基于多行业联邦学习的用户信用风险评估方法、系统、设备和介质

本发明为了提升联邦学习的数据安全性，公开一种基于多行业联邦学习的用户信用风险评估方法、系统、设备和介质，属于信息技术领域，方法包括：提取运营商数据和银行金融数据，通过Hash机制进行加密预处理；对加密预处理后的运营商数据和银行金融数据进行联邦学习，将PSI模块作为插件接入FATE核心，将FATE算法的RSA换成椭圆曲线，通过六边形网格元胞自动机进行秘密分享，得到训练好的联邦模型；利用训练好的联邦模型评估用户信用风险。本发明实现隐藏被查询对象关键词或客户ID的需求，隐匿查询服务提供匹配查询结果，双方数据不出门就能计算，遵循多方安全计算的数据鉴权及访问流程和整体业务流程。打通不同行业之间数据壁垒，实现多行业的深度数据合作。