Privacy-Enhancing Collaborative Information Sharing through Federated Learning – A Case of the Insurance Industry
创建于 更新于
摘要
本报告展示了联邦学习（FL）技术在保险行业中的应用，通过在不共享原始数据的情况下，多方协作训练模型，有效提升了理赔损失预测的准确率。研究以神经网络为基础架构，探索了水平联邦学习（HFL）增加数据量和垂直联邦学习（VFL）增加特征多样性的效果。实证结果表明，FL框架不仅缓解了数据隐私保护难题，也明显改进了模型性能，促进了保险公司与InsurTech公司基于不同数据源的高效协同。该技术未来可扩展至欺诈检测等其他保险业务领域，为多方、安全、隐私保护的机器学习合作奠定基础 [page::0][page::4][page::13][page::17][page::19]
