摘 要：随着社会经济和互联网的发展，商业银行个人信贷业务发展迅速。发展迅速的同时也存在着很大的危机，商业银行不良贷款率普遍较高，且各银行的数据之间不能共享，目前的风控技术无法对人的信用作更精确的判断，为了解决这种现象，本文采用联邦学习的方式进行建模，在保证数据的隐私性的前提下共享各个银行数据。为了验证联邦学习模型的可用行，将其与信贷风控常用模型LightGBM，XGBoost，随机森林，逻辑回归在真实数据上进行实验对比，结果表明，联邦学习模型在分类指标上表现良好，具有可用性。

本文最后利用python工具，开发出一个基于联邦学习的信贷风控系统。该系统可用计算用户的信用评分，查看信用数据分析报告，方便信贷风控人员进行贷款审批决策。同时也设置了更新模型的功能，当本机构或者其他机构的数据进行更新时，可用进行联邦学习模型更新模型。

 

关键词：联邦学习；信用评分；风险控制

 

目 录

摘 要

Abstract

第1章 绪 论 8

1.1背景与意义 8

1.2国内外发展现状 8

1.2.1国外发展现状 8

1.2.2 国内发展现状 9

1.3论文所做工作及思路 9

1.4论文章节安排 10

第2章 相关技术阐述 11

2.1联邦学习概念及技术 11

2.1.1联邦学习概念 11

2.1.2联邦学习技术 11

2.2 相关技术介绍 13

2.3 本章小结 14

第3章 数据预处理 15

3.1数据集介绍 15

3.1.1数据集来源 15

3.1.2数据概述 15

3.2数据探索与分析 17

3.2.1数据探索 17

3.2.2数据分析 19

3.3特征工程 21

3.3.1特征处理 21

3.3.2特征衍生 22

3.3.3特征选择 22

3.4本章小结 23

第4章 实验对比 24

4.1方法设计 24

4.1.1基于Fedrated-XGBoost的分类预测 24

4.1.2基于逻辑回归的分类预测 25

4.1.3基于随机森林的分类预测 25

4.1.4 基于LightGBM 的分类预测 25

4.1.5 基于XGBoost的分类预测 26

4.1.6 基于模型融合的分类预测 26

4.2实验仿真 26

4.2.1实验环境 26

4.2.2评价指标 26

4.2.3实验结果与分析 27

4.3信用评分计算 28

4.4本章小结 29

第五章 信贷风控系统 30

4.1 需求分析 30

5.1.1操作者功能需求 30

5.1.2管理者需求 33

5.2系统设计 34

5.2.1 功能模块设计 34

5.2.2 数据库设计 35

5.3系统实现 36

5.3.1 后台实现 36

5.3.2 前端实现 36

5.4本章小结 44

第6章系统测试 45

6.1系统功能测试 45

6.1.1登录模块功能测试 45

6.1.2数据分析模块功能测试 45

6.1.3账号管理模块功能测试 46

6.1.4模型训练模块功能测试 46

6.1.5信贷业务模块功能测试 47

6.2 本章小结 47

第7章 结 论 48

致 谢 49

参考文献 50