个人和企业贷款的风险控制一直以来是困扰银行和贷款机构的主要问题,错失优质客户和产生坏账是该问题导致的两个极端。日益发展的IT技术为该问题的解决带来了契机。以往采用集中式机器学习的方法对用户进行风险评估,然而数据本身是以分散的形式存在的,同时一些数据持有者不愿意直接分享数据,并且近些年与隐私保护相关的法律对企业和个人使用的数据进行了限制。如何安全高效地对金融风险进行评估成为该领域急待解决的问题。针对上述问题,本文采用基于神经网络和安全梯度均值的方法建立金融风险评估方案,从而对未标注的客户进行评估。相比于已有的工作,该方案具有以下优势:(1)无需集中式学习,各组织机构可以在本地训练模型并隐藏梯度。(2)当无掉线用户时,运算轮数比已有协议少。(3)对于掉线和延迟的情况,有对应的密钥恢复机制。(4)准确率比各用户单独建模高。(5)效率比同态加密高。最后文章对方案进行了安全性和效率分析,并且对该方案进行了初步实现。本文首次将神经网络和安全梯度均值结合并应用于金融风险评估领域。利用神经网络,实现了高准确率的风险评估;利用安全梯度均值,解决了集中式机器学习和深度学习无法保障用户隐私的问题。本方案的提出对金融风险评估领域具有较高的应用价值与实际意义。