Bankalara anlatılabilir bir federatif kredi riski vitrini: her banka kendi verisinde model eğitir, merkezi sistem sadece karar kanıtı, risk katkısı ve Calybris audit izini görür. A banking-facing federated credit risk showcase: each bank trains on its own shard, while the central layer only sees risk evidence, contribution summaries, and a Calybris audit trail.
BlackSwan tek bir soruyu ele alıyor: birden fazla banka, ham müşteri satırını birbirine göndermeden ortak kredi riski davranışını öğrenebilir mi? Sistem gerçek Lending Club verisiyle çalışıyor; her banka kendi shard'ında model eğitiyor, merkez yalnızca skor, güven ve açıklama özetini görüyor. BlackSwan works on one question: can several banks learn shared credit-risk behavior without sending raw customer rows to each other? It runs on real Lending Club data. Each bank trains on its own shard, and the center only ever sees scores, confidence, and explanation summaries.
Gelir segmentlerine ayrılmış bankalar kendi local modellerini eğitir. Merkezi katman ham satır değil, skor, confidence, drift ve açıklama özetleri tüketir.Income-segmented banks train local models. The central layer consumes scores, confidence, drift, and explanation summaries instead of raw borrower rows.
Calybris boundary PD, stress PD, model güveni ve politika eşiğini deterministik karara çevirir: APPROVE, REVIEW veya DECLINE.The Calybris boundary turns PD, stress PD, model confidence, and policy thresholds into deterministic APPROVE, REVIEW, or DECLINE decisions.
Eksik bureau alanı, bozuk banka update'i, politika imza uyuşmazlığı, WAL kurcalama ve model drift senaryoları ürün kanıtının ana parçası olur.Missing bureau fields, corrupted bank updates, policy signature mismatch, WAL tampering, and model drift become the core proof surface.
Kaggle bootstrap, veri kartı, deterministic sampling, leakage kontrolü.Kaggle bootstrap, data card, deterministic sampling, leakage checks.
Her banka kendi shard'ında eğitir; ham satır merkezi katmana çıkmaz.Each bank trains on its own shard; raw rows never leave the local client.
Rust karar sınırı ML skorunu policy + audit + replay formatına sabitler.A Rust decision boundary fixes ML scores into policy, audit, and replay format.
Risk açıklaması, banka katkıları, policy diff ve WAL doğrulama görünümü.Risk explanation, bank contributions, policy diff, and WAL verification view.
Federated payload içinde müşteri satırı, ad-hoc ID veya yüksek kardinaliteli sızıntı taşıyan alan yakalanır ve build kırılır.Federated payloads carrying customer rows, ad-hoc IDs, or high-cardinality leakage fields are rejected.
Threshold değişikliği imzasızsa motor karar üretmez; REVIEW fallback ve audit event üretir.Unsigned threshold changes stop the engine from issuing normal decisions; REVIEW fallback and audit events are emitted.
Bankalardan biri dağılım dışına çıkarsa merkezi karar skoru değil, güvenli inceleme akışı öne alınır.When a bank moves out-of-distribution, safe review is prioritized over confident scoring.
Tek karar satırı değişirse hash zinciri kırılır; cockpit bunu açık kırmızı audit durumu olarak gösterir.Changing one decision row breaks the hash chain; the cockpit shows it as a hard audit failure.
Gerçek veriyle başlıyor, ham satırı yerinde tutuyor ve her kararı tekrar oynatılabilir bir kanıta bağlıyor. It starts from real data, keeps raw rows in place, and ties every decision to a replayable proof.