FSL-BDP: Federated Survival Learning with Bayesian Differential Privacy for Credit Risk Modeling
创建于 更新于
摘要
本文提出FSL-BDP：一种将离散时间生存分析与联邦学习和贝叶斯差分隐私相结合的信贷违约时点建模框架，能区分早期与晚期违约并在保留数据本地性的前提下实现跨机构学习；在 LendingClub、SBA、Bondora 三套真实数据上实证显示——在联邦部署下贝叶斯差分隐私(BDP)相比经典DP获益更大（联邦增益约+7.0% vs +1.4%），并在多数客户端上优于经典DP，提示隐私机制的优选须基于目标部署架构而非集中式基准 [page::0][page::18].
