近日，WeLab汇立集团宣布由其创新研究中心团队研发的《特征分箱方法、装置、电子设备及存储介质》专利正式获得国家授权。该技术首次在联邦学习框架中实现跨机构特征分箱的灵活协同与动态优化，攻克了金融风控建模中特征离散化的隐私安全与效率瓶颈，为金融机构提供了安全高效的联合建模基础设施。

行业痛点：分箱僵化制约联邦模型效果

在金融风控联合建模中，特征分箱（将连续变量离散化）是提升模型鲁棒性的关键步骤。传统联邦学习要求所有参与机构强制统一分箱方法，导致两大难题：

1.灵活性缺失：不同机构数据类型差异大（如银行流水vs电商消费），单一分箱方法无法兼顾各类特征分布特性；

2.合理性不足：分箱结果缺乏跨机构验证机制，导致WOE编码失真，IV特征筛选失准，模型效果下降30%以上。

集团通过三大创新设计，打造首个支持异构分箱的联邦学习系统，动态分箱+同态加密，重构特征工程范式，可以实现：

分箱自主化

灵活适配多源数据：

各参与方可为不同特征独立选择分箱方法及分箱数量。

安全协同计算

加密验证分箱合理性：

同态加密标签：第一参与方加密标签并建立ID映射表，第二参与方仅能操作密文；

跨机构WOE计算：第二方按自选分箱统计密文标签和，返至第一方解密后联合计算WOE/IV值；

动态调优机制：通过WOE单调性自动判断分箱合理性，支持合并分箱等智能调整。

全流程自动化

效率持续提升及创新价值：

首个多分箱联邦框架：支持跨机构异构分箱策略，模型稳定性提升；

零原始数据暴露：同态加密技术满足GDPR/CCPA等全球隐私法规；

分箱质量可验证：自动化WOE单调性检测，IV特征筛选准确率大大提高。

此次新专利的落地，也将加速构建开放、高效的联邦学习生态，助力更多企业打破数据孤岛，释放数据要素价值。