WAIC 2022 | 洞见科技 CTO 何浩：隐私计算统一底座赋能金融数字化转型

2022 年 9 月 09 日
北京
本文字数：1957 字
阅读完需：约 6 分钟

近日，由世界人工智能大会组委会办公室指导，华东师范大学长三角金融科技研究院、机器之心主办的「WAIC 2022·金融科技与数据要素论坛」在上海张江科学会堂顺利举办。论坛聚焦金融业数据要素融合生态建设，汇聚金融数据要素产业链核心参与方，洞见科技受邀与中国银联、工商银行、中国银行、浦发银行、中银金科、平安科技等机构一同出席会议，围绕金融数据治理、隐私计算技术与实践等关键议题进行交流。

在本次论坛上，华东师范大学党委常委、副校长周傲英，中银金科执行董事兼副总裁林坚军，中国银联云计算中心总经理韩韬，上海浦东发展银行总行信息科技部副总经理万化等嘉宾出席。洞见科技 CTO 何浩受邀出席，并发表了题为《隐私计算统一底座赋能金融数字化转型》的演讲。

以下是何浩的主要观点：

01 金融机构数字化转型遇数据安全挑战

当前，数据作为数字经济时代最重要的生产要素，已成为支撑金融机构数字化转型的关键，业内普遍认识到必须充分挖掘释放数据要素的价值潜能。与此同时，随着国家在隐私保护、数据安全层面法律法规的相继出台，金融行业面临的监管也日趋严格。目前，金融机构开展的智能营销、智能产品、智能风控等业务均基于数据能力的扩展，如何在保障数据安全和隐私保护的前提下，实现数据智能的应用，成为金融机构数字化转型中面临的重要挑战。

02 隐私计算成为数据安全流通的技术最优解

隐私计算凭借「原始数据不出域，数据可用不可见」的特性，在将「可见的具体信息」部分保留在本地，保证数据所有权归属的前提下，将「不可见的数据计算价值」释放给数据应用方，最终实现全局无损的数据智能。无论是技术探索还是场景落地，隐私计算技术均已被证实为解决既要数据流通又要数据安全矛盾的技术最优解。

03 金融机构应用隐私计算技术的问题

目前已有诸多注重数据安全和隐私保护的金融机构在业务应用中落地隐私计算技术，但在单一通用的隐私计算平台应用过程中主要遇到三类问题：

数据源采用异构隐私计算平台无法互联互通

隐私计算的特殊性在于需要「计算的对手方」共同完成计算任务，对应到数据供给侧的数据源机构。目前数据源机构或自研或外采隐私计算平台，但如果数据源机构与金融机构采用的隐私计算平台不同，便无法互联互通以协同完成建模或计算任务。

金融机构内部对算法引擎能力的需求差异

金融机构内部单一的隐私计算算法引擎在不同业务部门被赋予不同的使用需求和能力要求：或侧重于营销场景，或侧重于反欺诈场景，有些倾向于传统机器学习算法，有些则使用深度学习更多，单一算法引擎的拓展性通常不能同时满足金融机构众多业务部门的需求。

隐私计算平台与内部系统的对接成本

隐私计算平台与内部系统的对接可以分为两类：一是与金融机构现有基础设施平台的对接，包括计算集群、存储集群、消息总线等；二是与金融机构内部系统的对接，如用户权限系统、监控系统、审计系统、业务系统等，此类面向不同平台或系统的对接无疑会增加成本。

04 洞见科技隐私计算统一底座设计

基于上述问题，洞见科技在行业内率先提出了「隐私计算统一底座」设计方案。

隐私计算统一底座的设计思想是将多套「隐私计算算法引擎、插件化的算法组件、微服务化的安全算子」作为底座承载的核心能力，以核心算法引擎框架为中枢，将上端统一应用服务层、下端基础服务适配层，以及内部系统对接层和外部节点互通层进行统一的定义和开发，当算法能力增加时不再需要额外的对接成本。

隐私计算统一底座有效解决了目前金融机构的四类平台应用问题：

一是解决异构隐私计算平台无法互联互通的问题：统一底座可以提供统一的核心算法引擎框架以兼容不同厂商的算法及算法引擎，提供算法及算子级别的互联互通能力。

二是解决多套算法引擎和算法插件的应用问题：统一底座为最终用户提供统一的可视化交互体验，底层适配多套算法引擎和算法插件。

三是解决与金融机构现有各系统的重复工作问题：统一底座可以抽象出共性基础服务，完成服务的一次性封装和能力输出。

四是解决隐私计算能力赋能到其他系统的问题：统一底座通过隐私计算应用能力抽象，快速将隐私计算算法能力输出到其他业务系统，降低对接成本。

05 基于统一底座的数据智能生态展望

未来，洞见科技希望统一底座能够实现从「数据容器」到「算法容器」再到「应用容器」的扩展。不仅能够打通数据孤岛，将分布在不同主体机的数据资源加载到统一底座，进行数据预处理准备，还能将不同技术栈的隐私计算引擎、数据智能算法、安全计算算子插件化集成，进而输出更加标准化的隐私计算能力，以数据和算法融合的数据智能赋能金融科技应用的安全升级。