چکیده: ريسك اعتباري يك نگراني اساسي در دنياي مالي محسوب ميشود و پيشبيني آن براي مؤسسات، امري بسيار حياتي است. اما مؤسسات مختلف به دليل ويژگيهاي منحصربهفردشان از مدلهاي پيشبيني و دادههاي متنوعي براي پيشبيني ريسكهاي اعتباري استفاده ميكنند. از سوي ديگر همكاري بين مؤسسات مالي، در تقويت مدلهاي پيشبيني ريسك اعتباري مشتريانشان اهميت دارد. باتوجه به نامتجانس بودن دادهها و استفاده از مدلهاي مختلف مؤسسات از يك سو، و عدم تمايل مؤسسات در بهاشتراكگذاري دادههاي مشتريانشان از سوي ديگر، امكان همكاري بين مؤسسات براي افزايش عملكرد مدل پيشبيني امكانپذير نبوده است. براي مقابله با اين چالش، استفاده از فناوري يادگيري فدرالي كه به مؤسسات اجازه ميدهد با توجه به نامتجانس بودن دادهها و ويژگيهاي منحصربهفردشان بهصورت محلي و با دادههاي خود، مدل پيشبيني ريسك اعتباري را آموزش دهند و سپس در محيط فدرالي پارامترهاي مدلهاي خود را به اشتراك بگذارند تا عملكرد مدلهاي محلي را بهبود دهند. در اين تحقيق معماري غيرمتمركز براي پيشبيني ريسكهاي اعتباري را طراحي كرده و درنهايت اين تحقيق قصد ارزيابي چالشها و كاربرديبودن رويكرد معماري غيرمتمركز يادگيري فدرالي را دارد.
