金融壹账通：隐私计算解题数据“不可能三角”

　　1月28日是国际数据保护日，其目的是鼓励人们关注数据安全，以实际行动来保护在线个人信息安全。尤瓦尔·赫拉利在《未来简史》里预测过，互联网时代的竞争将是数据的竞争。与1981年确立国际数据保护日时相比，如今的生活中，小到衣食住行，大到空间环境，无一不被信息、数据所包围。

　　如何在海量信息的大环境下，合理、合法地开展数据应用，并且有效、及时地保证用户隐私，成为数据时代不可回避的问题。有人把数据隐私、数据共享和数据交易称作数据的“不可能三角”。既要保证数据流通和共享，同时需要将那些无所不采、无所不用的数据信息，限定在一个安全阈值范围之内。这项看上去似乎是很难完成的任务，正在通过一种叫做“隐私计算”的技术轻松化解。

　　有行业人士估算，隐私计算行业整体市场规模或将超过千亿元。面对亟待爆发的这个市场，包括蚂蚁、腾讯、中国平安在内的行业顶流已经具备了“隐私计算”技术的绝对优势，无论在专利技术，亦或是研发投入上均不吝投入。

　　当下瞬息万变的商业环境中，谁将占得先机？

　　数据隐私之痛何解

　　如果提炼2021年的十大关键词，“数据安全”必须占有一席之地。

　　2021年，我国迎来网络安全和数据保护领域的立法“大年”。《关键信息基础设施安全保护条例》《中华人民共和国数据安全法》《中华人民共和国个人信息保护法》等新法规，与2017年出台的《中华人民共和国网络安全法》共同构成了我国网络空间的监管体系。

　　2021年9月22日，CBIRC发布的新版《商业银行监管评级办法》，把“数据治理”增加为评级要素，数据真实性、准确性、完整性将作为评判银行风险管理状况的基础性因素，从而加大数据治理监管力度。数据保护能力已成为数字时代企业的生存基础，数据安全则是数据治理的重要部分。

　　明文数据一旦可见就可被无限复制，继而暴露数据信息和隐私。数据被乱用、滥用还会导致数据价值无法定价，无法形成大规模的市场流通。随着计算发展，数据脱敏、匿名和沙箱模式等传统的数据安全模式，已经无法解决数据要素市场化过程中存在的诸多问题和挑战。因此，隐私增强计算正成为企业机构需要深挖的重要战略科技趋势之一，并在诸多领域开始应用。

　　比如，在金融领域，前不久金融科技公司金融壹账通公司成功中标招商银行的“隐私计算平台互联互通”项目。无独有偶，该公司还与另外一家行业头部信息技术公司联手建设了隐私计算平台，共同探索在满足隐私计算要求下业务迫切需要的金融数据流通与合作模式。均成为“隐私计算”技术落地场景比较成功的项目。

　　所谓隐私保护计算（Privacy-Preserving Computation），是由两个或多个参与方联合计算的技术和系统，通过协作对数据进行联合机器学习和联合分析，实现数据处于加密状态或非透明（Opaque）状态下的计算，从而达到各参与方隐私保护的目的。

　　隐私保护计算不是一种单一的技术，而是一套包含人工智能、密码学、数据科学等众多领域交叉融合的跨学科技术体系。相比传统的多中心合作模式或隐私保护手段，隐私保护计算既能实现计算结果精度可保证、数据使用过程可追溯，又能在此基础上增加样本量、丰富数据维度。因此，可以大幅释放数据价值、提升数据资源使用效率、促进数据要素化市场发展。

　　“不可见”之下的数据“可用”

　　数据的价值在于应用和交易。金融行业对于数据价值的应用需求以及对数据安全的诉求，使得可以真正做到“数据可用不可见，可控可计量”的隐私计算，成为最可行的数据解决方案。

　　2017年，中国平安便开始布局隐私计算领域，经过多年的沉淀，已经拥有一件决胜千里的“利器”，这就是由其完全自主研发的全方位数据服务商业解决方案——“蜂巢” 联邦智能隐私计算平台，该平台获得了“2020年BAI全球创新奖监管科技创新奖”、“2020年中国计算机学会科学进步优秀奖”等重要奖项。

　　“蜂巢”的隐私计算以创新金融生态为基础，创新性地提出了“联邦智能+”概念，在图计算、计算机视觉、自然语言处理等领域进行技术延伸突破，完全自主研发联邦图、联邦视觉、联邦翻译、联邦NLP等行业内首创技术，为隐私计算行业打开了新世界的大门。金融壹账通的隐私计算其背后的技术支持，便来源于中国平安这个“蜂巢” 联邦智能隐私计算平台。

　　隐私计算的应用场景非常广泛，主要应用于金融风控、金融营销、监管科技、医疗等场景。目前蜂巢联邦智能隐私计算平台已经成为解决当下数据难题与隐私保护的一大利器，助力企业建设跨企业、跨数据、跨领域的大数据AI生态。

　　例如，某银行拥有行内贷款风控建模信息，希望由此拓宽信息维度，然而，传统的外部信息引入、数据拼表建模的形式存在着流程慢、数据安全隐患等诸多痛点。在业务发展与风险规避的双重需求之下，银行采用联合建模方式，与某互联网公司进行合作，在银行自有的风控模型的基础上，利用互联网公司的用户消费记录等，针对风控场景进行联合建模，补充优化银行的风控模型。

　　据蜂巢平台相关负责人介绍，在上述这个过程中，蜂巢联邦学习则可以保证双方数据不出本地，杜绝数据安全隐患，通过联邦学习、多方安全计算、安全求交、隐私检索、可信计算、零知识证明等底层应用，可以帮助银行利用互联网公司信息，扩充风控模型数据特征，提升现有风控模型效果。

　　以金融壹账通与招商银行的合作为例，该合作基于蜂巢联邦智能隐私计算平台与招行的慧点隐私计算平台展开，将打造出多方跨异构隐私计算平台互联互通的项目模式，合作将围绕互联互通场景展开，在单一隐私计算平台打破“数据孤岛”的基础上，进一步打破“计算孤岛”。未来，该项目将应用于金融风控、反欺诈、黑名单查询等金融场景，通过多方隐私计算平台联合协作，在满足监管数据隐私保护要求的基础上，激活数据潜力，帮助银行提升业务价值。

　　有业内人士指出，数据共享和计算引擎是监管合规和风险防范等关键功能集成的重要前提，可以通过保护数据隐私下的密态联合查询与计算，打破信息孤岛之间的障碍。通过简化合同、账户、风险、财务和交易信息的收集过程，可以为企业制定整体的监督制度，帮助创建真正互通和共享的数据库集群。

　　科技打破金融信息孤岛

　　防范和化解金融风险，维护金融稳定，既是金融工作的重中之重，也是金融监管的根本职责。在此背景下，利用数智化的新科技手段整合金融监管资源，弥补金融监管短板，压缩监管套利空间成为突破口，进而催生了金融科技，以及监管科技的发展。

　　从应用主体来看，金融监管科技包含“监管”和“合规”两个方面：在监管端，监管机构可以利用监管科技手段优化监管模式，提升监管效率，降低监管压力，有助于维护金融体系的安全稳定和防范系统性金融风险；在合规端，金融机构可以运用监管科技降低合规成本，更好地满足监管要求。

　　隐私计算本身的属性，奠定了其已成为金融领域底层通用技术的基础，在金融监管领域中，将会有越来越多的应用场景。

　　在监管数据的隐私计算领域，金融壹账通已有多项成功落地的合作案例。例如，帮助中保登落实保险资产管理领域监管数据标准化工作，构建了以信托、保险、存款等8大维度为基础的近1600项监管标准，从而解决了保险资管公司乏数据治理管理工具等痛点，推动保险资产管理业数据治理稳步前行。

　　为了更好的落实银保监会有关加强信贷资金流向管控的要求，金融壹账通还辅助深圳银保监局构建了基于监管数据的智能监管实验室，帮助其从主体监管目标出发，利用图技术、机器学习等先进技术，实现外汇管理局外汇资金交易及支付渠道研判中心的搭建；并且承建了证监会私募基金监管与信息服务系统，集中形成了私募机构信息数据库，同时成立私募机构服务中心。

　　在合规端，金融壹账通辅助了多家商业银行及保险机构构建智能监管的整车平台，搭建了自底层监管专项集市、质量检核体系及监管应用的完整体系。同时利用近4400项站在监管视角的检核规则，辅助国开行、华夏银行、北京银行、深圳农商、天津银行等银行实现自检自查及监管数据专项治理能力的提升。

　　有金融壹账通人士介绍，“蜂巢”平台正在改变着公众、企业和金融机构对于隐私计算的认识。通过隐私计算及智能金融的研发和探索，“蜂巢”平台开创了行业内新的金融开放生态。

　　“隐私计算平台互联互通”项目将应用于金融风控、反欺诈、黑名单查询等金融场景，未来将拓展至医疗、营销等更多领域。通过多方隐私计算平台联合协作，在满足监管数据隐私保护要求的基础上，共同激活数据潜力，提升客户业务价值。（CIS）