一种金融信用评估模型联邦遗忘学习方法及系统

本发明提供一种金融信用评估模型联邦遗忘学习方法及系统，该方法包括：获取初始金融信用数据集并训练金融信用评估模型;当金融机构客户端接收到用户遗忘请求时，生成待遗忘数据集，并构造对应的线性对称数据集;持续收集金融信用数据信息，构建成持续学习数据集，当达到更新阈值，基于增量学习通过随机梯度下降法对客户端金融信用评估模型进行参数更新；服务器通过聚合算法将各模型参数整合至全局金融模型，并判断全局金融模型的参数更新误差是否低于预设误差阈值；若低于预设误差阈值，在各金融机构客户端部署全局金融模型。通过该方案可以降低遗忘计算成本，简化遗忘操作过程，联邦学习遗忘效率，并保障用户信用数据安全。