基于横向联邦学习的风险用户识别研究
Risk user identification based on horizontal federated learning作者机构:中国铁道科学研究院集团有限公司电子计算技术研究所北京100081
出 版 物:《铁路计算机应用》 (Railway Computer Application)
年 卷 期:2024年第33卷第8期
页 面:72-77页
学科分类:08[工学] 081203[工学-计算机应用技术] 082303[工学-交通运输规划与管理] 0835[工学-软件工程] 0823[工学-交通运输工程] 0812[工学-计算机科学与技术(可授工学、理学学位)]
基 金:中国国家铁路集团有限公司2023系统性重大项目(P2023W002) 中国铁道科学研究院集团有限公司电子计算技术研究所项目(DZYF23-11)
主 题:12306互联网售票系统 横向联邦学习 XGBoost 风险用户 神经网络
摘 要:第三方平台推出的各种铁路旅客抢票服务,给中国铁路12306互联网售票系统(简称:12306)带来了较大压力,为保障12306的稳定性和旅客购票的公平性,亟需对风险用户进行识别。为应对因12306部署在不同的物理位置、不同中心的数据聚合存在一定风险的情况,研究在用户数据分散的条件下,基于横向联邦学习的风险用户识别方法。文章基于用户的访问行为,构建和提取用户特征,构建基于XGboost、逻辑回归和神经网络等算法的横向联邦学习模型,并进行模型验证。实验结果表明,基于XGboost算法的横向联邦学习模型具有较好的风险用户识别效果,为铁路数据的安全使用提供了技术支撑。