一种金融风控的联邦学习模型收敛性预测方法及系统

本发明提供了一种金融风控的联邦学习模型收敛性预测方法及系统。本发明首先输入CML和VFL的训练参数，并对未知参数进行估计校准，输出标准化参数集合；其次接收所述参数集合，基于理论假设分别构建CML和VFL的收敛上界模型，通过执行三项独立计算操作，输出CML收敛上界和VFL收敛上界；最后将所述CML收敛上界和所述VFL收敛上界与所述参数集合进行计算，输出迁移决策的定量指标。本发明通过建立统一的、可量化的收敛性预测模型，首次实现了“从CML迁移到VFL”这一关键决策的预判，提高了收敛性分析的效率和准确性，为规避无效迁移、优化资源配置提供了理论依据，降低了VFL落地的试错成本。