買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉西南財經大學申請的專利基于個性化聯邦持續學習的信用風險預測方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN120163645B 。

龍圖騰網通過國家知識產權局官網在2025-08-19發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510639057.4，技術領域涉及：G06Q40/03；該發明授權基于個性化聯邦持續學習的信用風險預測方法是由楊新;吳美君;李婷婷;李志勇;任靈飛;李艷花;曹雪梅;寇綱設計研發完成，并于2025-05-19向國家知識產權局提交的專利申請。

本基于個性化聯邦持續學習的信用風險預測方法在說明書摘要公布了：本發明公開了基于個性化聯邦持續學習的信用風險預測方法，屬于風險預測技術領域，包括以下步驟：個性化聯邦學習，此時服務器通過匹配算法對各客戶端的每一層參數進行逐層分析，得到每個本地模型參數在全局模型中的貢獻度，進而優化全局模型的全局參數并發回至客戶端；基于當前階段的訓練數據集對本地模型進行增量更新，執行信用風險預測任務，輸出預測結果。本發明構建聯邦持續學習框架，在聯邦學習架構下利用本地數據對本地模型進行訓練，使本地模型具有個性化適應性。通過持續學習機制，模型能夠實時適應新的數據分布和業務需求，能夠有效捕捉最新的信用風險變化，減少了模型過時的風險，提高了模型的實用性和魯棒性。

本發明授權基于個性化聯邦持續學習的信用風險預測方法在權利要求書中公布了：1.一種基于個性化聯邦持續學習的信用風險預測方法，其特征在于，所述方法包括以下步驟： 各客戶端分別上傳各自本地模型的所有層參數至服務器；所述本地模型為基于本地借貸樣本數據訓練得到的信用風險預測模型；所述本地借貸樣本數據包括貸款相關信息、借貸人基本信息、信用評估相關數據，信用評估相關數據包括貸款等級、信用評分和最早信用記錄時間、還款與歷史記錄，還款與歷史記錄包括貸款發放日期、最后一次還款日期和已支付總金額； 服務器接收各客戶端上傳的本地模型的所有層參數，并通過匹配算法對各本地模型的所有層參數進行逐層分析，得到每個本地模型的各層參數在全局模型的對應層全局參數中的貢獻度，進而基于貢獻度優化全局模型的各層全局參數，并將優化后的全局參數發送至各客戶端； 客戶端接收優化后的全局參數，并將優化后的全局參數應用至本地模型的對應層； 基于當前階段的訓練數據集對本地模型進行增量更新； 利用增量更新完成的本地模型執行信用風險預測任務，輸出預測結果； 將優化后的全局參數應用至本地模型的對應層，包括： 評估本地模型參數的重要性，凍結本地模型中重要性排名前P%的參數，并使用優化后的全局參數替換本地信用風險預測模型中排名靠后的1-P%參數，P為參數重要性比例閾值； 客戶端接收到全局權重后進行個性化處理，包括： （1）計算每個參數的重要性權重： ； 是損失函數；表示參數標簽；是訓練總步數，是訓練步數標簽；是第個客戶端在本地模型第層的第個參數；表示當參數發生微小變化時，損失函數的變化率； （2）將所有參數的重要性權重組織成矩陣： ； 是參數的總數； （3）根據重要性權重凍結排名前P%的參數，并對剩余的1-P%參數施加正則化約束，客戶端更新后的第層權重表示為： ； ； 表示個性化處理；表示全局模型第層的第個參數；表示學習率；表示正則化損失函數； 將優化后的全局參數發送至各客戶端之后或將優化后的全局參數應用至本地模型的對應層之后，還包括： 根據本地借貸樣本數據的類別分布對全局模型的最終全局參數進行加權平均處理，以更新全局模型參數；本地借貸樣本數據的類別分布是違約客戶的比例； 在每一輪通信中，服務器根據本地借貸樣本數據的類別分布對全局模型的最終全局參數進行加權平均處理，計算表達式為： ； 其中，表示訓練處理；表示客戶端的本地數據集； 在每一輪通信結束后，客戶端根據本地數據的類別分布對全局模型進行加權平均；設每個客戶端的權重占比為，通過加權平均處理的全局模型的最終全局參數為： ； 其中，可以根據客戶端數據量或其他因素進行調整。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人西南財經大學，其通訊地址為：611130 四川省成都市青羊區光華村街55號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。