基于同态 SVM 的隐私保护信用卡批准：面向金融科技应用的安全推断
密码学与安全
2025-05-12 v1
摘要
云环境中机器学习的广泛应用引发了数据安全和隐私方面的严重关切，这在金融领域尤为突出。完全同态加密 (FHE) 通过在加密数据上进行计算，提供了解方方案，但其高计算成本限制了实际应用。本文提出了一种针对金融应用的隐私保护方案 PP-FinTech，采用基于 CKKS 的加密软间隔 SVM，增强了用于建模非线性模式的混合核和用于稳健加密分类的自适应阈值机制。在信用卡批准数据集上的实验表明，性能与明文模型相当，突显了 PP-FinTech 在安全金融机器学习系统中在隐私与效率之间取得平衡的能力。
引用
@article{arxiv.2505.05920,
title = {Privacy-Preserving Credit Card Approval Using Homomorphic SVM: Toward Secure Inference in FinTech Applications},
author = {Faneela and Baraq Ghaleb and Jawad Ahmad and William J. Buchanan and Sana Ullah Jan},
journal= {arXiv preprint arXiv:2505.05920},
year = {2025}
}