基于联邦学习的数据处理方法以及风险评估方法

本申请公开了一种基于联邦学习的数据处理方法以及风险评估方法。涉及隐私计算领域，该方法包括：基于N个金融机构的系统中的本地数据，利用联邦学习策略对深度学习模型进行训练过程中，采集N个金融机构的目标参数，得到参数集，其中，目标参数包括：在金融机构中进行数据压缩和加密处理后的模型参数；对N个金融机构进行分组，得到M个机构组；基于参数集中每个金融机构的目标参数，对该金融机构所属机构组关联的子模型进行模型训练，得到M个训练后的子模型；将M个训练后的子模型下发至N个金融机构。通过本申请，解决了相关技术中不同金融机构的用户群体差异大，采用联邦学习策略训练统一的模型，训练得到的模型输出结果的准确度低的问题。