《Electronics》:Privacy-Preserving Federated Learning for Corruption Risk Detection in Public Procurement
编辑推荐:
在公共采购中检测升高的腐败风险(其中风险由客观程序性指标而非已确认腐败衡量)通常受底层记录碎片化的制约:各国家主管部门各自持有记录,且法律义务禁止汇总。本研究考察主管部门能否在不交换数据记录的情况下通过协作提升检测能力。为此,研究人员开发了一种联邦框架,其中每
在公共采购中检测升高的腐败风险(其中风险由客观程序性指标而非已确认腐败衡量)通常受底层记录碎片化的制约:各国家主管部门各自持有记录,且法律义务禁止汇总。本研究考察主管部门能否在不交换数据记录的情况下通过协作提升检测能力。为此,研究人员开发了一种联邦框架,其中每个主管部门在本地训练,并仅向协调层发布模型参数与匿名化类别条件(class-conditional)统计量。该框架在三个欧盟成员国的真实采购记录上评估,使用经审计排除决定标签属性的预测变量集。协作在联邦内较独立运行大幅提升检测能力,恢复了集中式训练可达性能的绝大部分,且在相关于有限审计容量的操作点上改进最大。在一个主管部门上训练并应用于第三个主管部门的模型表现接近本地基率,因此参与是获益的条件而非可选路径。扰动交换量带来随模型规模增长的 measurable 代价,因此在超出适度噪声水平后,可解释线性模型优于更高容量网络。
研究背景方面,公共采购占发达国家GDP的12.7%至14.8%,是腐败高发领域,但检测依赖的“红标”规则方法受限于数据碎片化、类别不平衡与跨辖区不可迁移。集中式人工智能面临GDPR等数据主权法规限制,且深度学习黑箱问题使审计无法提供法律正当性。为兼顾机构数据主权与集体智能,研究人员开展了一项基于隐私保护联邦学习(Privacy-Preserving Federated Learning, FL)的框架研究,成果发表于《Electronics》。该研究回答的核心问题是:多个国家级采购主管部门能否在不汇集原始记录的前提下协作提升腐败风险检测。
关键技术方法上,研究人员采用Opentender门户中卢森堡、马耳他、塞浦路斯三国公开采购记录(去重后21781条标记程序)作为代理队列;标签由Fazekas等人客观程序性腐败风险指标算术均值≥87.5判定为高风险,预测变量经审计排除决定标签的字段后保留56个工程特征;框架以K个自治代理(agent)本地存储数据,协调层仅做加权平均参数聚合(FedAvg式)与类别条件原型(class-conditional prototype)聚合,辅以按离散度校准的高斯扰动;本地模型限定可参数平均化的逻辑回归与单隐层前馈神经网络(128单元),以100轮通信、每轮2本地周期训练,并以平均精度(Average Precision, AP)与操作点召回/精度为主评价指标。
研究结果部分,按原文小节浓缩如下。3.1总体架构框架提出数据局部性、语义对齐、精确可聚合性、可审计性、部署可行性五原则,明确协调层“诚实但好奇”信任假设,分离参数聚合与风险信号交换两种机制。3.2数据获取与描述显示三国高风险类占比30.5%至52.9%,构成真实标签偏移(label shift)而非人工异质划分。3.3腐败风险指标与标签策略阐明复合指标阈值87.5对应“多指标并发异常”的程序性解释,标签指程序风险而非已确认违法。3.4数据特征表示交代56维特征家族与显式缺失编码,并排除单投标数、程序类型、时限等决定标签的字段以防目标泄漏,剔除后集中实验AP仅降0.044。3.5协作策略与信号共享协议定义孤立训练、联邦平均、信号共享、集中训练四策略;信号共享将全局原型以5%采样配高斯抖动(标准差0.05)生成参考实例注入本地,权重0次为0.6。3.6本地模型架构论证树集成不可聚合,神经网络隐层128宽较64/256优,逻辑回归留作可审计对照,梯度提升仅作非联邦参照。3.7隐私机制描述为按s(v)离散度缩放的Gaussian扰动v?=v+η,η~N(0,(σ·s(v))2I),类别计数不扰动,明确未提供(ε,δ)-差分隐私(Differential Privacy, DP)正式界而用成员推断攻击实测。3.8评估方法论采用分层20%测试集、AP相对基类率(pooled 0.392)报告lift、操作点precision@fixed-recall与最高十分位精度,并用配对重采样置信区间判显著。
第4节结果显示,神经网络下孤立训练AP=0.510(lift 0.118),联邦平均AP=0.682(lift 0.290),集中训练AP=0.744,联邦回收孤立到集中间距约74%;在precision 0.60操作点召回从26.8%升至77.1%。信号共享AP=0.686与联邦平均无显著差异,因三国各类样本充足。留一法(leave-one-out)跨域测试性能跌回近本地基率,证伪“搭便车”假设。逻辑回归结论同序(0.486→0.577→0.605)。隐私—效用曲线表明σ增大至适度以上后逻辑回归反超神经网络,因参数向量长128×56+129倍噪声累积。成员推断攻击AUC随σ上升趋近0.5。4.5消融显示合同体级(contracting-body-level)细分多代理时信号共享贡献显现;阈值87.5敏感性、个性化微调(personalized federated fine-tune)结论稳定。
讨论与结论翻译:研究人员得出结论,在真实标签偏移与数据主权约束下,仅交换参数与匿名类别条件统计的联邦框架可恢复集中式训练大部分检测力,且最大收益位于有限审计容量操作点;跨域迁移无效证明参与是获益前提;隐私扰动代价随模型容量线性增长,使可解释线性模型在高噪声端优于高容量网络;框架以“架构级数据不出域+经验标定扰动”定义有限意义的隐私保护,未声称形式DP保证,留待后续接入裁剪与隐私簿记。该研究为公共监督机构提供可部署、可审计、跨辖区且不汇集记录的腐败风险筛查路径,其架构原则与经验隐私—效用剖面可直接迁移至其他受数据主权束缚的跨机构异常检测场景。