洞见科技数据科学家王湾湾：隐私计算助推金融业数字化转型

近日，CSDN 联合易观分析推出系列隐私计算 MeetUp 活动，邀请到隐私计算头部企业、协会联盟、学研机构等多位重量级嘉宾汇聚一堂，畅所欲言，共同描绘数字经济的未来蓝图。洞见科技数据科学家王湾湾受邀出席隐私计算 MeetUp 第二期，作为演讲嘉宾分享《隐私计算助推金融业数字化转型》。

以下为演讲精彩回顾：

01 隐私计算打造金融业数据要素流通新方式

2022 年 1 月，中国人民银行印发《金融科技（FinTech） 发展规划（2022—2025 年）》提出「全面加强数据能力建设，在保障安全和隐私前提下推动数据有序共享与综合应用，充分激活数据要素潜能，有力提升金融服务质效。」在金融业转型过程中，离不开数据要素价值的释放。

数据要素扩大开放伴随着数据流通监管趋严。国家隐私保护和数据安全的法律法规日渐完善，金融业也有相应的措施规范数据的应用，例如《个人金融信息保护技术规范》《金融数据安全数据安全分级指南》《征信业务管理办法》等，从金融数据采集、传输、应用、销毁等各个环节作出详细的规定。

面对强监管下的数据要素流通，金融业传统的数据流通方式难以满足监管合规要求。例如，传统的数据包及 API 模式，面临着多重数据泄露的风险。此外，数据源出于信息安全和隐私保护需要，提供给银行的是标准的评分产品或加工删减后的信息，而非定制化的产品，效果会大打折扣。

隐私计算技术能在数据不出私域的情况下，实现数据隐私保护和价值挖掘。隐私计算将数据要素分为可见的具体信息和不可见的计算价值部分，将数据所有权和使用权进行分离。在原始数据不出私域的情况下，构建智能决策模型，实现「数据不动模型动」，从数据信息流通演变成数据智能流通。

02 隐私计算为金融业数智化转型赋能

隐私计算不仅促进金融业数据安全合规流通，还能为金融业务带来数据智能效果增益。

传统金融风控或营销模型构建中，为保护信息安全，采用的是子模型加上总模型的智能决策建模方法，一定程度上减少了原始信息泄露，模型效果有所损失，达成的是局部最优解。通过隐私计算技术，金融机构可以引用多方数据，构建全局数据模型，实现金融场景模型构建从局部的最优解到全局最优解，模型效果预期得到显著提升。

金融业的隐私计算应用正朝着高质量发展迈进。据艾瑞咨询报告，约 30%的金融机构已经开始隐私计算的 POC 或实践，约 61.5%的金融机构，计划在 2022 年开启隐私计算的实践。一方面，隐私计算技术在金融业应用标准不断完善，产品评测体系逐步健全；另一方面，隐私计算金融行业的应用场景逐渐细分、外延，例如新客营销、存客经营、反欺诈、风险监控、资产定价等，延伸到金融客户的全生命周期管理之中。

03 洞见数智联邦平台（InsightOne）技术与应用

洞见科技独立自研的数智联邦平台 InsightOne,前瞻性地采用「MPC+FL」融合引擎架构，实现数据智能全流程保护技术解决方案，涵盖数据智能模型建设四大阶段。

第一阶段采用隐私保护集合运算（PSI）进行数据对齐，保护客户非交集部分的信息；第二阶段采用联邦学习（FL） 进行模型训练，保护模型训练原始数据的隐私；第三阶段采用多方安全计算（MPC）进行在线推理，来保证预测样本入模特征的隐私；在模型部署上线之后的模型调用阶段，采用匿踪查询（PIR）保护金融机构查询主体的隐私信息安全，形成数据智能模型隐私保护解决方案闭环。

InsightOne 平台总体分为四大层次。

基础系统优化层包括 TEE 增信组件、信创适配组件、FPGA 加速组件等提升整体性能。第二层是数据处理层，提供虚拟数据集融合、ID-Mapping、格式化数据处理、匿名化数据处理等。

计算引擎层是核心层，基于底层密码协议支持多个隐私计算引擎，如安全多方计算引擎、可信联邦学习引擎、隐私集合运算引擎、隐私安全检索引擎、图计算/图学习引擎等。此外，InsightOne 通过区块链技术来进一步保障隐私计算的可信度，也支持「白盒/灰盒/黑盒」三种方式与异构隐私计算平台互联互通。

最上层为场景服务层，基于洞见科技服务金融行业的经验积累，推出了精准营销、金融风控、保险精算、资管评级和统计分析等专业的金融场景解决方案与服务。

例如，在金融风控场景，通过隐私计算平台构建安全可控的数据连接通道，覆盖反欺诈、反洗钱、信用评估和风险预警等；在营销场景，通过隐私计算平台精准识别客户意愿，提升客户体验，拓展市场；在保险场景，通过隐私计算平台对保险产品的设计和定价进行联合计算，获取更精准的精算模型，有助于开发出更丰富的保险产品、服务于更广泛的人群；在资管场景，通过隐私计算平台构建潜在投资人、监管机构、资产持有方、评级机构等多方安全可信数据协同链路，实现「资产信用可见，资产数据不可见」，促进资产高效流通。