观点 | 积极布局隐私计算，推动金融数据价值倍增

欢迎金融科技工作者积极投稿！

投稿邮箱：[e-mail]

                                              ——金融电子化

      

文 / 中国金融电子化集团有限公司战略规划部总经理  习辉

金融信息化研究所  王帅强  从平平

数字经济时代，数据已经成为最活跃的生产要素。我国《“十四五”数字经济发展规划》提出数据要素是数字经济深化发展的核心引擎，要建立数据要素市场体系,充分发挥数据要素作用，加快数据要素市场化流通。与此同时，《数据安全法》《个人信息保护法》《征信业务管理办法》等法律法规和管理办法落地实施，数据合规与隐私保护已成为企业的一项重要任务。金融业是数据密集型行业，数据综合利用、推动价值倍增面临数据治理水平与数据应用需求不相适应、数据安全和发挥数据要素价值难以平衡、数据确权和定价等难题，充分利用新技术发挥数据价值已受到金融机构广泛关注。金融机构积极布局隐私计算技术，建设多方安全计算平台，将推动行业加快数据应用步伐。

金融业数据应用取得积极成效，面临共享难题

我国金融机构高度重视数据综合利用，在行业规划引导下，多措并举、加快推进数据赋能，取得显著成效。基于FITI2022年度对236家金融机构的问卷调研统计分析，目前金融机构数据利用成效主要分四个层次。一是实现决策管理智能化。10%的金融机构绝大部分数据得到分析利用，并通过大数据、人工智能等新技术实现金融业务和管理决策的智能化，显著提升金融服务供给能力和水平。二是实现数据驱动决策，并能预测发展。三分之一的机构能够对大部分数据进行挖掘分析，为业务发展提供预测，并优化改进决策方案，持续改进金融产品和服务。三是初步实现决策支撑，数据赋能。一半以上机构开始探索数据综合利用，少部分数据得到开发与利用，初步实现数据驱动决策，有效支撑了业务拓展。四是尚未开展数据综合利用。个别机构仍处于信息化阶段，尚未实现企业级数据架构，没有开展数据应用。总体而言，236家机构应用情况的中位数处于第三个层次，金融数据应用还有非常大的潜力和空间。

图1  金融机构数据应用情况

金融数据应用普遍面临价值挖掘能力不足、外部数据获取难等问题。FITI2022年度调研数据表明，70%以上的机构反映数据价值挖掘能力不足、数据丰富程度不够、外部数据获取难；六成机构数据和信息安全管理难度大、数据质量不满足开发要求；一半机构仍存在内部数据孤岛，数据开发应用的意识还不够，跨部门调用数据流程复杂、较难协调；两成机构存在数据存储与管理难题。

图2  金融机构数据应用面临的困难

隐私计算技术推动多方数据安全计算、深度利用

金融机构通过隐私计算在集团内部实现数据共享，显著提升集团协同发展能力。大型商业银行在探索隐私计算应用场景时会优先协同集团内部的数据资源，根据不同子公司业务场景对不同数据的需求，设计定制化的隐私计算应用场景，赋能子公司业务发展，提升集团和子公司在营销、风控等领域的优势。例如，农业银行利用隐私计算联合统计总行和境外分行的信用总账，实现集团数据内部共享。

金融管理机构牵头多家金融机构参与的金融监管类场景具有较大的应用潜力。在贷后资金流向分析、反洗钱可疑交易分析、电信网络诈骗识别等强监管业务领域，管理部门组织金融机构通过隐私计算实现跨机构、跨行业的信息共享和互联互通，有效提升了监管能力和水平。在金融监管类场景中，金融机构参与数量越多，模型训练效果越好，越接近资金流转全貌，参与机构的边际成本越低，未来具备大规模推广应用的潜力。例如，农业银行某分行进行多方安全数据分析联合实验室建设，通过与管理机构联合构建跨机构数据合规流通与融合使用的新型基础设施，覆盖人民银行、公安部门、运营商、30余家商业银行，应用于黑灰名单报送，反欺诈、反洗钱等场景，保障各方数据隐私安全，促进各家商业银行间数据合规融合与使用。

政府、运营商等跨行业的数据共享丰富了金融机构数据利用的维度。社保、公积金、税务、司法、学历、房产等政府公共数据与客户通话、流量、资费等运营商数据在金融场景中具有很高的应用价值，结合金融机构自身的客户信息、资产信息、产品持有信息、交易信息等数据，通过隐私计算技术联合分析、联合建模，能够准确判断客户的信用情况，快速挖掘潜在客户。例如，海南大数据管理局与中国银行海南分行搭建的多方安全计算平台，将海南大数据管理局的公共数据资源接入到分行，服务分行消费金融场景，助力拓展客户群体，提升用户规模。

金融机构布局隐私计算技术，推动数据综合利用

金融机构深入探索数据应用场景，持续提升技术能力，基于自身业务发展对内外部数据的需求，兼顾数据监管合规要求，通过自建、共建等方式，建设涵盖多方安全计算、联邦学习的隐私计算平台，提升数据应用水平。

金融机构结合自身资源禀赋，建设隐私计算技术平台。金融机构根据自身需求选择不同的实现方式，主要通过开源自研、引入商用、开源与商用相结合三种方式，实现技术资源的互补。一是通过技术透明的开源框架进行定制化开发。开源框架技术透明，从论文到代码完全公开，便于检验和测试，技术普及性和认可度高，有利于异构平台的互联互通。但开源框架存在技术水平参差不齐、专用性较差、更新迭代依赖社区运营等问题。二是选择专用性强、高个性化的闭源平台。闭源平台针对具体场景和问题进行优化，可以充分保护知识产权，极大提升隐私计算企业及数据合作方的优化与更新积极性，金融机构容易获取开箱即用、定制化以及更优质的技术与数据服务。但闭源技术产品多种多样，技术开放较为保守，透明度、普及度与公众认可度不高，算法安全性没有经过同行或公开评议，实现互联互通难度较大。三是引入业界领域技术产品与开源框架自研相结合。根据业务需求进行灵活配置和选择，一方面充分发挥产业基础技术研发的优势，构建隐私计算基础支撑平台，实现更高水平的平台性能和安全性。同时，聚焦业务需求，利用业界开源框架自研隐私计算服务平台，先试先行。

深挖应用场景需求，赋能业务发展。一是通过隐私计算联合建模，提升业务风险防控水平。根据银行自有客户数据，结合非信贷场景的网络行为、社交数据、消费记录等，在信贷风控领域探索应用联邦学习，实现多方数据融合开展特征挖掘、联合模型和模型预测，提前识别风险客户以及可疑行为，显著提升风控模型应用效果。二是通过联合统计、隐私求交、联合建模等技术，提升客户营销能力。银证保不同机构可利用多方安全计算针对交叉客户联合营销，保障原始数据不出域的前提下，完成客户资产管理规模（AUM）的结算，提升客户黏性，降低获客成本；集团与子公司、总行与境外分行可联合统计用户总资产，提升客户服务能力；跨行业机构通过纵向联合建模，充分挖掘潜在用户和高净值客户，提升营销效果。三是利用多方安全计算融合政务、企业等多方数据，提升金融产品与服务的创新力度。金融机构在原有金融服务基础上，通过多方安全计算技术，充分保障客户的隐私安全，实现多方数据联动，创新金融产品与服务，提高服务实体经济的能力。

金融业隐私计算技术应用展望

隐私计算金融应用的顶层设计将逐步完善。《个人信息保护法》《征信业务管理办法》等法律法规落地实施后，金融业隐私计算合规应用指南及相关标准规范需不断建立，隐私计算认证体系和合规审查机制将逐步健全，为隐私计算合规应用和场景落地提供政策指导、应用路径和安全保障。

以金融应用促进隐私计算技术和产品性能提升。隐私计算产业将不断加大创新研发力度，优化产品的技术性能，提升产品的标准化服务能力。金融机构将联合产业机构探索金融业务创新，开展隐私计算领域的联合攻关，优化算法性能，提升技术与产品性能，结合不同技术满足多样化金融场景需求，强化隐私计算金融应用安全。

隐私计算异构平台互联互通技术研究与应用不断加速。一方面金融机构将加速联合产业机构共同开展隐私计算异构平台互联互通的研究，加快制定互联互通技术框架和行业应用标准，引导技术厂商进行实践性标准落地，推动互联互通成果的转化，降低金融机构应用隐私计算的门槛，为隐私计算规模化应用提供保障。另一方面，作为第三方公共基础设施的多方安全计算服务平台呼之欲出，将进一步推动行业机构互联互通，扩大数据共享、深度应用。

隐私计算金融应用示范试点和规模应用场景不断扩展。金融机构的隐私计算应用场景不尽相同，但普遍集中在营销、风控等领域，并取得较好的应用效果，通过整合各方意见，求同存异，形成隐私计算金融应用指引，指导金融机构制定科学合理、可落地的实施方案，开展示范试点，探索规模化应用场景，稳步推进隐私计算在金融业应用，切实发挥金融数据要素价值的潜力。

（栏目编辑：郑岩）

往期精选：

（点击查看精彩内容）

新媒体中心：主任 / 邝源  编辑 / 傅甜甜  张珺  邰思琪