Feb, 2024
通过联邦学习增强隐私保护的协同信息共享 -- 以保险业为例
Privacy-Enhancing Collaborative Information Sharing through Federated Learning -- A Case of the Insurance Industry
Panyi Dong, Zhiyu Quan, Brandon Edwards, Shih-han Wang, Runhuan Feng...
TL;DR通过利用联邦学习来跨多个保险业数据集学习单个模型,而无需将数据集从一家公司共享到另一家公司,该报告展示了在改进索赔损失建模方面的益处。联邦学习的应用解决了有限数据量和数据多样性这两个最迫切问题,这些问题由于隐私问题、索赔事件的罕见性、缺乏信息性评级因素等造成。