面向金融犯罪检测的隐私保护性联邦学习：Fed-RD
计算工程、金融与科学
2024-08-06 v1
摘要
我们提出了Federated Learning for Relational Data (Fed-RD)，一种专为跨机构垂直和水平分区的金融交易数据集开发的新型隐私保护联邦学习算法。Fed-RD战略性地采用差分隐私和安全多方计算来保证训练数据的隐私。我们对训练算法的端到端隐私进行了理论分析，并在真实合成数据集上呈现了实验结果。我们的结果表明，Fed-RD在隐私提升至一定程度后仍可实现高模型准确率，同时始终优于基准结果。
引用
@article{arxiv.2408.01609,
title = {Fed-RD: Privacy-Preserving Federated Learning for Financial Crime Detection},
author = {Md. Saikat Islam Khan and Aparna Gupta and Oshani Seneviratne and Stacy Patterson},
journal= {arXiv preprint arXiv:2408.01609},
year = {2024}
}