近年來，大數據、云計算、人工智能等新興技術與金融行業的深度融合，孕育了新的金融服務產品和模式。這些新產品、新模式一方面為用戶提供精準化、個性化、便捷化的服務，一方面大量挖掘和收集用戶數據和信息。與之伴生，用戶數據信息泄露事件多發。如何平衡數據使用和隱私數據保護成為一道亟需解決的課題。

今年9月份，《數據安全法》已正式施行，《個人信息保護法》也于11月份落地。與此同時，金融監管部門對于金融業數據安全的執法檢查也在以空前的力度加強。監管趨嚴之下，金融業強化數據應用的安全性與合規性迫在眉睫。

在這一背景下，隱私計算技術逐漸走進金融業的視角。香港科技大學智能網絡系統實驗室主任、副教授、星云Clustar創始人陳凱表示，隱私計算技術可以幫助人工智能為代表的應用領域，合理引入更多受隱私、安全因素限制的數據，推動不同機構的數據融合，催生出新的應用場景，讓過去的不可能成為可能。IDC中國金融行業研究團隊總監高飛表示，隱私計算技術實現了數據可用而不可見的效果，是數據安全進行協同合作的關鍵技術。

有銀行人士表示，在大數據融合應用和客戶隱私保護的雙重需求驅動下，隱私計算技術正在成為金融業剛需，銀行在隱私計算方面投入了大量精力。

隱私計算打破“數據孤島”

數字經濟時代，海量數據散落于不同的組織機構，并在一定程度上形成了“數據孤島”。在此情況下，聚合多方主體的數據協作是當下放大數據價值的必然選擇。對于金融業而言也是如此。

高飛表示，數字化金融時代，開放銀行、API銀行是行業發展的大趨勢，金融業務形態更加開放，而數據和數據價值共享是開放金融的基本特征。基于金融機構內外部平臺及生態類數據的多方建模是實現數據作為新興生產要素最大價值化的有效途徑。

傳統上，銀行都是基于歷史還款信息、征信數據和第三方數據來做貸前反欺詐，但存在數據維度缺乏、數據量較少等情況，需要融合多方數據聯合建模才能構建更加精準的反欺詐模型。而多方主體數據協作過程中一直面臨著數據隱私及安全這一“痛點”。這不僅涉及監管的合規要求，也是金融機構風險管理的重要組成部分。

建信金融科技有限公司創新實驗室總經理王雪表示，金融機構在開展信貸業務過程中，客戶畫像等場景下均對多方數據融合有著關鍵需求。在隱私計算技術出現之前，更多是通過數據直聯等方式接觸到外部數據。在數據隱私保護這一必然趨勢下，隨著全球數據保護法律法規的成熟，機構面臨數據合規監管的壓力遠超以往。

近年來，一些致力于打破“信息孤島”的“數據湖”操作技術成為國內外研究的熱點，其中最受關注的就是隱私計算。

所謂隱私計算，是一種由兩個或多個參與方聯合計算的技術和系統，參與方在不泄露各自數據的前提下通過協作對他們的數據進行聯合機器學習和聯合分析。在隱私計算框架下，參與方的數據不出本地，在保護數據安全的同時實現多源數據跨域合作，可以破解數據保護與融合應用難題。

前述銀行人士表示，隱私計算作為平衡數據價值挖掘和隱私保護有效的解決方式，為數據流通和價值共享提供了一條重要的技術路徑。王雪也表示，隱私計算是可以在確保數據保密性和隱私的同時，實現數據共享。

落地金融風控、營銷等場景

中國人民銀行組織制定的《金融業數據能力建設指引》明確了金融業數據能力建設要遵循用戶授權、安全合規、分類施策、最小夠用、可用不可見的五個基本原則。

專家表示，金融行業要增強數據應用的安全性與合規性。在技術上，既要利用加密存儲、去標識化、身份認證等“老辦法”嚴防數據泄露、篡改和不當使用，更要應用多方安全計算、聯邦學習、聯盟鏈等“新方法”實現數據可用不可見、數據不動價值動，構筑支撐跨機構、跨市場、跨領域數據安全共享的科技方舟。

上述提到的聯邦學習、多方安全計算均是常見的隱私計算技術路徑。其中，自從1980年代姚期智提出著名的“姚氏百萬富翁問題”以來，多方安全計算已經從一個理論熱點逐漸發展成為一個可以部署在大規模數據分析計算方案上的隱私保護應用。而聯邦學習由谷歌在2016年提出。

從隱私計算的落地進程來看，金融行業占據了主導地位。高飛表示，金融行業對于數據安全和隱私保護要求高、監管嚴的現狀對隱私計算在金融場景中的落地起到了極大的推動作用。

具體看，前述銀行人士提出，營銷獲客業務需要對用戶進行精準識別，智能風控業務需要對客戶進行反欺詐評估，這里面都要用到隱私計算。例如，采用隱私計算的銀行風控模型可以利用第三方數據來提高模型的有效性，同時保持數據的安全性和隱私性。基于此，高飛認為，隱私計算將極大激發開放金融生態的巨大潛能。

不過目前來看，金融機構對該隱私計算的認知還處于初級階段，其在金融業的落地場景仍然處于“單點試驗”階段，主要集中于風控及營銷。高飛表示，隱私計算在金融業走到規模化落地還有待時日，這與開放金融生態的水平、隱私計算廠商的競合關系、數據合規監管強度等有著直接關系。

本文轉載目的在于知識分享，版權歸原作者和原刊所有。如有侵權，請及時聯系我們刪除。