联邦信用卡欺诈检测算法

隐私保护跨行协作

该算法将结构化数据Transformer与联邦学习相结合，使多家银行能够在不共享原始交易数据的情况下协同训练高精度欺诈检测模型。

Yuxuan, Tang · 刘占军

IEEE Access 2024

参数信息

AUC-PR（数据集1）
0.882
AUC-PR（数据集2）
0.816
AUC-ROC（数据集1）
0.982
AUC-ROC（数据集2）
0.994
联邦AUC-PR（数据集1）
0.884
联邦AUC-PR（数据集2）
0.892

技术优势

检测更准

通过Transformer的注意力机制自动突出重要特征，显著提高欺诈检测的准确率。

隐私无忧

引入联邦学习架构在不同银行间分布式部署模型，动量更新参数，既提升性能又确保银行间数据隐私。

分布式可行

模型支持在多个银行间分布式部署与测试，适应复杂金融环境。

应用场景