区块链作为一个去中心化的、不可变的、共享的分布式账本和数据库,它有很多优点适合来用于联邦学习的相关研究上。区块链是一个去中心化分布式数据库,在整个区块链网络里的所有节点都有相同的权利,它规避了中心化系统数据可能泄露的弊端,加强了隐私保护和数据的安全。区块链作为一个开放性系统,所有数据拥有者都可以自行加入并进行模型的参数更新工作。另外,区块链中的信息具有不可篡改和可以追溯的特性,这从一定程度上避免了恶意数据拥有者对系统的破坏。因此,区块链在联邦学习上的应用可以加强数据拥有者数据的隐私性和系统的安全稳定性。
基于机器学习的智能金融风控领域所涉及的数据是多方面的,但由于各个金融机构、企业之间存在数据隐私、数据孤岛、数据安全法律法规等问题,数据都无法进行完备的整合。为此现有技术提出了联邦学习框架,当前的联邦学习技术框架虽然能一定程度上解决金融机构数据孤岛的问题,但是它们都需要一个第三方服务器或者中央数据库来协作各方,而如何确定第三方以及保障其安全性对于金融机构来说又是难以解决的问题。
本发明的目的在于针对背景技术中的缺陷,提出一种基于区块链联邦学习的金融风险预测方法和系统,将区块链技术与联邦学习方法相结合,建立了可多方参与的联邦金融风险预测系统,基于区块链的方法使得联邦学习不再仅仅依赖于第三方服务器,使得系统的安全稳定性得到了很大的提升;同时运用了PoQ共识机制,可以很好的保障模型训练的准确性,即让联邦学习的提升效果得以保证。
广东金融高新区“区块链+”金融科技研究院,是集政府引导、技术研究、企业服务于一体的“区块链+”产业服务与科研平台,承担着广东金融高新区“区块链+”金融科技政策研究、专题培训、人才培育等相关工作,为南海区企业提供产业赋能专业服务。目前,产业集聚已吸引100多家“区块链+”企业落户广东金融高新区。其中,已有一批优质企业通过了政府“区块链+”金融科技企业认定并获得了相应的政策奖励。
广东金融高新区“区块链+”金融科技产业集聚基地(佛山民间金融街)
