WAIC 2022 | 洞见科技王湾湾：隐私计算在金融产业的应用与挑战

近日，「2022 世界人工智能大会· 金融科技与数据要素论坛」在上海顺利举办。论坛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、上海市人工智能行业协会、机器之心主办。洞见科技数据科学家王湾湾受邀，与上海浦东发展银行信息科技部创新实验室人工智能团队负责人郭林海、中国银行上海市分行信息科技部高级技术经理陆培尔等嘉宾，在华东师范大学数据学院院长钱卫宁主持下进行圆桌交流，结合隐私计算在金融行业的实践，探讨了隐私计算在金融业落地应用中的主要挑战及应对之策。

以下为王湾湾在圆桌对话中的精彩回顾：

隐私计算技术在金融场景的应用

钱卫宁：隐私计算技术在金融领域应用的场景有哪些？这一技术在银行业务开展中所带来的真实效果又体现在哪些方面？

王湾湾：人工智能、区块链、云计算、大数据等新技术的应用，助力了金融行业在获取资源精准配置、服务渠道全时化、业务流程自动化、风控管理智能化等方面的绝对优势。

隐私计算近年来同样被广泛关注，一方面受国家鼓励数据要素价值释放的政策影响，金融机构数字化转型亟需充分发挥数据价值。另一方面针对数据安全与隐私保护的监管法规不断出台，企业面临的监管日渐趋严，倒逼其寻求技术解决路径。目前隐私计算行业发展态势持续向好，表明隐私计算已被公认为解决既要数据流通又要数据安全矛盾的技术最优解。

隐私计算技术对于金融场景的赋能体现在：传统使用机器深度学习构建模型通常只涉及金融机构与数据源双方参与，而隐私计算则可以扩展到多方协同合作，通过融合多方数据建模以提升效果。在传统深度学习落地应用中，计算只发生在一方，而隐私计算技术则需要金融机构和各合作方均准备相应的硬件、网络等资源协作完成。

隐私计算技术的最大价值在于实现「数据可用不可见」以保障数据安全的同时，不影响业务决策效果，在具体的应用场景中对应不同的技术：

• PSI（隐私求交）可以实现不同场景中的应用提效，针对新客运营场景能够实现精准人群的圈定，而在高质量获客场景中可以助推客群获取；

• FL（联邦学习）在联合风控、联合营销、反洗钱、反欺诈等丰富场景中的模型构建，能够实现多方数据引入，进而提升业务决策精度和效率；

• MPC（多方安全计算）能够完成联合统计，助力运用多方数据进行特征衍生从而提升整体模型效果；

• PIR（匿名追踪）能够规避传统标签查询存在的客户信息泄露风险，保护银行主体信息，并能应用于黑名单场景、风险信息共享场景及三要素核验场景。

以上四重链路组合能够形成数据在整体业务的应用闭环，从而发挥隐私计算的更大价值。

隐私计算技术的挑战与未来发展

钱卫宁：如何看待隐私计算规模化商用所面临的挑战，应该怎样应对？隐私计算被视为大数据时代的「下一代基础设施」，未来隐私计算技术的产业发展方向是什么？

王湾湾：在性能层面，技术路线的差异会面临不同的挑战，需攻克出相应的解决方案。例如联邦学习面对亿级甚至百亿级数据训练和预测的耗时，在算法原理层面或工程优化层面仍有较大提升空间。多方安全计算技术性能瓶颈则体现为通信量方面，除在算法层面优化外，还需着力于通信效率提升和压缩通信内容以优化性能。

在安全性层面，隐私计算是多学科交叉的技术体系，由于其原理层和实现层具有复杂性，致使在隐私计算安全性理解上存在较高的认知成本。目前主要通过测评方式来验证，但仍存在较高的市场推广成本，具有一定探索空间。

在互联互通层面，目前各厂商已在数据生态中部署诸多节点，正通过「布点连线」方式融合输出数据价值。但从「布点」到「连线」再到「结网」，这一过程需要借助互联互通的建设以实现全局数据价值的真正释放。因此，洞见科技也在积极倡导参与各项互联互通标准建立，并于今年 6 月牵头 IEEE 全球首个「隐私计算互联互通」国际标准。

作为国内领先的隐私计算技术服务商，洞见科技以「技术研发+落地应用」双向迭进驱动，持续赋能金融业数据智能的合规应用。未来，洞见科技将继续助力金融业数字化转型，聚力打通金融数据要素可信流通堵点，发挥「数据+科技+金融」乘数效应，推动金融科技和数据要素赋能千行百业。