A Privacy-Preserving Federated Framework with Hybrid Quantum-Enhanced Learning for Financial Fraud Detection
创建于 更新于
摘要
本论文提出一个融合量子增强LSTM与联邦学习的隐私保护框架FedRansel，实现了对金融欺诈检测的有效改进。该框架通过随机参数采样和伪中心化模型聚合机制，增强了对投毒和推断攻击的防御能力，在两个金融欺诈数据集上的AUC、准确率和召回率均优于传统方法，量子增强模型较经典LSTM提升约5%。FedRansel较传统差分隐私机制减少4-8%的模型性能下降，同时保障数据隐私，实现高效且安全的分布式协同学习 [page::0][page::1][page::4][page::6][page::8]。
