联邦学习与区块链赋能下的应收账款拍卖融资机制研究

doi:10.16381/j.cnki.issn1003-207x.2024.2280

摘要/Abstract

摘要：

供应链金融在农业领域中的应用面临诸多挑战，而数据共享与安全间的平衡难问题尤为突出。联邦学习与区块链赋能下的农业供应链融资虽融合了二者技术优势，但仍面临激励机制不足、计算效率较低等问题。有鉴于此，文章以应收账款融资业务为研究对象，首先构建了分层联邦学习与区块链赋能下的农业供应链融资系统。在此基础上，基于深度学习拍卖算法，将金融资源配置策略构建为以卖方收益最大化为目标的拍卖模型，以实现金融机构个体理性、激励相容性与合作社拍卖收入最大化。研究结果表明：通过拍卖策略优化，基于深度学习的拍卖机制能最大化卖方收益；合作社拍卖收入与其数据覆盖范围、金融机构数据覆盖范围要求成正比；神经网络近似优化率越高，系统优化难度越大，为此合作社需投入更多的计算资源和训练时间，进而影响其收益。

关键词: 应收账款拍卖融资, 区块链, 联邦学习, 深度学习

Abstract:

The insufficient penetration of full chain information and the difficulty in balancing data sharing and security make it difficult to effectively promote the application of supply chain financing in the agricultural field. The combination of blockchain and federated learning can fully leverage the technological advantages of both， effectively compensating for the shortcomings of blockchain in data privacy and security， and federated learning in data storage， synchronization， and tamper prevention. However， it still faces problems such as low computational efficiency and insufficient incentive mechanisms. Receivable financing business is taken accounts as the research object and an agricultural supply chain financing system empowered by hierarchical federated learning and blockchain is constructed； On this basis， based on deep learning auction algorithms， the financial resource allocation strategy is constructed as an auction model with the goal of maximizing seller returns， in order to achieve individual rationality， incentive compatibility， and maximization of cooperative auction revenue for financial institutions. Research has shown that：（1） through auction strategy optimization， auction mechanisms based on deep learning can maximize seller returns；（2） The auction revenue of cooperatives is directly proportional to their data coverage and the data coverage requirements of financial institutions；（3） The higher the approximate optimization rate of neural networks， the greater the difficulty of system optimization. Therefore， cooperatives need to invest more computing resources and training time， which in turn affects their profits. New ideas for promoting the application of digital intelligence technology in the field of agricultural supply chain financing are provided， and certain practical significance is given in promoting data information security and sharing， fund integration and optimization， and assisting rural industrial revitalization.

Key words: accounts receivable auction financing, blockchain, federated learning, deep learning

中图分类号:

F274

刘琦铀,陈嘉,张成科, 等. 联邦学习与区块链赋能下的应收账款拍卖融资机制研究[J]. 中国管理科学, 2026, 34(6): 13-21.

Qiyou Liu,Jia Chen,Chengke Zhang, et al. Research on Accounts Receivable Auction Financing under the Empowerment of Federated Learning and Blockchain[J]. Chinese Journal of Management Science, 2026, 34(6): 13-21.

图/表 8

图1

图2

图3

图4

图5

图6

图7

图8

参考文献 20

[1]	谢玲红，吕开宇，郭冬泉. 新型农业经营主体融资供需现状与异质性分析——来自16004个主体的经验数据［J］. 金融理论与实践， 2022（4）： 41-49.
	Xie L H， Lv K Y， Guo D Q.Analysis on the status quo and heterogeneity of financing supply and demand of new agricultural business entities： Empirical data from 16004 subjects［J］. Financial Theory & Practice， 2022（4）： 41-49.
[2]	张潇扬，窦一凡，张成洪，等. 企业数据联邦学习的收益分享机制研究［J］. 工程管理科技前沿， 2023， 42（2）： 8-15.
	Zhang X Y， Dou Y F， Zhang C H， et al. Research on the profit-sharing mechanism for federated learning［J］. Frontiers of Science and Technology of Engineering Management， 2023， 42（2）： 8-15.
[3]	Thi Le T H， Tran N H， Tun Y K， et al. An incentive mechanism for federated learning in wireless cellular networks： An auction approach［J］. IEEE Transactions on Wireless Communications， 2021， 20（8）： 4874-4887.
[4]	Zhang J， Lou W， Sun H， et al. Truthful auction mechanisms for resource allocation in the Internet of Vehicles with public blockchain networks［J］. Future Generation Computer Systems， 2022， 132： 11-24.
[5]	Zhu K， Xu Y， Jun Q， et al. Revenue-optimal auction for resource allocation in wireless virtualization： A deep learning approach［J］. IEEE Transactions on Mobile Computing， 2022， 21（4）： 1374-1387.
[6]	Wang Z， Yu Y， Liu D， et al. A resource allocation scheme with the best revenue in the computing power network［J］. Electronics， 2023， 12（9）： 1990-2002.
[7]	Ng J S， Lim W Y B， Xiong Z， et al. A hierarchical incentive design toward motivating participation in coded federated learning［J］. IEEE Journal on Selected Areas in Communications， 2022， 40（1）： 359-375.
[8]	Xiao J， Gao Q， Yang Z， et al. Multi-round auction-based resource allocation for edge computing： Maximizing social welfare［J］. Future Generation Computer Systems， 2023， 140： 365-375.
[9]	Lim W Y B， Ng J S， Xiong Z， et al. Decentralized edge intelligence： A dynamic resource allocation framework for hierarchical federated learning［J］. IEEE Transactions on Parallel and Distributed Systems， 2022， 33（3）： 536-550.
[10]	张宗翔，郑大庆，张成洪，等. 面向应用的联邦学习研究评述：基于“要素-过程”框架［J］. 管理工程学报， 2024， 38（1）： 14-30.
	Zhang Z X， Zheng D Q， Zhang C H， et al. Literature review on federated learning application： Based on“element-process”framework［J］. Journal of Industrial Engineering and Engineering Management， 2024， 38（1）： 14-30.
[11]	楼永，常宇星，郝凤霞. 区块链技术对供应链金融的影响——基于三方博弈、动态演化博弈的视角［J］. 中国管理科学， 2022， 30（12）： 352-360.
	Lou Y， Chang Y X， Hao F X. The influence of blockchain on supply chain finance： Based on tripartite game theory and dynamic evolutionary game theory［J］. Chinese Journal of Management Science， 2022， 30（12）： 352-360.
[12]	Yuan S， Li J， Wu C. JORA： Blockchain-based efficient joint computing offloading and resource allocation for edge video streaming systems［J］. Journal of Systems Architecture， 2022， 133： 102740.
[13]	吴江，杨亚璇，邹柳馨，等. 基于区块链的面向小农主体的农业供应链金融信息共享模型研究［J］. 情报科学， 2023， 41（9）： 97-106.
	Wu J， Yang Y X， Zou L X， et al. The information sharing model of agricultural supply chain finance for small farmers based on blockchain［J］. Information Science， 2023， 41（9）： 97-106.
[14]	王道平，朱梦影，周玉. 区块链环境下基于产出不确定的供应链融资策略研究［J］. 管理评论， 2023， 35（3）： 257-266.
	Wang D P， Zhu M Y， Zhou Y. Supply chain financing strategy based on uncertain yields in blockchain environment［J］.Management Review，2023，35（3）： 257-266.
[15]	李小莉，陈国丽，张帆顺. 系统视角下基于“区块链+物联网”的农业供应链金融体系构建［J］. 系统科学学报， 2023， 31（1）： 78-82+88.
	Li X L， Chen G L， Zhang F S. Construction of agricultural supply chain finance system based on “blockchain + Internet of Things” from the perspective of system［J］. Chinese Journal of Systems Science， 2023， 31（1）： 78-82+88.
[16]	王生生，陈境宇，卢奕南. 基于联邦学习和区块链的新冠肺炎胸部CT图像分割［J］. 吉林大学学报（工学版）， 2021， 51（6）： 2164-2173.
	Wang S S， Chen J Y， Lu Y N. COVID-19 chest CT image segmentation based on federated learning and blockchain［J］. Journal of Jilin University （Engineering and Technology Edition）， 2021， 51（6）： 2164-2173.
[17]	张忠良，龚晟琛，汪翼，等. 基于动态规划的联邦学习参与方选择优化方法［J］. 系统工程理论与实践， 2024， 44（12）： 4064-4083.
	Zhang Z L， Gong S C， Wang Y， et al. Client selection optimization method based on dynamic programming for federated learning［J］. Systems Engineering-Theory & Practice， 2024， 44（12）： 4064-4083.
[18]	Tu X， Zhu K， Luong N C， et al. Incentive mechanisms for federated learning： From economic and game theoretic perspective［J］. IEEE Transactions on Cognitive Communications and Networking， 2022， 8（3）： 1566-1593.
[19]	Myerson R B. Optimal auction design［J］. Mathematics of Operations Research， 1981， 6（1）： 58-73.
[20]	Dütting P， Feng Z， Narasimhan H， et al. Optimal auctions through deep learning［J］. Communications of the ACM， 2021， 64（8）： 109-116.