12月30日，中国银行一项名为“一种信用卡额度审核处理方法及装置”的专利公布，其申请于2022年9月20日，涉及数据处理技术领域。

摘要显示，获取联邦学习参与方自定义的用户输入信息；基于预设信用卡额度审核模型对用户输入信息进行信用卡额度审核，得到信用卡额度审核结果；其中，预设信用卡额度审核模型利用知识蒸馏方式对联邦学习模型进行处理得到；而联邦学习模型根据各联邦学习参与方分别提供的信用卡额度审核样本数据训练分布式机器学习框架得到。

该发明采用了联邦学习技术，说明书对其进行了说明。联邦学习是一种加密的分布式机器学习框架，框架允许用户使用分布在不同位置的多个数据集来训练机器学习模型，参与各方在不披露底层数据和底层数据的加密（混淆）形态的前提下共建模型。可实现各企业的自有数据不出本地，仅通过加密机制下的参数交换方式，在不违反数据隐私法规的情况下，构建一个虚拟的共有模型，参与各方的身份和地位相同，大家共享计算带来的收益。

联邦学习参与方可以是能向用户发放信用卡额度的企业等。各联邦学习参与方可从不同用户维度获取到用户相关数据。例如银行从用户收入、投资等维度获取用户的年收入、主要投资产品等。社交服务企业可从用户消费、社交圈等维度获取用户的消费层次、接触的社交人脉等。

其中，将预设信用卡额度审核模型的输出结果作为信用卡额度审核结果，例如联邦学习参与方为银行，将用户A的年收入和作为主要投资产品的定期理财产品输入至预设信用卡额度审核模型，得到的信用卡额度审核结果为6万元；参与方为社交服务企业，将用户A的消费层次和社交人脉输入至模型，得到的信用卡额度审核结果为10万元。

该发明的背景为，目前不少银行开通了信用卡自动审核系统，通过设置一些数据指标，一旦满足这些指标要求（如征信指标、职业指标、工作社保记录、指定商圈消费、合作渠道等），便会生成相应的信用卡额度。这种审核机制已存在许久，其中大多数数据均为银行内部数据或第三方采购数据，采购需花费大量资金，且数据维度有限，审核信用卡额度不够准确。而该发明旨在准确审核信用卡额度，且无需花费采购数据成本。