企业财务共享和风险识别模型结合了循环神经网络和由区块链支持的变压器模型
1Accounting School, Tongling University, Tongling City, Anhui Province 244000, China.
Heliyon
|July 11, 2024
概括
本研究介绍了一个区块链模型,用于安全的企业财务数据共享,以及一个BiLSTM融合式变压器模型,用于精确的风险识别,增强企业的财务安全.
科学领域:
- 信息安全 信息安全
- 金融技术 (金融科技)
- 人工智能 (AI) 是一种人工智能.
背景情况:
- 传统的企业财务数据共享存在安全漏洞.
- 保护敏感的财务信息是企业关心的关键问题.
- 现有的风险识别方法可能缺乏精度和效率.
研究的目的:
- 调查安全的企业财务数据共享的方法.
- 开发一个有效的企业金融风险识别模型.
- 加强企业的风险管理和战略决策.
主要方法:
- 开发了一个基于区块链的模型,用于分散的企业财务数据共享.
- 集成的双向长期短期存储器 (BiLSTM) 具有用于风险识别的变压器模型.
- 分为五个风险级别 (1-5) 的分层金融价值.
主要成果:
- 与拜占庭式故障容忍 (BFT) 相比,拟议的区块链模型显示了高吞吐量 (>80) 和低数据泄漏率 (<10%).
- BiLSTM融合式变压器模型实现了超过94%的风险识别准确度和AUC> 0.95.
- 与反复神经网络 (RNN) 相比,风险识别时间缩短了大约10秒.
结论:
- 该研究成功开发了一种安全的区块链框架,用于共享金融数据.
- BiLSTM融合式变压器模型在金融风险识别方面提供了卓越的准确性和速度.
- 这些进展为企业风险管理和战略规划提供了强有力的支持.
