的信用风险变化，减少了模型过时的风险，提高了模型的实用性和鲁棒性。