联邦学习技术在税收风险管理中的应用构想  

作　　者：温有栋 黄婷[1] 罗良清[1] 

机构地区：[1]江西财经大学统计与数据科学学院

出　　处：《税务研究》2024年第11期68-74,共7页TAXATION RESEARCH

基　　金：国家社会科学基金青年项目“大数据背景下劳动力就业统计测度问题研究”(项目编号:22CTJ005);江西省社会科学“十三五”基金一般项目“数字经济与税收逃避:识别、评价及对策研究”(项目编号:20YJ18);江西省研究生创新课题“数字经济赋能乡村产业振兴的统计测度与评价研究”(项目编号:YC2022-B149)的阶段性研究成果。

摘　　要：当前,智慧税务建设紧密围绕以数治税和云端算税的税收征管理念,着重集聚性地运用大数据、云计算、区块链以及人工智能等技术,并从涉税数据的采集、整理、分析全流程加以考量。然而,现阶段税收风险管理仍存在诸如涉税数据多源异构性欠佳、先进算法分布式计算的应用较为有限、大数据风控技术融入程度不够等问题。出现这些问题的根本原因在于高价值涉税数据共享不充分,仍处于分割的“数据孤岛”状态。联邦学习技术基于分布式计算框架,在源数据不出域的情况下,采用同态加密技术实现人工智能建模,既可以确保数据隐私安全,又可以保证模型预测性能。将联邦学习技术应用于税收风险管理,能够有效应对现阶段税收风险管理存在的上述问题,进而提升税收风险管理效能。

关 键 词：税收风险管理 联邦学习技术 以数治税 数字经济 

分 类 号：F812.42[经济管理—财政学] F49