摘要

大数据时代下,为构筑保险业的数据服务平台,需融合金融、医疗、用户行为等多方数据源,提升保险公司的风险管理能力和业务发展质量。然而,在数据融合的过程中,涉及到不同数据源的隐私保护问题。如何在合法合规前提下,基于联邦学习实现跨界数据融合是学术界和工业界的热点研究领域之一。首先,概述了联邦学习的概念、分类和特点。其次,给出了基于联邦学习的保险数据融合架构和适用的隐私保护工具。最后,根据不同的业务场景,探讨了联邦学习在保险行业的商业化应用和可行性方案。

关键词