金融机构求索数据价值，“数牍方案”提供可行解 数牍科技

大数据时代，各行各业都在谋求行之有效的数字化转型路径，金融行业作为数字化应用最为广泛的行业之一，在此方面的探索一直走在前沿。当前监管趋严，《个保法》、《数安法》接连推出，数据使用规范层级提高，在安全合规方面对金融机构提出更高的要求，行业亟须形成新的数据要素流通方式。

金融行业在数据采集、生产、挖掘过程中具有丰富的积累与需求，数据价值贯穿金融风控、营销、运营等全业务流程。数据跨域流通成为常态，由于可在计算环节解决信息保密问题，隐私计算在金融行业具有较大的应用空间，可有效适配金融行业 IT 架构的“五高”需求，即高性能、高可靠性、高扩展性、高安全性、高可管理性。

因此隐私计算技术提供方不仅需要具备丰富的银行服务经验，了解数据合作相关政策及法律要求，也要对数据驱动精准营销、量化风控等场景有较强的解决方案能力及落地经验。同时，其隐私计算产品需接入丰富的数据源生态，产品的有效性和稳定性应被充分检验。

今年 3 月，数牍科技签约交通银行隐私计算平台软件采购项目，为交行总行及各分行提供隐私计算平台的基础设施和场景服务。快速拉通数据源后，数牍正与交行总行及各分行共同探索多个应用场景的落地范式。

2021 年，数牍科技中标工商银行联邦学习平台项目，为工商银行搭建总行级的隐私计算平台和场景建设。过程中，数牍和工商银行合作完成多个隐私计算场景共建项目，服务涵盖母子公司数据协作、政务数据开放、运营商数据引入欺诈风险防范等场景。

在客户营销和服务领域，数牍与工商银行正按计划稳步落地多个业务场景，例如通过隐私计算技术打通同一客户在集团内的存款、按揭、基金理财、保险等多领域数据，可破解其客户信息不对称问题。基于隐私计算系统安全融合工商银行内多方数据源，工商银行正在打造集团级客户全景画像体系，构建集团一体化客户营销和服务体系，最终实现母子公司、子子公司之间横向的业务联动和互相引流。

在风险管控领域，数牍的方案可帮助金融机构提升贷前、贷中等流程风险防控能力和效率。在工商银行山东省分行和中国移动集团山东省公司“基于多方数据学习的普惠信贷风控服务”项目中，数牍提供技术支持和实施，该项目被信通院评为星河优秀隐私计算案例。同时入选山东省金融科技创新监管工具第一批创新应用项目，对于使用联邦学习等隐私计算技术，破解金融数据孤岛，推动金融数据要素价值发挥，实现对于中小微企业的普惠金融服务，为各个银行机构提供示范，具有广泛的可复制性、可推广性。

数牍在方案中设计多重的数据处理流程，应用联邦学习平台在数据不可见的基础上，完成了相应的数据处理工作，包括数据去重，极值去除，缺失值填充等变量异常处理，变量衍生，变量转换等特征工程方法，变量聚类，变量选择等变量探索和筛选方法。从模型的应用效果看，业务测算效果下，当该模型完整应用于现有业务中，预计可有效降低工商银行现有小微贷款的全周期坏账，年降低小微企业不良贷款损失约千万元。

在贷中阶段，数牍助力工商银行探索外部机构的不动产数据，融合不动产等特征，通过数据不出库的方式建立风险监控联合模型，加强其贷中风险监控能力。数牍为工商银行北京分行贷中监测联邦学习项目提供技术支撑和项目实施。通过隐私计算技术引入外部数据建立模型，提高工商银行既有产品的风险识别能力，保证在建模和应用阶段双方数据不出库，满足安全合规需求。

数牍科技致力于打造数据流通底层基础设施，是国内较早以系统性综合工程的视角实现隐私保护技术服务的企业。隐私计算是一套包含密码学、人工智能、统计学、数据科学、计算机硬件等众多领域交叉融合的跨学科技术体系，主要包括多方安全计算、联邦学习、可信执行环境等技术。

基于此，数牍研发出具有完全自主知识产权的隐私计算平台 Tusita，可在保证原始数据不可见的前提下实现多方数据的安全协作，释放数据价值。在今年 7 月公布的第六批中国信通院“可信隐私计算评测”名单中，Tusita 通过该批评测首次推出的“多方安全计算性能大规模专项评测”、“联邦学习性能大规模专项评测”。

上述性能大规模专项评测，区别于原有的性能测试，在大幅增加样本量和特征维数，对安全性、计算精度严格要求的基础上，围绕多方安全计算在基础运算、联合统计、隐匿查询、安全求交、特征工程、联合建模、联合预测等方面的性能表现，围绕联邦学习在安全求交、特征工程、联合建模、联合预测等方面的性能表现进行全面的增压测试，Tusita 作为未来更能满足隐私计算大规模商用场景的产品被筛选而出。

随着技术积累和行业认知的不断沉淀，数牍科技正助力金融行业深入挖掘数据价值，并为数据流通构建安全、高效的环境不断努力，致力于帮助金融机构在满足数据安全、个人信息保护和监管合规要求的前提下，盘活多方数据资源，引入外部数据价值，使其获得更准确高效的模型和决策。