進(jìn)軍超級(jí)場(chǎng)景：隱私計(jì)算金融風(fēng)控領(lǐng)域應(yīng)用報(bào)告（2022）

1、0Abstract!隱私計(jì)算在金融風(fēng)控場(chǎng)景的最初探索開始于金融科技巨頭螞蟻集團(tuán)與微眾銀行。但是，真正大量進(jìn)入實(shí)際應(yīng)用場(chǎng)景則是在 2019 年 9 月的“凈網(wǎng)行動(dòng)”之后。目前，隱私計(jì)算技術(shù)在金融風(fēng)控場(chǎng)景的應(yīng)用探索覆蓋了信貸領(lǐng)域的貸前、貸中、貸后的各個(gè)環(huán)節(jié)，在面向個(gè)人的消費(fèi)金融貸款和對(duì)公貸款當(dāng)中都有嘗試。而且，目前的應(yīng)用不僅局限于信貸領(lǐng)域，在反洗錢、保險(xiǎn)和資管場(chǎng)景中亦有應(yīng)用前景。隱私計(jì)算廠商在金融風(fēng)控領(lǐng)域的服務(wù)方式有四種：提供一站式服務(wù)、提供全流程解決方案、提供數(shù)據(jù)運(yùn)營(yíng)解決方案、提供純技術(shù)服務(wù)。這四種服務(wù)方式的不同，源于廠商背景和資源的不同。從服務(wù)方式的差異，能夠更清晰地看到隱私計(jì)算廠商在商業(yè)模式

2、上的差異，這在很大程度上也決定著隱私計(jì)算廠商的方向和終局。隱私計(jì)算廠商在金融風(fēng)控領(lǐng)域的競(jìng)爭(zhēng)力是個(gè)綜合指標(biāo)， 主要體現(xiàn)在技術(shù)、數(shù)據(jù)、對(duì)業(yè)務(wù)的理解三個(gè)方面。隱私計(jì)算技術(shù)未來將在數(shù)據(jù)來源、數(shù)據(jù)分析、數(shù)據(jù)應(yīng)用三個(gè)層面重構(gòu)金融風(fēng)控。Contents$%一、隱私計(jì)算在金融風(fēng)控領(lǐng)域的應(yīng)用歷程3（一）前瞻性技術(shù)布局3（二）危機(jī)引發(fā)質(zhì)變4二、隱私計(jì)算在金融風(fēng)控領(lǐng)域的應(yīng)用現(xiàn)狀6（一）隱私計(jì)算廠商在金融風(fēng)控領(lǐng)域的服務(wù)方式61、提供一站式服務(wù)62、提供全流程解決方案83、提供數(shù)據(jù)運(yùn)營(yíng)服務(wù)94、提供純技術(shù)服務(wù)10（二）隱私計(jì)算在金融風(fēng)控場(chǎng)景的應(yīng)用案例121、信貸風(fēng)控122、反洗錢223、保險(xiǎn)風(fēng)控234、資管風(fēng)控25三、

3、隱私計(jì)算廠商在金融風(fēng)控領(lǐng)域的競(jìng)爭(zhēng)力分析27（一）技術(shù)27（二）數(shù)據(jù)28（三）對(duì)業(yè)務(wù)的理解29四、隱私計(jì)算將如何改變金融風(fēng)控30（一）數(shù)據(jù)來源30（二）數(shù)據(jù)分析32（三）數(shù)據(jù)應(yīng)用33&()*+,-./012 4567!#$%&()在中國(guó)，金融領(lǐng)域?qū)﹄[私計(jì)算的應(yīng)用，最早是從以螞蟻集團(tuán)和微眾銀行為代表的一批金融科技領(lǐng)域的先行者開始的。最早是 2016 年，從螞蟻集團(tuán)開始。根據(jù)公開資料1，為了更好地應(yīng)對(duì)形勢(shì)的變化，解決數(shù)據(jù)共享的需求與隱私泄露和數(shù)據(jù)濫用之間的矛盾，螞蟻集團(tuán) 2016 年提出了希望通過技術(shù)手段，在多方參與且各數(shù)據(jù)提供方與平臺(tái)方互不信任的場(chǎng)景下，能夠聚合多方信息進(jìn)行數(shù)據(jù)分析和機(jī)器學(xué)習(xí)，并確

4、保各參與方的隱私不被泄漏，數(shù)據(jù)不被濫用，螞蟻集團(tuán)當(dāng)時(shí)稱之為“共享智能”。歐洲議會(huì)于 2016 年 4 月通過歐盟一般數(shù)據(jù)保護(hù)條例，是世界范圍內(nèi)加強(qiáng)數(shù)據(jù)安全和個(gè)人隱私保護(hù)立法的開端。螞蟻的共享智能研究在同一年啟動(dòng)，可視作是對(duì)數(shù)據(jù)合法合規(guī)利用的前瞻性技術(shù)布局。螞蟻集團(tuán)最初在可信執(zhí)行環(huán)境（TEE）和多方安全計(jì)算（MPC）兩個(gè)方向進(jìn)行探 索。在實(shí)踐中，螞蟻集團(tuán)逐漸發(fā)現(xiàn)，不同技術(shù)都有各自的優(yōu)勢(shì)，同時(shí)在業(yè)務(wù)發(fā)展的不同階段用戶對(duì)隱私保護(hù)的需求是不同的。把不同的技術(shù)融合到一起，發(fā)揮各自技術(shù)的優(yōu)勢(shì)，往往會(huì)達(dá)到一個(gè)更為理想的效果。因此，在實(shí)際的應(yīng)用中，基于用戶的需求， 螞蟻集團(tuán)逐漸嘗試靈活應(yīng)用多種技術(shù)提升實(shí)際應(yīng)用

5、效果。與此同時(shí)，2018 年微眾銀行人工智能團(tuán)隊(duì)也開始關(guān)注到隱私計(jì)算技術(shù)。2018 年， 在業(yè)務(wù)實(shí)踐和行業(yè)觀察中，微眾銀行人工智能團(tuán)隊(duì)發(fā)現(xiàn)訓(xùn)練 AI 所需要的大數(shù)據(jù)實(shí)際上很難獲得，數(shù)據(jù)的控制權(quán)分散在不同機(jī)構(gòu)、不同部門，“數(shù)據(jù)孤島”問題嚴(yán)重，加之政策法規(guī)對(duì)數(shù)據(jù)隱私和數(shù)據(jù)安全的要求讓數(shù)據(jù)共享和合作更加困難。針對(duì)實(shí)際的業(yè)務(wù)痛點(diǎn)，他們發(fā)現(xiàn)聯(lián)邦學(xué)習(xí)是一種行之有效的解決方案，并開始進(jìn)行研究和探索。從 2018 年到 2019 年初，微眾銀行發(fā)表了多篇聯(lián)邦學(xué)習(xí)相關(guān)論文，對(duì)于聯(lián)邦學(xué)習(xí)的概念、分類、基本原理等基礎(chǔ)理論進(jìn)行系統(tǒng)性研究。同時(shí)，2018 年起，1 螞蟻金服共享智能實(shí)踐，來源于知乎號(hào)“螞蟻共享智能，”

6、/p/146954520。原文首發(fā)于期刊中國(guó)計(jì)算機(jī)學(xué)會(huì)通訊（CCCF）2020 年第 5 期。2 對(duì)金融領(lǐng)域而言，聯(lián)邦學(xué)習(xí)的實(shí)際價(jià)值是如何體現(xiàn)的？，來源于 InfoQ 訪談，載于 FATE 開源社區(qū)微信公眾號(hào)，網(wǎng)址 /s/Vg71N3RC3u93X7gRr6iCWQ。微眾銀行人工智能團(tuán)隊(duì)基于聯(lián)邦學(xué)習(xí)理論研究進(jìn)行相關(guān)開源軟件研發(fā)。經(jīng)過探索，微眾銀行搭建起了理論研究、工具軟件、技術(shù)標(biāo)準(zhǔn)、行業(yè)應(yīng)用的多層級(jí)聯(lián)邦學(xué)習(xí)生態(tài)框架，并且開始有騰訊、華為、京東、平安等生態(tài)合作伙伴加入。2019 年初，微眾銀行正式開源全球首個(gè)工業(yè)級(jí)聯(lián)邦學(xué)習(xí)框架 FATE（Federated Learning Enabler），并

7、開始嘗試將聯(lián)邦學(xué)習(xí)應(yīng)用于金融業(yè)務(wù)中。FATE 的開源，使得聯(lián)邦學(xué)習(xí)的應(yīng)用門檻大幅降低。2020 年初，針對(duì)金融應(yīng)用中聯(lián)合風(fēng)控、匿蹤查詢等業(yè)務(wù)需求，微眾銀行進(jìn)一步給出了場(chǎng)景式隱私保護(hù)解決方案 WeDPR，并基于 WeDPR 在 2021 年 5 月發(fā)布多方大數(shù)據(jù)隱私計(jì)算平臺(tái) WeDPR-PPC。WeDPR 方案組合了多種隱私保護(hù)策略，融合安全多方計(jì)算、同態(tài)加密、零知識(shí)證明、選擇性披露等算法，滿足多變業(yè)務(wù)流程。!,#-./0122019 年 9 月，中國(guó)金融科技領(lǐng)域迎來一場(chǎng)前所未有的整頓風(fēng)暴。這場(chǎng)監(jiān)管風(fēng)暴源自 2019 年 1 月公安部組織部署全國(guó)公安機(jī)關(guān)開展的“凈網(wǎng) 2019” 專項(xiàng)行動(dòng)。這次專

8、項(xiàng)行動(dòng)的目標(biāo)是，依法嚴(yán)厲打擊侵犯公民個(gè)人信息、黑客攻擊破壞等網(wǎng)絡(luò)違法犯罪活動(dòng)?！皟艟W(wǎng)行動(dòng)”始自 2011 年，是由公安部發(fā)起的網(wǎng)絡(luò)犯罪專項(xiàng)打擊行動(dòng)。2011 年首次“凈網(wǎng)行動(dòng)”的主要打擊目標(biāo)為網(wǎng)上涉槍涉爆違法犯罪活動(dòng)。此后，隨著互聯(lián)網(wǎng)的發(fā)展，凈網(wǎng)行動(dòng)的內(nèi)容根據(jù)實(shí)際情況不斷變化?！皟艟W(wǎng) 2019”專項(xiàng)行動(dòng)開始后，很快聚焦于對(duì)“套路貸”及其生態(tài)的打擊。根據(jù)公安部 2019 年 11 月 14 日在北京召開的通報(bào)全國(guó)公安機(jī)關(guān)開展“凈網(wǎng) 2019”專項(xiàng)行動(dòng)工作情況及典型案例的新聞發(fā)布會(huì)上披露的信息：2019 年 5 月 25 日，黑龍江省七臺(tái)河市接到居民報(bào)案，之后七臺(tái)河市公安局成立專案組，從本地被“套

9、路貸”受害者和催收?qǐng)F(tuán)伙入手，延伸打擊觸角、持續(xù)經(jīng)營(yíng)攻堅(jiān)， 偵獲一條集實(shí)施“套路貸”犯罪團(tuán)伙、催收?qǐng)F(tuán)伙以及幫助“套路貸”犯罪的技術(shù)服務(wù)商、數(shù)據(jù)支撐服務(wù)商、支付服務(wù)商的完整犯罪鏈條。月 10 日開始，上述專案組對(duì)“730”網(wǎng)絡(luò)“套路貸”專案開展集中收網(wǎng)行動(dòng)，打掉犯罪團(tuán)伙 9 個(gè)，抓獲犯罪嫌疑人 80 名，查封凍結(jié)涉案資產(chǎn) 7 億元，提取各類涉案數(shù)據(jù) 205T，涉及被催收人員 7 萬(wàn)余人。在此過程中，公安部網(wǎng)絡(luò)安全保衛(wèi)局從這些案件線索出發(fā)，組織全國(guó)展開集群戰(zhàn)役。9 月 1 日以后直至 11 月間，各地網(wǎng)安會(huì)同刑偵部門收網(wǎng)打掉團(tuán)伙 147 個(gè)，抓獲嫌疑人 1531 名，采取刑事強(qiáng)制措施 798 名，鏟

10、除了一批幫助犯罪的技術(shù)服務(wù)商、數(shù)據(jù)支撐服務(wù)商、支付服務(wù)商，實(shí)現(xiàn)了對(duì)“套路貸”犯罪規(guī)模打擊、生態(tài)打擊。在這場(chǎng)打擊當(dāng)中，金融科技領(lǐng)域受到波及。據(jù)財(cái)新報(bào)道，2019 年 6 月，公安部門鎖定“套路貸”、“714 高炮”依賴導(dǎo)流獲客和暴力催收這兩大幫兇，利用爬蟲等工具，為這些“套路貸”平臺(tái)爬取通訊錄等個(gè)人敏感信息，并引發(fā)命案。這些非法個(gè)人信息的主要提供者，不少來自大數(shù)據(jù)風(fēng)控公司。月 6 日，位于杭州的大數(shù)據(jù)風(fēng)控平臺(tái)杭州魔蝎數(shù)據(jù)科技有限公司被警方控制，高管被帶走，相關(guān)服務(wù)癱瘓。此后，不少第三方風(fēng)控行業(yè)頭部公司相繼被調(diào)查或被波 及，使得整個(gè)行業(yè)主要爬蟲服務(wù)出于避險(xiǎn)考慮基本暫停。對(duì)市場(chǎng)來說，這是監(jiān)管層釋放的

11、強(qiáng)烈信號(hào)，即用爬蟲爬取個(gè)人隱私數(shù)據(jù)（因?yàn)榇髷?shù)據(jù)風(fēng)控當(dāng)中不少數(shù)據(jù)涉及個(gè)人隱私）要付出巨大的代價(jià)。這場(chǎng)整治，使得隱私計(jì)算成為一種可考慮的替代方案，市場(chǎng)洞然而開。整治之前，爬蟲是大數(shù)據(jù)風(fēng)控行業(yè)的靈魂大多數(shù)大數(shù)據(jù)風(fēng)控公司本身并沒有那么多數(shù)據(jù)，因?yàn)閿?shù)據(jù)是從業(yè)務(wù)當(dāng)中來的，但是有大量數(shù)據(jù)源的機(jī)構(gòu)實(shí)際上并不多， 多數(shù)大數(shù)據(jù)風(fēng)控公司的數(shù)據(jù)是靠爬蟲爬取。本來，用爬蟲來爬取公開數(shù)據(jù)并不違法， 但是與個(gè)人信息強(qiáng)相關(guān)的數(shù)據(jù)對(duì)網(wǎng)絡(luò)貸款的風(fēng)險(xiǎn)控制才是更直接有效的，在利益的驅(qū)使下，爬蟲爬取信息的范圍逐漸擴(kuò)大，很多公司都利用爬蟲技術(shù)去抓個(gè)人隱私數(shù)據(jù)或者政府機(jī)關(guān)、銀行機(jī)構(gòu)的數(shù)據(jù)。這些數(shù)據(jù)，是有網(wǎng)絡(luò)貸款業(yè)務(wù)的機(jī)構(gòu)用來做風(fēng)險(xiǎn)控制的主

12、要依據(jù)。整治之后，大部分爬蟲服務(wù)停止，市場(chǎng)不得不考慮替代方案。在這個(gè)過程中，數(shù)據(jù)的供需雙方開始重新看待數(shù)據(jù)的合規(guī)使用問題：一方面，一些有數(shù)據(jù)源的機(jī)構(gòu)只愿意與持牌金融機(jī)構(gòu)合作；一方面，持牌金融機(jī)構(gòu)，也要看合作方是否獲得了合法的數(shù)據(jù)源授權(quán)。也正是在這場(chǎng)整治之后，發(fā)展隱私計(jì)算業(yè)務(wù)的公司迎來了市場(chǎng)機(jī)會(huì)這在零壹智庫(kù)的調(diào)研中是有實(shí)例證明的。8()*+,-./012 459:2021 年是隱私計(jì)算技術(shù)規(guī)?；涞卦辍＝?jīng)過一整年的努力，隱私計(jì)算技術(shù)在金融風(fēng)控場(chǎng)景中已經(jīng)多有落地。從金融機(jī)構(gòu)方面來看，國(guó)有大行、股份制銀行、頭部的城商行、保險(xiǎn)公司、證券公司目前都有隱私計(jì)算技術(shù)在風(fēng)控場(chǎng)景的布局和嘗試。從隱私計(jì)算技術(shù)廠

13、商的業(yè)務(wù)進(jìn)展來看，據(jù)零壹智庫(kù)調(diào)研了解，2021 年頭部的 10 多家隱私計(jì)算廠商當(dāng)中，落地案例較多的已經(jīng)達(dá)到了幾十家（包含 POC 在內(nèi)）。多數(shù)廠商預(yù)計(jì)，2022 年落地場(chǎng)景將進(jìn)一步爆發(fā)。!#3456789:;? ABCD目前，就零壹智庫(kù)所接觸到的案例，隱私計(jì)算廠商在金融風(fēng)控領(lǐng)域的服務(wù)方式有四種：提供一站式服務(wù)、提供全流程解決方案、提供數(shù)據(jù)運(yùn)營(yíng)解決方案、提供純技術(shù)服務(wù)。這四種服務(wù)方式的不同，源于廠商背景和資源的不同。在零壹智庫(kù)的開啟新紀(jì)元：隱私計(jì)算在金融領(lǐng)域應(yīng)用發(fā)展報(bào)告3當(dāng)中，曾經(jīng)探討過隱私計(jì)算廠商在商業(yè)模式上的差異。通過了解隱私計(jì)算廠商在金融風(fēng)控領(lǐng)域的服務(wù)方式，能夠更清晰地看到各自在商業(yè)模式

14、上的差異。這些差異或許在很大程度上決定著隱私計(jì)算廠商的方向和終局。1、提供一站式服務(wù)第一類服務(wù)方式是提供較為全面的金融風(fēng)控一站式服務(wù)。所謂一站式服務(wù)，指的是覆蓋金融風(fēng)控場(chǎng)景全流程的服務(wù)，包括解決方案的制定、數(shù)據(jù)源的引入、數(shù)據(jù)治 理、風(fēng)控策略制定、風(fēng)控模型的建立與調(diào)優(yōu)等服務(wù)。其中，包括需要投入大量人力的數(shù)據(jù)清洗和駐場(chǎng)建模等服務(wù)，此類服務(wù)商自身都可以提供。3 開啟新紀(jì)元：隱私計(jì)算在金融領(lǐng)域應(yīng)用發(fā)展報(bào)告， HYPERLINK /article/286018.htm /article/286018.htm提供此類服務(wù)需要隱私計(jì)算公司在金融風(fēng)控方面有充分積累，也需要相當(dāng)?shù)娜肆ν度搿４祟惙?wù)的提供，以有金

15、融科技背景的公司居多，同盾科技、天冕科技、洞見科技等是其中的典型代表。以天冕科技為例。天冕科技成立于 2019 年 4 月，是 WeLab 匯立集團(tuán)旗下的一站式金融科技服務(wù)商， 在金融科技方面有較為深厚的積累。天冕科技的母公司 WeLab 匯立集團(tuán)創(chuàng)立于 2013 年，Welab 匯立集團(tuán)有超 5000 萬(wàn)用戶、超 700 家企業(yè)客戶。天冕科技創(chuàng)立之后致力于為企事業(yè)單位提供全價(jià)值鏈的科技產(chǎn)品與解決方案，助力合作方快速數(shù)字化轉(zhuǎn)型。截至 2021 年 3 月，天冕科技簽約合作機(jī)構(gòu)數(shù)量已超 700 家，包括各類持牌金融機(jī)構(gòu)、國(guó)企事業(yè)單位、傳統(tǒng)企業(yè)、互聯(lián)網(wǎng)企業(yè)等。其中，天冕科技為郵儲(chǔ)銀行提供全定制化信

16、貸技術(shù)解決方案，貫穿了產(chǎn)品設(shè)計(jì)、后臺(tái)技術(shù)、風(fēng)控管理、智能營(yíng)銷等全過程，打造了中國(guó)郵儲(chǔ)銀行首個(gè)互聯(lián)網(wǎng)信貸產(chǎn)品“郵 e 貸”，并且一直合作至今。在金融風(fēng)控領(lǐng)域，天冕科技通過天冕聯(lián)邦學(xué)習(xí)平臺(tái)和一系列技術(shù)服務(wù)，為金融機(jī)構(gòu)提供一站式服務(wù)。這些服務(wù)包括：第一，提供隱私計(jì)算技術(shù)平臺(tái)。目前，天冕聯(lián)邦學(xué)習(xí)平臺(tái) WeFe 已經(jīng)正式開源。第二，幫助場(chǎng)景方引入數(shù)據(jù)源。第三，根據(jù)場(chǎng)景方需求，提供數(shù)據(jù)治理、建模等服務(wù)。這里，值得注意的是，數(shù)據(jù)清洗和建模服務(wù)的提供需要投入大量人力，是較重的服務(wù)模式。這兩項(xiàng)服務(wù)，天冕科技都可以提供。天冕科技通過天冕數(shù)據(jù)中臺(tái)提供數(shù)據(jù)治理的服務(wù)。數(shù)據(jù)治理模塊覆蓋全方位的數(shù)據(jù)治理能力，包含數(shù)據(jù)標(biāo)準(zhǔn)

17、管理、元數(shù)據(jù)管理、數(shù)據(jù)質(zhì)量管理、數(shù)據(jù)資產(chǎn)管理等。天冕數(shù)據(jù)中臺(tái)是針對(duì)業(yè)界痛點(diǎn)而設(shè)計(jì)的一款產(chǎn)品。一般來說，大多數(shù)的系統(tǒng)都是在某些業(yè)務(wù)需求的基礎(chǔ)上建立，每條業(yè)務(wù)線都有一套數(shù)據(jù)體系或系統(tǒng)，同樣的數(shù)據(jù)要素可能在不同的系統(tǒng)標(biāo)準(zhǔn)不一致、業(yè)務(wù)口徑不統(tǒng)一。要打通幾套或所有系統(tǒng)并整合數(shù)據(jù)到一個(gè)平臺(tái)，需要每個(gè)部門的配合，難度較大，而且也可能因?yàn)樾枰薷南到y(tǒng)導(dǎo)致對(duì)現(xiàn)有業(yè)務(wù)造成影響。從業(yè)內(nèi)數(shù)據(jù)集成及統(tǒng)一標(biāo)準(zhǔn)的時(shí)間來看，一般需要幾個(gè)月的時(shí)間溝通數(shù)據(jù)整合需求。天冕技術(shù)團(tuán)隊(duì)開發(fā)出針對(duì)不同數(shù)據(jù)源格式采用的統(tǒng)一插件、一鍵部署采集數(shù)據(jù)、無侵入式數(shù)據(jù)融合，可以實(shí)現(xiàn)界面可視化數(shù)據(jù)標(biāo)準(zhǔn)管理。根據(jù)客戶的需求，天冕科技也可以駐場(chǎng)提供建模服務(wù)

18、。天冕科技有建制完整的風(fēng)控團(tuán)隊(duì)。其中包括，前端設(shè)計(jì)工程師、前端開發(fā)、后端開發(fā)工程師、底層算法工程 師、整體架構(gòu)師、產(chǎn)品工程師、調(diào)研人員、市場(chǎng)人員、風(fēng)控檢測(cè)、營(yíng)銷人員等等。與此同時(shí)，天冕科技在金融風(fēng)控服務(wù)方面具備獨(dú)特的優(yōu)勢(shì)：第一，具備獨(dú)特的數(shù)據(jù)資源。一方面，天冕科技母公司 Welab 匯立集團(tuán)有自身業(yè)務(wù)的數(shù)據(jù)積淀，數(shù)據(jù)體量大，且是一手?jǐn)?shù)據(jù)。另一方面，由于自身業(yè)務(wù)需要，Welab 匯立集團(tuán)與金融風(fēng)控所需的數(shù)據(jù)源都有業(yè)務(wù)合作，對(duì)選擇數(shù)據(jù)供應(yīng)商經(jīng)驗(yàn)豐富。第二，具備經(jīng)歷過實(shí)際業(yè)務(wù)場(chǎng)景打磨的豐富風(fēng)控經(jīng)驗(yàn)。風(fēng)控經(jīng)驗(yàn)在金融隱私計(jì)算的應(yīng)用中非常關(guān)鍵。數(shù)據(jù)在金融風(fēng)控領(lǐng)域的應(yīng)用非常復(fù)雜，哪些數(shù)據(jù)和算法對(duì)提升實(shí)際業(yè)務(wù)

19、價(jià)值最大，這些數(shù)據(jù)和算法應(yīng)當(dāng)如何運(yùn)用，只有通過大量的實(shí)際業(yè)務(wù)運(yùn)行才能掌握。比如，手機(jī)電量對(duì)判斷反欺詐很有價(jià)值，如果有用戶手機(jī)電量一直是 100%，其欺詐性可能更大，因?yàn)殡娏恳恢?100%說明一直在充電，這個(gè)手機(jī)可能是欺詐團(tuán)伙使用的手機(jī)。類似這樣的數(shù)據(jù)維度，只有深入金融風(fēng)控業(yè)務(wù)才能挖掘出來。2、提供全流程解決方案第二類服務(wù)方式是提供全流程解決方案，但是服務(wù)方式比第一類更輕。此類服務(wù)方式的服務(wù)內(nèi)容包括：其一，提供隱私計(jì)算技術(shù)平臺(tái)；其二，幫助場(chǎng)景引入數(shù)據(jù)源；其三，利用場(chǎng)景經(jīng)驗(yàn)協(xié)助數(shù)據(jù)源開發(fā)數(shù)據(jù)產(chǎn)品；其四，為金融機(jī)構(gòu)提供風(fēng)控策略、數(shù)據(jù)建模的咨詢服務(wù)。與第一類的區(qū)別是：此類服務(wù)商不提供重人力投入的服務(wù)。

20、比如數(shù)據(jù)清洗、駐場(chǎng)建模等服務(wù)，往往需要投入大量人力。此類服務(wù)商更傾向于引入其他合作伙伴為金融機(jī)構(gòu)提供相關(guān)服務(wù)。比如富數(shù)科技。但是，也有一些此類服務(wù)商，雖然不提供重人力投入的數(shù)據(jù)清洗、駐場(chǎng)建模服 務(wù)，但是可以提供數(shù)據(jù)基礎(chǔ)設(shè)施和治理產(chǎn)品工具，方便用戶上手、將使用門檻降低。比如數(shù)牘科技。以富數(shù)科技為例。富數(shù)科技成立于 2016 年 4 月，2019 年就上線了獨(dú)立自主研發(fā)的安全計(jì)算平臺(tái)Avatar，是國(guó)內(nèi)最早進(jìn)入隱私計(jì)算領(lǐng)域的創(chuàng)業(yè)公司之一。富數(shù)科技在隱私計(jì)算技術(shù)和金融風(fēng)控業(yè)務(wù)方面均有積累。在隱私計(jì)算技術(shù)方面，富數(shù)科技起步早，投入資金大，技術(shù)路線相對(duì)全面。富數(shù)科技是國(guó)內(nèi)少數(shù)能夠?qū)崿F(xiàn)完全自主研發(fā)、國(guó)內(nèi)首

21、批通過銀行卡檢測(cè)中心和首批通過信通院多方安全計(jì)算&聯(lián)邦學(xué)習(xí)性能專項(xiàng)等評(píng)測(cè)的企業(yè)之一。在隱私計(jì)算應(yīng)用場(chǎng)景落地上，截至 2021 年末已累計(jì)服務(wù)銀行、運(yùn)營(yíng)商、國(guó)家電網(wǎng)、國(guó)際數(shù)據(jù)港等 60 多家合作伙伴。在金融風(fēng)控業(yè)務(wù)方面，進(jìn)入隱私計(jì)算領(lǐng)域之前，富數(shù)科技的主要業(yè)務(wù)是金融建 模，在金融數(shù)據(jù)和算法方面經(jīng)驗(yàn)豐富。富數(shù)的智能決策分析和商務(wù)部門等業(yè)務(wù)線，也都聚集了眾多金融領(lǐng)域背景的人士，團(tuán)隊(duì)成員來自 Capital One, GE Money、渣打銀行、中國(guó)銀聯(lián)等等。富數(shù)科技提供的服務(wù)即是提供全流程解決方案，其主要提供的服務(wù)包括： 第一，提供私有化部署的標(biāo)準(zhǔn)化隱私計(jì)算產(chǎn)品 Avatar；第二，通過 Avata

22、r 為用戶引進(jìn)運(yùn)營(yíng)商、銀聯(lián)等高價(jià)值數(shù)據(jù)，并提供聯(lián)邦學(xué)習(xí)的能力。例如，在與某大行深度合作期間，與運(yùn)營(yíng)商和銀聯(lián)通過聯(lián)邦從學(xué)習(xí)測(cè)試了十多個(gè)不同業(yè)務(wù)場(chǎng)景，取得了對(duì)數(shù)據(jù)價(jià)值的深度理解；第三，基于場(chǎng)景的理解，做標(biāo)準(zhǔn)的應(yīng)用級(jí) SAAS。比如，富數(shù)科技 2021 年聯(lián)合多個(gè)數(shù)據(jù)源以及保險(xiǎn)公司，通過聯(lián)邦學(xué)習(xí)能力，開發(fā)了面向車險(xiǎn)場(chǎng)景的數(shù)據(jù)產(chǎn)品，預(yù)測(cè)車主是否為網(wǎng)約車拼車順風(fēng)車司機(jī)，并結(jié)合出險(xiǎn)情況實(shí)現(xiàn)車險(xiǎn)定價(jià)。3、提供數(shù)據(jù)運(yùn)營(yíng)服務(wù)第三類服務(wù)方式是提供數(shù)據(jù)運(yùn)營(yíng)服務(wù)。此類服務(wù)方式的基本內(nèi)容與第二類有些相似，但不同之處在于，服務(wù)的提供以業(yè)務(wù)目標(biāo)為導(dǎo)向，隱私計(jì)算服務(wù)商與金融機(jī)構(gòu)商定業(yè)務(wù)目標(biāo)之后，根據(jù)目標(biāo)來決定引入哪些數(shù)據(jù)源、

23、采用什么樣的策略和模型。其商業(yè)回報(bào)來源于為金融風(fēng)控場(chǎng)景創(chuàng)造的業(yè)務(wù)價(jià)值，比如提高了多少資產(chǎn)規(guī)模、降低了多少壞賬率等等。藍(lán)象智聯(lián)是提供第三類服務(wù)的典型代表。從數(shù)據(jù)運(yùn)營(yíng)的角度，藍(lán)象智聯(lián)更像是幫助客戶達(dá)成業(yè)務(wù)目標(biāo)的合作伙伴，而不是單純的乙方。藍(lán)象智聯(lián)創(chuàng)辦于 2019 年底，正式注冊(cè)于 2020 年 3 月，團(tuán)隊(duì)大約一半成員來自阿里巴巴和螞蟻集團(tuán)。藍(lán)象智聯(lián)創(chuàng)始人兼董事長(zhǎng)童玲歷任螞蟻金服首席架構(gòu)師、芝麻信用 CTO、螞蟻區(qū)塊鏈及隱私計(jì)算平臺(tái)創(chuàng)始人。其團(tuán)隊(duì)曾經(jīng)在芝麻信用、花唄、借唄、余額寶、網(wǎng)商貸等產(chǎn)品的數(shù)據(jù)運(yùn)營(yíng)方面取得了成功經(jīng)驗(yàn)。芝麻信用的團(tuán)隊(duì)也是中國(guó)最早在金融業(yè)務(wù)中探索數(shù)據(jù)運(yùn)營(yíng)的團(tuán)隊(duì)之一。數(shù)據(jù)運(yùn)營(yíng)的核心

24、，在于構(gòu)建數(shù)據(jù)要素創(chuàng)造業(yè)務(wù)價(jià)值的最快速路徑。在金融場(chǎng)景中精準(zhǔn)營(yíng)銷、應(yīng)用增長(zhǎng)、反欺詐、信用評(píng)估、合規(guī)審查等一些列場(chǎng)景中，數(shù)據(jù)運(yùn)營(yíng)能夠有效讓數(shù)據(jù)去驅(qū)動(dòng)以上價(jià)值的落地，提升用戶活躍、放大信貸規(guī)模、管理不良風(fēng)險(xiǎn)等等，數(shù)據(jù)運(yùn)營(yíng)能從各方面提升金融機(jī)構(gòu)的數(shù)字化運(yùn)營(yíng)能力。數(shù)據(jù)運(yùn)營(yíng)核心離不開幾大要素：數(shù)據(jù)、算法、流量、風(fēng)控、合規(guī)。藍(lán)象智聯(lián)提供的服務(wù)與其他隱私計(jì)算廠商的不同之處在于：首先，藍(lán)象智聯(lián)設(shè)有專門的數(shù)據(jù)運(yùn)營(yíng)團(tuán)隊(duì)，為使用藍(lán)象智聯(lián)隱私計(jì)算平臺(tái)的金融機(jī)構(gòu)提供數(shù)據(jù)運(yùn)營(yíng)服務(wù)。第二，服務(wù)的主要內(nèi)容是運(yùn)營(yíng)工具、解決方案及方案落地相關(guān)服務(wù)的提供，其中包括一系列的投放策略、運(yùn)營(yíng)策略、規(guī)則等。服務(wù)的核心在于，需要豐富的經(jīng)驗(yàn)，

25、特別是成功經(jīng)驗(yàn)的積累。第三，通過設(shè)計(jì)數(shù)據(jù)產(chǎn)品、解決方案，藍(lán)象智聯(lián)可以測(cè)算出數(shù)據(jù)在場(chǎng)景中貢獻(xiàn)的價(jià)值。比如，藍(lán)象智聯(lián)一項(xiàng)獨(dú)特的能力在于，清晰地知道不同數(shù)據(jù)在不同場(chǎng)景下的定 價(jià)，這里的“定價(jià)”既包含價(jià)值、也包含價(jià)格。例如，一條運(yùn)營(yíng)商數(shù)據(jù)的調(diào)用，在一個(gè)場(chǎng)景中定價(jià)為一次 0.35 元，但是在另外一個(gè)場(chǎng)景中可能是 0.25 元，需要根據(jù)數(shù)據(jù)在不同場(chǎng)景中產(chǎn)生的價(jià)值（即給業(yè)務(wù)帶來的價(jià)值）來確定價(jià)格。要做這樣精準(zhǔn)的定 價(jià)，需要數(shù)據(jù)運(yùn)營(yíng)團(tuán)隊(duì)有真實(shí)數(shù)據(jù)運(yùn)營(yíng)經(jīng)驗(yàn)，能夠準(zhǔn)確把握數(shù)據(jù)在場(chǎng)景中的實(shí)際價(jià) 值。第四，數(shù)據(jù)運(yùn)營(yíng)服務(wù)的收入可和業(yè)務(wù)效果掛鉤。比如，藍(lán)象智聯(lián)與今日頭條、中國(guó)電信、某頭部城商行合作，2021 年“雙十二”

26、期間，該銀行發(fā)出第一批數(shù)字信用卡，藍(lán)象智聯(lián)幫助銀行在今日頭條、抖音等渠道上實(shí)現(xiàn)了發(fā)卡的數(shù)據(jù)運(yùn)營(yíng)。數(shù)據(jù)運(yùn)營(yíng)通過運(yùn)營(yíng)商數(shù)據(jù)和今日頭條數(shù)據(jù)的聯(lián)邦學(xué)習(xí)建模，可以更精準(zhǔn)地確定營(yíng)銷目標(biāo)人群， 幫助該銀行的信用卡中心大大降低營(yíng)銷成本。藍(lán)象智聯(lián)通過數(shù)據(jù)運(yùn)營(yíng)，可以將信用卡核卡成本降低將近一半。藍(lán)象智聯(lián)也將從對(duì)應(yīng)的業(yè)務(wù)效果中獲得相應(yīng)收入。這是目前藍(lán)象智聯(lián)的數(shù)據(jù)運(yùn)營(yíng)思路在信用卡營(yíng)銷場(chǎng)景取得成功的一個(gè)案例。在金融風(fēng)控場(chǎng)景，也可以達(dá)到類似的效果。4、提供純技術(shù)服務(wù)在金融風(fēng)控場(chǎng)景中，亦有廠商提供純技術(shù)服務(wù)。他們選擇與其他為金融機(jī)構(gòu)提供服務(wù)的服務(wù)商合作，自身則只提供隱私核心技術(shù)服務(wù)。沖量在線是其中的典型代表。沖量在線成立于

27、 2020 年 8 月，其創(chuàng)始團(tuán)隊(duì)主要成員出自百度智能云團(tuán)隊(duì)，因?yàn)榭吹搅藬?shù)據(jù)要素和國(guó)產(chǎn)化信創(chuàng)的巨大市場(chǎng)機(jī)會(huì)，以及隱私計(jì)算工程化落地的加速，結(jié)合自身在可信計(jì)算硬件、區(qū)塊鏈 BaaS、機(jī)器學(xué)習(xí)平臺(tái)等相關(guān)方向的技術(shù)實(shí)力，加入創(chuàng)業(yè)大潮。沖量在線在金融風(fēng)控場(chǎng)景中的應(yīng)用落地，主要是尋找為金融行業(yè)提供 IT 或者風(fēng)控解決方案的一些合作伙伴（比如金融 IT 服務(wù)商宇信科技、科藍(lán)軟件，再如金融云解決方案服務(wù)商紫光云等），與這些公司合作，將隱私計(jì)算作為插件融入到金融客戶的數(shù)據(jù)建模、數(shù)據(jù)治理、數(shù)據(jù)中臺(tái)的業(yè)務(wù)流當(dāng)中，真正地將隱私計(jì)算推入生產(chǎn)級(jí)環(huán)境，使得銀行的數(shù)據(jù)中臺(tái)可以應(yīng)用隱私計(jì)算技術(shù)。除了金融行業(yè)場(chǎng)景類的合作伙伴，

28、沖量在線也與服務(wù)于金融風(fēng)控場(chǎng)景的眾多數(shù)據(jù)源供應(yīng)商建立和深度合作關(guān)系，覆蓋到企業(yè)數(shù)據(jù)、個(gè)人行為數(shù)據(jù)、消費(fèi)數(shù)據(jù)等。從而幫助客戶打通從數(shù)據(jù)到應(yīng)用的完整閉環(huán)。在這個(gè)業(yè)務(wù)閉環(huán)中，沖量在線自身則專注于提供以隱私計(jì)算為核心的技術(shù)服務(wù)， 主要有兩個(gè)原因：第一，沖量在線團(tuán)隊(duì)在隱私計(jì)算核心技術(shù)上有更加深厚的積淀，打造了結(jié)合 TEE 和多種技術(shù)路線的隱私計(jì)算軟硬件產(chǎn)品，涵蓋可信計(jì)算、聯(lián)邦學(xué)習(xí)、可信查詢等隱私計(jì)算關(guān)鍵場(chǎng)景，同時(shí)支持純軟件部署和軟硬件一體機(jī)等多種交付模式。而在金融風(fēng)控的具體業(yè)務(wù)應(yīng)用和數(shù)據(jù)源方面，則更傾向于與其他有經(jīng)驗(yàn)的公司合作，將自身精力釋放出來加強(qiáng)核心產(chǎn)品優(yōu)勢(shì)的持續(xù)提升。第二， TEE 技術(shù)在應(yīng)用場(chǎng)景

29、中有比較明顯的優(yōu)勢(shì)：其一，TEE 技術(shù)的通用性很強(qiáng)，它對(duì)業(yè)務(wù)的干擾是最小的，不需要像多方安全計(jì)算和聯(lián)邦學(xué)習(xí)那樣，需要基于已有框架來開發(fā)新的算法。TEE 只是一個(gè)運(yùn)行環(huán)境，是在基礎(chǔ)設(shè)施層面的改造，來保證算法的安全性，銀行更容易接受，更容易實(shí)現(xiàn)推廣。其二，TEE 技術(shù)在性能方面的表現(xiàn)優(yōu)于多方安全計(jì)算和聯(lián)邦學(xué)習(xí)，它在真實(shí)場(chǎng)景中的運(yùn)行速度更快，能夠達(dá)到聯(lián)邦學(xué)習(xí)的數(shù)倍，甚至高達(dá) 10 多倍。其三，TEE 技術(shù)也可通過硬件方式為隱私算法進(jìn)行加速，沖量在線與 Intel 的聯(lián)合創(chuàng)新項(xiàng)目通過 SGX TEE 技術(shù)加速聯(lián)邦學(xué)習(xí)，提升了 23 倍的總體計(jì)算效率。目前，在行業(yè)內(nèi)，英特爾的 TEE 技術(shù)應(yīng)用更為廣泛，

30、但是沖量在線目前在 TEE 的國(guó)產(chǎn)化方面正在快速推進(jìn)。目前，沖量在線已經(jīng)能夠做到將 TEE 技術(shù)兼容適配到幾乎所有（90%以上）的國(guó)產(chǎn)化芯片中。并且，在特定場(chǎng)景下雖然性能功能優(yōu)勢(shì)不能保證超過英特爾，但是能夠達(dá)到與英特爾差不多的水平，在應(yīng)用場(chǎng)景中通過軟硬件的優(yōu)化能夠大大縮小差距。相比傳統(tǒng)硬件，沖量在線基于國(guó)產(chǎn)硬件的產(chǎn)品能夠降低客戶的成本20%30%。!,#34569:;=EF GHIJ1、信貸風(fēng)控目前，隱私計(jì)算在信貸風(fēng)控場(chǎng)景中的應(yīng)用探索，已經(jīng)貫穿了信貸風(fēng)控的貸前、貸中、貸后全流程。貸前場(chǎng)景一：反欺詐案例一：富數(shù)科技基于跨域圖計(jì)算的反欺詐實(shí)踐圖：富數(shù)科技基于跨域圖計(jì)算的反欺詐方案示意圖業(yè)務(wù)場(chǎng)景 圖

31、計(jì)算是一種利用關(guān)系網(wǎng)絡(luò)來識(shí)別和判斷關(guān)聯(lián)關(guān)系的算法，銀行在利用圖計(jì)算進(jìn)行反欺詐、反洗錢預(yù)測(cè)有很好的效果。但是由于銀行只能通過有限的賬戶間轉(zhuǎn)賬、常用聯(lián)系人等信息進(jìn)行判斷，會(huì)有很多的信息缺失。當(dāng)通訊、社交等外部數(shù)據(jù)能夠融合，將會(huì)大大提升上述場(chǎng)景的精準(zhǔn)度。解決方案 富數(shù)在交通銀行與運(yùn)營(yíng)商的央行沙盒項(xiàng)目中，通過隱私計(jì)算的能力， 實(shí)現(xiàn)跨機(jī)構(gòu)間數(shù)據(jù)安全融合，構(gòu)建聯(lián)合關(guān)系圖譜，打破圖計(jì)算的數(shù)據(jù)邊界，識(shí)別更復(fù)雜、更全面的關(guān)系鏈條以及欺詐風(fēng)險(xiǎn)。產(chǎn)品效果通過這個(gè)操作，銀行獲得了三個(gè)欺詐預(yù)測(cè)上的價(jià)值提升：第一，可以佐證銀行識(shí)別的欺詐者關(guān)聯(lián)關(guān)系；第二，可以協(xié)助銀行找到在行內(nèi)關(guān)聯(lián)關(guān)系小，但在通訊關(guān)系緊密的關(guān)聯(lián)關(guān)系；第三，

32、可以補(bǔ)齊在銀行沒有任何關(guān)系的欺詐客戶關(guān)聯(lián)關(guān) 系。這個(gè)沙箱測(cè)試是一個(gè)非常經(jīng)典的跨域圖計(jì)算融合案例。該案例將會(huì)在反欺詐、反洗錢、高凈值客戶判斷等領(lǐng)域獲得應(yīng)用。案例二：富數(shù)科技實(shí)時(shí)多頭數(shù)據(jù)產(chǎn)品圖：富數(shù)科技實(shí)時(shí)多頭數(shù)據(jù)產(chǎn)品方案架構(gòu)圖業(yè)務(wù)場(chǎng)景 用戶的多頭信息是貸款產(chǎn)品的貸前風(fēng)險(xiǎn)表現(xiàn)，傳統(tǒng)上由征信公司或第三方數(shù)據(jù)源積累各機(jī)構(gòu)的查詢數(shù)據(jù)進(jìn)行統(tǒng)計(jì)匯總。征信公司在信息收集時(shí)效性、覆蓋率方面目前還存在空間；第三方數(shù)據(jù)公司的數(shù)據(jù)積累在目前法律約束下，具有非常大的法律風(fēng)險(xiǎn)。通過隱私計(jì)算技術(shù)，在去中心化聯(lián)盟里，銀行可以部署隱私計(jì)算節(jié)點(diǎn)，實(shí)現(xiàn)聯(lián)盟風(fēng)險(xiǎn)名單、申請(qǐng)、拒絕、在途及逾期信息實(shí)時(shí)共享，實(shí)現(xiàn)對(duì)人行信息的補(bǔ)充。解決方案

33、通過匿蹤查詢+多方安全計(jì)算+分布式節(jié)點(diǎn)，實(shí)現(xiàn)金融數(shù)據(jù)共享聯(lián)盟。產(chǎn)品效果提升進(jìn)件風(fēng)險(xiǎn)識(shí)別及人群細(xì)分能力，在這個(gè)去中心化聯(lián)盟里，銀行可以部署隱私計(jì)算節(jié)點(diǎn)，各參與方相互不知對(duì)方的數(shù)據(jù)，協(xié)調(diào)方、查詢方也僅能獲得統(tǒng)計(jì)后的查詢結(jié)果，不知各方組成結(jié)構(gòu)，提供數(shù)據(jù)方都保持自己數(shù)據(jù)的獨(dú)立性、安全 性，同時(shí)又能流動(dòng)數(shù)據(jù)價(jià)值。場(chǎng)景二：貸前審批和信用卡審核案例：富數(shù)科技運(yùn)營(yíng)商信用評(píng)估產(chǎn)品圖：富數(shù)科技運(yùn)營(yíng)商信用評(píng)估產(chǎn)品模型效果圖業(yè)務(wù)場(chǎng)景貸前審批或信用卡審核，通過運(yùn)營(yíng)商數(shù)據(jù)有效識(shí)別高危用戶，降低銀行個(gè)人信貸或信用卡業(yè)務(wù)違約風(fēng)險(xiǎn)。運(yùn)營(yíng)商擁有用戶在銀行方貸款前的個(gè)人信息、終端信息、通話行為、消費(fèi)行為及瀏覽行為等類型信息，由于受

34、政策法律法規(guī)的約束，雙方現(xiàn)有傳統(tǒng)方式無法實(shí)現(xiàn)聯(lián)合建模，通過隱私計(jì)算方式可以讓構(gòu)建信息流和資金流打通，安全使用更多的底層數(shù)據(jù)標(biāo)簽進(jìn)行聯(lián)邦學(xué)習(xí)，讓模型更有效果。解決方案采用聯(lián)邦學(xué)習(xí)技術(shù)，從少數(shù)標(biāo)準(zhǔn)標(biāo)簽提升至上千個(gè)底層標(biāo)簽，讓模型效果顯著提升，個(gè)貸風(fēng)險(xiǎn)識(shí)別作用明顯，同時(shí)方便模型的迭代與優(yōu)化，大幅提升工作效率。模型效果模型區(qū)分度高，且模型指標(biāo)穩(wěn)定訓(xùn)練集 auc 為 0.7485，ks 達(dá)到0.3776，測(cè)試集 auc 為 0.7036，ks 達(dá) 0.3592，有效識(shí)別高危用戶，降低銀行的個(gè)人違約風(fēng)險(xiǎn)。場(chǎng)景三：授信及提額模型案例一：天冕科技與金融機(jī)構(gòu)聯(lián)合風(fēng)控案例圖：天冕科技聯(lián)合風(fēng)控案例圖業(yè)務(wù)場(chǎng)景 目前，

35、銀行等金融機(jī)構(gòu)只應(yīng)用自身內(nèi)部的業(yè)務(wù)數(shù)據(jù)進(jìn)行風(fēng)控建模，業(yè)務(wù)拓展有局限。解決方案 在風(fēng)控場(chǎng)景上，天冕科技采用線上聯(lián)邦學(xué)習(xí)系統(tǒng)，篩選了多家數(shù)據(jù)征信公司相關(guān)性較高的特征，聯(lián)合數(shù)據(jù)提供方，在各方數(shù)據(jù)不出私域的情況下，進(jìn)行聯(lián)合風(fēng)控建模，建立一個(gè)泛化能力更強(qiáng)的模型。產(chǎn)品效果 取得了很好的效果。KS 提高 5%，壞賬明顯下降。案例二：富數(shù)科技高價(jià)值識(shí)別數(shù)據(jù)產(chǎn)品圖：富數(shù)科技高價(jià)值識(shí)別數(shù)據(jù)產(chǎn)品案例圖業(yè)務(wù)場(chǎng)景銀行方對(duì)目前用戶授信模型及提額模型局限于自有數(shù)據(jù)，亟需借助第三方數(shù)據(jù)進(jìn)行優(yōu)化現(xiàn)有的各個(gè)模型，優(yōu)化存量貸款用戶的資產(chǎn)質(zhì)量，如通過用戶的瀏覽行為來識(shí)別用戶當(dāng)前貸款需求，從而提升用戶的提現(xiàn)率，也提升銀行方的資金利用率

36、。解決方案通過聯(lián)邦學(xué)習(xí)技術(shù)，將銀聯(lián)、運(yùn)營(yíng)商等數(shù)據(jù)進(jìn)行聯(lián)合建模，優(yōu)化額度模型及訓(xùn)練貸款響應(yīng)模型，同時(shí)剔除數(shù)據(jù)源貢獻(xiàn)度高的指標(biāo)，從而大幅提升模型效 果。產(chǎn)品效果提現(xiàn)率提升 10%以上，存量用戶月增量放款超億元，且該批存量用戶貸后信用表現(xiàn)不變。案例三 藍(lán)象智聯(lián)與中國(guó)工商銀行、銀聯(lián)的普惠金融探索圖：藍(lán)象智聯(lián)與中國(guó)工商銀行、銀聯(lián)合作探索普惠金融服務(wù)案例圖業(yè)務(wù)場(chǎng)景小微商戶市場(chǎng)發(fā)展前景廣闊，客戶數(shù)量多、總體規(guī)模大，在繁榮經(jīng) 濟(jì)、穩(wěn)定就業(yè)、促進(jìn)創(chuàng)新、方便群眾生活等方面發(fā)揮著獨(dú)特的重要作用，以個(gè)體工商戶為典型的經(jīng)營(yíng)主體，金融需求多樣、交易活躍，是未來優(yōu)質(zhì)客戶的重要來源，為更好地提升小微服務(wù)覆蓋面，進(jìn)行更精準(zhǔn)的營(yíng)

37、銷，中國(guó)工商銀行與銀聯(lián)合作，拓寬商戶場(chǎng)景服務(wù)面，藍(lán)象智聯(lián)隱私計(jì)算平臺(tái) GAIA 提供技術(shù)支持。解決方案在入口端，優(yōu)化商戶違約預(yù)測(cè)模型，風(fēng)險(xiǎn)識(shí)別效果提升 20%；深入分析商戶收單特征，打造了“刷單套現(xiàn)”精準(zhǔn)識(shí)別模型，有效防范欺詐風(fēng)險(xiǎn)。在閘口端，基于知識(shí)圖譜技術(shù)，補(bǔ)充借款人同名跨行及關(guān)聯(lián)交易的資金流向分 析，打造了全新的資金流向違規(guī)領(lǐng)域探測(cè)模型，可以提升貸后監(jiān)測(cè)覆蓋面及精準(zhǔn)度。同時(shí)，中國(guó)工商銀行基于模型風(fēng)險(xiǎn)評(píng)估，結(jié)合業(yè)務(wù)經(jīng)驗(yàn)，制定了綜合化授信、差異化定價(jià)等精細(xì)化應(yīng)用策略，實(shí)現(xiàn)了全線上智能運(yùn)維管理。產(chǎn)品效果此方案較傳統(tǒng)開發(fā)的效率提升巨大，實(shí)施成本大大降低。通過自適應(yīng)和高性能的聯(lián)邦學(xué)習(xí)方案，實(shí)現(xiàn)計(jì)算效

38、率提升 2 倍以上。同時(shí)，通過三方合作，大幅提升場(chǎng)景準(zhǔn)入客戶規(guī)模，且戶均授信預(yù)計(jì)提高 30%，大大提高了中國(guó)工商銀行普惠金融服務(wù)在中小微企業(yè)的整體覆蓋面。案例四： 同盾科技應(yīng)用知識(shí)聯(lián)邦探索輔助小微企業(yè)對(duì)公房抵經(jīng)營(yíng)貸業(yè)務(wù)圖：同盾科技知識(shí)聯(lián)邦框架體系圖業(yè)務(wù)場(chǎng)景 2021 年，金融機(jī)構(gòu) A 對(duì)公房抵經(jīng)營(yíng)貸業(yè)務(wù)激增，已有的房抵貸準(zhǔn)入流程依賴于線下人工審核，不足以支持現(xiàn)在的業(yè)務(wù)量。同時(shí)業(yè)務(wù)量增加帶來的風(fēng)險(xiǎn)也是顯而易見的，金融機(jī)構(gòu) A 迫切需要引入外部數(shù)據(jù)源，為對(duì)公經(jīng)營(yíng)貸業(yè)務(wù)全流程做好智能風(fēng)險(xiǎn)評(píng)估。解決方案同盾科技依托知識(shí)聯(lián)邦技術(shù)，采用聯(lián)邦方式對(duì)信息/流程進(jìn)行安全串聯(lián)，基于知識(shí)聯(lián)邦進(jìn)行聯(lián)邦建模，幫助金融機(jī)

39、構(gòu) A 實(shí)現(xiàn)對(duì)公經(jīng)營(yíng)貸業(yè)務(wù)完整的線上自動(dòng)審批流程，幫助金融機(jī)構(gòu)更深入地做好中小微企業(yè)的欺詐及信用風(fēng)險(xiǎn)量化評(píng)估，提供更及時(shí)更精準(zhǔn)的分析與決策。該項(xiàng)目主要分為三期：一期，搭建聯(lián)邦平臺(tái)，開發(fā)冷啟動(dòng)模型。因?yàn)榻鹑跈C(jī)構(gòu) A 對(duì)公房抵經(jīng)營(yíng)貸業(yè)務(wù)存量數(shù)據(jù)不足，需基于外部數(shù)據(jù)源開發(fā)的專家模型，并圍繞該模型搭建業(yè)務(wù)的線上審核流程。一期完成后，貸前準(zhǔn)入以線下為主，線上為輔的方式運(yùn)營(yíng)。同時(shí)金融機(jī)構(gòu) A 在業(yè)務(wù)增量發(fā)展中累計(jì)表現(xiàn)數(shù)據(jù)。二期，基于搭建完成的聯(lián)邦平臺(tái)，可以在保證數(shù)據(jù)安全的方式下實(shí)現(xiàn)其他數(shù)據(jù)源的引入，增加模型的魯棒性，進(jìn)一步增加線上輔助流程在全審核流程中的權(quán)重。三期，基于業(yè)務(wù)增長(zhǎng)表現(xiàn)數(shù)據(jù)累積，使用標(biāo)準(zhǔn)聯(lián)邦學(xué)

40、習(xí)方式訓(xùn)練風(fēng)控模型，實(shí)現(xiàn)完整的線上自動(dòng)審批流程。產(chǎn)品效果一和二期階段，上線的專家模型大大提升金融機(jī)構(gòu)小微信貸風(fēng)控效果，并通過自動(dòng)化線上審核系統(tǒng)極大程度的緩解了金融機(jī)構(gòu)業(yè)務(wù)量壓力，近50%的小額業(yè)務(wù)直接線上審核。基于一期二期的累積數(shù)據(jù)，三期在聯(lián)邦平臺(tái)上訓(xùn)練聯(lián)邦評(píng)分模型。構(gòu)建的模型KS=0.33，AUC=0.87，模型 PSI=0.006，模型表現(xiàn)效果良好。貸中場(chǎng)景：貸中監(jiān)控案例：數(shù)牘科技貸中監(jiān)控案例圖：數(shù)牘科技貸中監(jiān)控案例業(yè)務(wù)場(chǎng)景 疫情期間，為提升金融普惠水平，降低企業(yè)融資成本，數(shù)牘科技聯(lián)合某地方公共事務(wù)中心和某國(guó)有銀行推出面向企業(yè)精準(zhǔn)扶貧的小微企業(yè)信貸方案，在多方數(shù)據(jù)不出庫(kù)的基礎(chǔ)上，通過實(shí)現(xiàn)對(duì)

41、雙方數(shù)據(jù)安全融合，助力某國(guó)有銀行貸中管理能力提升，為分析企業(yè)信用風(fēng)險(xiǎn)和企業(yè)貸款良性運(yùn)轉(zhuǎn)提供支撐。解決方案數(shù)牘科技提供的隱私計(jì)算平臺(tái)和建模服務(wù)，聯(lián)合銀行的企業(yè)征信數(shù)據(jù)（多頭借款、抵押、違約等），地方公共數(shù)據(jù)中心的公共數(shù)據(jù)（稅務(wù)、工商、司法、房產(chǎn)等），在不收集、不存儲(chǔ)原始數(shù)據(jù)的前提下，進(jìn)行模型訓(xùn)練（聯(lián)邦學(xué)習(xí)）和業(yè)務(wù)規(guī)則制定（隱私統(tǒng)計(jì)及分析），打造企業(yè)征信評(píng)級(jí)，實(shí)現(xiàn)了對(duì)目前貸中監(jiān)測(cè)模型的補(bǔ)充和完善。產(chǎn)品效果 最終模型效果相較于銀行單邊貸中監(jiān)測(cè)模型提升了數(shù)個(gè)百分點(diǎn)，輔助該行普惠金融貸中管理能力提升，并對(duì)分析企業(yè)信用風(fēng)險(xiǎn)和企業(yè)貸款良性運(yùn)轉(zhuǎn)提供支撐。同時(shí)，通過隱私計(jì)算技術(shù)引入政府?dāng)?shù)據(jù)，助力政務(wù)數(shù)據(jù)安全對(duì)外

42、分享。貸后從行業(yè)整體情況來看，將更多的數(shù)據(jù)聯(lián)合起來進(jìn)行分析，用在貸前、貸中更多，因此目前隱私計(jì)算技術(shù)的應(yīng)用也主要在貸前和貸中，貸后用到較少。但是在調(diào)研中，我們也驚喜地發(fā)現(xiàn)了將隱私計(jì)算技術(shù)應(yīng)用在貸后的案例，并且極具應(yīng)用前景。這個(gè)案例來自富數(shù)科技，是“基于多方隱私計(jì)算方法的零售不良資產(chǎn)動(dòng)態(tài)估值平臺(tái)”的探索。場(chǎng)景：不良資產(chǎn)估值案例：富數(shù)科技零售不良資產(chǎn)動(dòng)態(tài)估值案例圖：基于多方安全計(jì)算和聯(lián)邦學(xué)習(xí)的 AMC 聯(lián)合定價(jià)方案業(yè)務(wù)場(chǎng)景 對(duì)資產(chǎn)包進(jìn)行現(xiàn)金流預(yù)測(cè)和估值是不良資產(chǎn)管理的核心，傳統(tǒng)的估值模式主要是基于相似業(yè)務(wù)歷史回款數(shù)據(jù)的專家經(jīng)驗(yàn)評(píng)估法，精度和效率都比較低，與此同時(shí)，隨著網(wǎng)絡(luò)安全法、個(gè)人信息保護(hù)法、數(shù)

43、據(jù)安全法等的實(shí)施，傳統(tǒng)的估值方式無法繼續(xù)。在 AMC 資產(chǎn)評(píng)估時(shí)，一般金融機(jī)構(gòu)不給出太多資產(chǎn)信息，往往會(huì)由金融機(jī)構(gòu)為資產(chǎn)做出的評(píng)估分類給到 AMC 機(jī)構(gòu)。有些金融機(jī)構(gòu)會(huì)考慮讓 AMC 進(jìn)駐，對(duì)提供的信息進(jìn)行現(xiàn)場(chǎng)評(píng)估?；谶@種模式，對(duì)于金融機(jī)構(gòu)來說，會(huì)擔(dān)心給出信息有泄露風(fēng)險(xiǎn)；對(duì)于AMC 方來說，沒有太多信息，資產(chǎn)購(gòu)買完全需要默認(rèn)金融機(jī)構(gòu)的評(píng)級(jí)，為后期資產(chǎn)回收帶來風(fēng)險(xiǎn)。解決方案 富數(shù)在金融機(jī)構(gòu)與 AMC 之間搭建了隱私計(jì)算的數(shù)據(jù)貫通通道。金融機(jī)構(gòu)可以將出售資產(chǎn)以及相關(guān)的金融信息對(duì)接在隱私計(jì)算節(jié)點(diǎn)上，向 AMC 公司提供評(píng)級(jí)服務(wù)。AMC 機(jī)構(gòu)同時(shí)通過隱私計(jì)算對(duì)接更多外部數(shù)據(jù)源，如催收公司信息（查驗(yàn)對(duì)

44、接資產(chǎn)中的客戶是否有在催的信息、回款的效率等）、多頭信貸信息（判斷是否同時(shí)有多個(gè)貸款）、運(yùn)營(yíng)商信息（客戶的地理變動(dòng)、通話記錄等）等，與銀行數(shù)據(jù)進(jìn)行聯(lián)邦學(xué)習(xí)，判斷回款機(jī)率，從而精確判斷資產(chǎn)質(zhì)量，以及盈利率。產(chǎn)品效果聯(lián)邦建模保護(hù)數(shù)據(jù)安全和模型安全，較單方數(shù)據(jù)建模預(yù)測(cè)能力提升20%50%。這一方案可以應(yīng)用于資產(chǎn)管理公司、資產(chǎn)創(chuàng)設(shè)機(jī)構(gòu)，如銀行、消費(fèi)金融公司等， 以及委外處置機(jī)構(gòu)，基于多方隱私計(jì)算構(gòu)建個(gè)貸不良資產(chǎn)數(shù)據(jù)的互聯(lián)互通，防范由于信息不對(duì)稱造成的虛假交易等風(fēng)險(xiǎn)，并持續(xù)迭代個(gè)貸不良資產(chǎn)的剩余價(jià)值模型和清收模型，為金融機(jī)構(gòu)化解不良?jí)毫?、降低社?huì)居民金融杠桿提供基礎(chǔ)工具。2、反洗錢案例：數(shù)牘科技基于隱私

45、計(jì)算的反洗錢案例圖：數(shù)牘科技助力銀行反洗錢案例業(yè)務(wù)場(chǎng)景 在銀行反洗錢場(chǎng)景中，常用做法是基于內(nèi)部交易數(shù)據(jù)、關(guān)聯(lián)賬號(hào)等建立規(guī)則，用來判斷哪些動(dòng)作可歸屬成洗錢行為，據(jù)此搭建模型，應(yīng)用于實(shí)時(shí)監(jiān)控預(yù)警和事中控制。然而，由于數(shù)據(jù)覆蓋范圍較小且新的洗錢形式不斷涌現(xiàn)，傳統(tǒng)反洗錢模型召回率和精準(zhǔn)率不足，可能會(huì)直接影響到判斷效果，從而降低信息報(bào)送的效率和質(zhì)量。解決方案數(shù)牘科技應(yīng)用聯(lián)邦學(xué)習(xí)等隱私計(jì)算技術(shù)，幫助銀行引入通信運(yùn)營(yíng)商數(shù)據(jù)，為銀行反洗錢業(yè)務(wù)中補(bǔ)充了 50+特征維度，幫助雙方進(jìn)行隱私計(jì)算聯(lián)合建模，通過隱私保護(hù)集合求交技術(shù)對(duì)雙方用戶 ID 進(jìn)行匹配，幫助雙方在不交互原始數(shù)據(jù)的前提下進(jìn)行安全合規(guī)的數(shù)據(jù)協(xié)作，為反洗

46、錢場(chǎng)景模型補(bǔ)充了更多有效數(shù)據(jù)，提升銀行反洗錢識(shí)別能力。產(chǎn)品效果實(shí)現(xiàn)“數(shù)據(jù)孤島互聯(lián)”“數(shù)據(jù)隱私保護(hù)”和“反洗錢業(yè)務(wù)發(fā)展”三者間完美平衡。3、保險(xiǎn)風(fēng)控在信貸風(fēng)控和反洗錢之外，隱私計(jì)算技術(shù)目前在保險(xiǎn)風(fēng)控場(chǎng)景也有落地。零壹智庫(kù)在調(diào)研中發(fā)現(xiàn)的保險(xiǎn)風(fēng)控場(chǎng)景的成功落地案例來自光之樹科技和煋辰數(shù)智。場(chǎng)景：保險(xiǎn)反欺詐 案例一：光之樹科技保險(xiǎn)反欺詐數(shù)字聯(lián)盟方案圖：光之樹科技保險(xiǎn)風(fēng)控方案架構(gòu)圖業(yè)務(wù)場(chǎng)景 目前國(guó)內(nèi)保險(xiǎn)市場(chǎng)上，騙保和欺詐案件頻發(fā)，給保險(xiǎn)公司帶來了較大賠付風(fēng)險(xiǎn)。由于保險(xiǎn)公司間缺少數(shù)據(jù)安全協(xié)作的機(jī)制和技術(shù)支撐，使得保險(xiǎn)公司在面臨此類風(fēng)險(xiǎn)時(shí)，沒有風(fēng)險(xiǎn)發(fā)現(xiàn)和預(yù)防的手段，往往只能在事發(fā)后同被保險(xiǎn)人協(xié)商降低賠付額，

47、而此種形式在消費(fèi)者保護(hù)法框架下是難以獲得法律支持。解決方案光之樹科技提供的保險(xiǎn)反欺詐數(shù)字聯(lián)盟方案可幫助多家保險(xiǎn)公司及相關(guān)監(jiān)管方組成數(shù)字聯(lián)盟，可實(shí)現(xiàn)保單數(shù)據(jù) 無需物理集中的前提下可以支持多頭風(fēng)險(xiǎn)的查詢。同時(shí)，各參與方還可利用聯(lián)邦學(xué)習(xí)等技術(shù)，更加充分、安全 地共享聯(lián)盟數(shù)據(jù)資源，實(shí)現(xiàn)更廣泛的反欺詐模型的聯(lián)合建模，從而在核保和核賠過程中建立反欺詐預(yù)警機(jī)制。產(chǎn)品效果在場(chǎng)景應(yīng)用中，可以識(shí)別出多頭騙保的情況。案例二：煋辰數(shù)智車險(xiǎn)反欺詐案例圖：煋辰數(shù)智車險(xiǎn)反欺詐案例圖業(yè)務(wù)場(chǎng)景近年來，車險(xiǎn)是保險(xiǎn)欺詐的高發(fā)區(qū)，面對(duì)不斷攀升的車險(xiǎn)欺詐案件，保險(xiǎn)公司在防控理賠欺詐過程中面臨著諸多痛點(diǎn)，例如在車險(xiǎn)理賠過程中，保險(xiǎn)公司缺

48、乏大量相關(guān)信息資料，團(tuán)伙識(shí)別難度高，信息采集質(zhì)量低，對(duì)外部數(shù)據(jù)需求迫切。同時(shí)，保險(xiǎn)公司、監(jiān)管機(jī)構(gòu)、執(zhí)法部門之間也缺少信息協(xié)同共享機(jī)制，數(shù)據(jù)無法安全、有效地流通使用。針對(duì)上述痛點(diǎn)，如果能建立一套安全、智能、合規(guī)、多方數(shù)據(jù)融合的保險(xiǎn)反欺詐預(yù)警監(jiān)測(cè)體系，從事前、事中、事后多方位進(jìn)行風(fēng)險(xiǎn)智能管控，將大大提升對(duì)車險(xiǎn)欺詐案件的預(yù)測(cè)和識(shí)別能力。解決方案 煋辰數(shù)智打造基于隱私計(jì)算的車險(xiǎn)反欺詐解決方案，在保險(xiǎn)公司、監(jiān)管機(jī)構(gòu)、執(zhí)法部門等多方數(shù)據(jù)不出私域的前提下，各參與方實(shí)現(xiàn)聯(lián)合建模，安全、有效地使用多方數(shù)據(jù)資源，從而在出險(xiǎn)、核保和理賠過程中建立反欺詐預(yù)警機(jī)制，并運(yùn)用特征提取、文本挖掘、機(jī)器學(xué)習(xí)、社交網(wǎng)絡(luò)分析、關(guān)系

49、圖譜技術(shù)，快速發(fā)現(xiàn)風(fēng)險(xiǎn)點(diǎn)和可疑團(tuán)伙、人員，實(shí)現(xiàn)“人機(jī)結(jié)合”形式的智能化分析、研判和決策。產(chǎn)品效果在場(chǎng)景的落地實(shí)踐中，通過人車、人人等分類模型，實(shí)現(xiàn)對(duì)車險(xiǎn)欺詐場(chǎng)景的有效鎖定，識(shí)別精準(zhǔn)度提升 50%以上，并形成了全方位的預(yù)警監(jiān)測(cè)體系，運(yùn)用數(shù)據(jù)智能，提前發(fā)現(xiàn)風(fēng)險(xiǎn)隱患。4、資管風(fēng)控案例：洞見科技基于隱私計(jì)算的債券估值體系建設(shè)項(xiàng)目圖：基于隱私計(jì)算的債券指數(shù)編制業(yè)務(wù)場(chǎng)景隱私計(jì)算技術(shù)在債券估值體系建設(shè)中，創(chuàng)新應(yīng)用于安全融合企業(yè)信用數(shù)據(jù)、第三方數(shù)據(jù)、報(bào)價(jià)數(shù)據(jù)等，在數(shù)據(jù)不出域的情況下進(jìn)行計(jì)算，最后輸出信用風(fēng)險(xiǎn)預(yù)警情況、發(fā)債企業(yè)違約率、信用溢價(jià)等結(jié)果，服務(wù)債券估值體系。本案例通過隱私計(jì)算技術(shù)，實(shí)現(xiàn)了征信機(jī)構(gòu)評(píng)級(jí)業(yè)

50、務(wù)數(shù)據(jù)和非評(píng)級(jí)業(yè)務(wù)數(shù)據(jù)的安全融合與使用，更好地滿足監(jiān)管要求，并創(chuàng)造了隱私計(jì)算技術(shù)與資產(chǎn)管理、信用風(fēng)險(xiǎn)管理深度結(jié)合的新應(yīng)用場(chǎng)景。解決方案 案例采用隱私計(jì)算、機(jī)器學(xué)習(xí)和大數(shù)據(jù)多種技術(shù)，運(yùn)用中誠(chéng)信國(guó)際行業(yè)信用評(píng)價(jià)數(shù)據(jù)以及多元第三方數(shù)據(jù)，進(jìn)行數(shù)據(jù)融合和模型計(jì)算，產(chǎn)出收益率曲線和債券估值。在案例數(shù)據(jù)應(yīng)用過程中，隱私計(jì)算技術(shù)深度應(yīng)用于中誠(chéng)信國(guó)際行業(yè)信用評(píng)價(jià)數(shù)據(jù)以及多元第三方數(shù)據(jù)使用全流程，不僅要對(duì)中誠(chéng)信部分?jǐn)?shù)據(jù)進(jìn)行數(shù)字化轉(zhuǎn)型，還要基于隱私保護(hù)安全、合規(guī)應(yīng)用第三方數(shù)據(jù)，如工商、司法、交易、政務(wù)等數(shù)據(jù)。產(chǎn)品效果 隱私計(jì)算技術(shù)在案例中發(fā)揮關(guān)鍵作用，一方面根據(jù)監(jiān)管對(duì)評(píng)級(jí)業(yè)務(wù)和非評(píng)級(jí)業(yè)務(wù)的防火墻要求，安全將中誠(chéng)信內(nèi)

51、部的評(píng)級(jí)底稿等信息融合進(jìn)債券估值計(jì)算中，保證在原始數(shù)據(jù)不出域的情況下進(jìn)行全局計(jì)算；另一方面，在利用多元第三方數(shù)據(jù)進(jìn)行估值時(shí)，能達(dá)到數(shù)據(jù)不出其系統(tǒng)的情況下實(shí)現(xiàn)模型建立與調(diào)用。案例產(chǎn)出的債券估值和曲線將廣泛應(yīng)用于風(fēng)險(xiǎn)管理、限額管理、各大機(jī)構(gòu)資產(chǎn)計(jì)量、會(huì)計(jì)師事務(wù)所審計(jì)標(biāo)準(zhǔn)、凈值計(jì)算、參考定價(jià)等各方面，涵蓋客戶包括公募基 金、銀行、保險(xiǎn)、證券公司、資產(chǎn)管理公司等。此外，估值著重為投資者提供信用方面的決策參考。在低資質(zhì)債券和擔(dān)保債估值方法上實(shí)現(xiàn)創(chuàng)新，并實(shí)現(xiàn)了相同行業(yè)產(chǎn)業(yè)債、同區(qū)域城投債的點(diǎn)差聯(lián)動(dòng)，增加了信用債估值的顆粒度。;()*+?AB隱私計(jì)算廠商在金融風(fēng)控領(lǐng)域的競(jìng)爭(zhēng)力是個(gè)綜合指標(biāo)。從零壹智庫(kù)目前調(diào)研

52、獲取 的信息來看，競(jìng)爭(zhēng)力主要體現(xiàn)在技術(shù)、數(shù)據(jù)、業(yè)務(wù)三個(gè)方面。!#(隱私計(jì)算技術(shù)在金融風(fēng)控場(chǎng)景中的競(jìng)爭(zhēng)力，首先要看技術(shù)能力。因?yàn)橹挥屑夹g(shù)過關(guān)，產(chǎn)品才能被應(yīng)用在實(shí)際商業(yè)場(chǎng)景中，否則無法投入實(shí)際使用，其他競(jìng)爭(zhēng)優(yōu)勢(shì)無從談起。在技術(shù)方面，主要有如下幾個(gè)考量因素：安全性、性能、效果、支持大數(shù)據(jù)量的 能力、工程能力。在技術(shù)與產(chǎn)品的考量因素方面，對(duì)安全性的考量應(yīng)當(dāng)放在首位。因?yàn)?，隱私計(jì)算的終極價(jià)值就是能夠保護(hù)隱私數(shù)據(jù)的安全，使得數(shù)據(jù)“可用不可見”，如果安全性無法保障，就失去了這一技術(shù)的根本立足點(diǎn)。安全性之外，性能是第二個(gè)應(yīng)當(dāng)被考量的因素。因?yàn)?，在真?shí)業(yè)務(wù)場(chǎng)景中，性能的差異會(huì)決定一個(gè)隱私計(jì)算產(chǎn)品能否符合實(shí)際業(yè)務(wù)

53、需要，能否進(jìn)入真實(shí)應(yīng)用場(chǎng)景。例如，訓(xùn)練一個(gè)模型需要一個(gè)小時(shí)和需要一天，這帶來的實(shí)際業(yè)務(wù)影響是完全不同的。在實(shí)際應(yīng)用中，安全性和性能是需要平衡的一對(duì)因素。性能，是與安全性成反比的。對(duì)產(chǎn)品安全性的要求越苛刻，中間需要用到的安全算法和步驟就會(huì)越復(fù)雜，需要處理的數(shù)據(jù)就會(huì)更多。因此，當(dāng)對(duì)產(chǎn)品安全性的要求不斷提升的時(shí)候，它的性能是會(huì)不斷下降的。如果產(chǎn)品的安全性和性能都過關(guān)，下一個(gè)決定產(chǎn)品競(jìng)爭(zhēng)力的維度就是應(yīng)用效果。應(yīng)用效果取決于隱私計(jì)算項(xiàng)目能夠連接到多少數(shù)據(jù)源、數(shù)據(jù)建模能力如何。而這一 點(diǎn)，在技術(shù)能力之外又取決于數(shù)據(jù)和業(yè)務(wù)兩方面的競(jìng)爭(zhēng)力，我們將在下文中詳細(xì)闡 釋。支持大數(shù)據(jù)量，這一衡量維度是在零壹智庫(kù)的調(diào)研

54、當(dāng)中，由數(shù)牘科技提出的。其理由是，衡量隱私計(jì)算技術(shù)的維度不是一成不變的，隨著技術(shù)的進(jìn)步、落地應(yīng)用越來越多，會(huì)面臨更多的挑戰(zhàn)。安全性、性能和效果是衡量隱私計(jì)算廠商為客戶提供單點(diǎn)服務(wù)的能力。隨著隱私計(jì)算技術(shù)應(yīng)用越來越多，越來越需要多家企業(yè)進(jìn)行合作，這就越來越考驗(yàn)隱私計(jì)算平臺(tái)穩(wěn)定地支持大數(shù)據(jù)量的能力。最后，是工程能力。隱私計(jì)算軟件平臺(tái)，如果有技術(shù)創(chuàng)新，但是如果沒有在實(shí)際場(chǎng)景中使用過，穩(wěn)定性是有待驗(yàn)證的。掌握一項(xiàng)技術(shù)和讓技術(shù)真正好用，這其中還要跨越巨大的鴻溝，這是對(duì)工程能力的考驗(yàn)。!,#K1、接入數(shù)據(jù)源的多少連接數(shù)據(jù)源的多少，從根本上來說，取決于隱私計(jì)算軟件平臺(tái)的連接能力。隱私計(jì)算軟件平臺(tái)的運(yùn)行相當(dāng)于

55、一個(gè)中介平臺(tái)，連接數(shù)據(jù)源和數(shù)據(jù)使用方。因此，數(shù)據(jù)源和數(shù)據(jù)使用方有互相撬動(dòng)的作用平臺(tái)連接的數(shù)據(jù)源越多，愿意加入平臺(tái)的數(shù)據(jù)使用方就越多，因?yàn)閿?shù)據(jù)使用方是為了使用更多的數(shù)據(jù)才會(huì)選擇使用隱私計(jì)算平臺(tái)；反過來，平臺(tái)連接的數(shù)據(jù)使用方越多，愿意加入平臺(tái)的數(shù)據(jù)源就越多，因?yàn)橛兄鄶?shù)據(jù)使用方的平臺(tái)能夠?yàn)閿?shù)據(jù)源帶來更多的業(yè)務(wù)。在實(shí)際當(dāng)中，這種連接能力與幾個(gè)因素相關(guān)：第一，是隱私計(jì)算廠商的背景。首先，自身有獨(dú)特?cái)?shù)據(jù)或者與數(shù)據(jù)源有合作基礎(chǔ)的廠商會(huì)占有優(yōu)勢(shì)?；ヂ?lián)網(wǎng)巨頭和此前做過大數(shù)據(jù)風(fēng)控和營(yíng)銷相關(guān)業(yè)務(wù)的廠商會(huì)相對(duì)占有優(yōu)勢(shì)?；ヂ?lián)網(wǎng)巨頭有因自身業(yè)務(wù)運(yùn)行而積累的獨(dú)特?cái)?shù)據(jù)，做過大數(shù)據(jù)風(fēng)控和營(yíng)銷相關(guān)業(yè)務(wù)的廠商此前與相關(guān)數(shù)據(jù)源都

56、有過對(duì)接。以天冕科技為例，其母公司 WeLab 匯立集團(tuán)為近 5000 萬(wàn)用戶提供純線上金融服務(wù)，因此其在日常業(yè)務(wù)中就接入了風(fēng)控場(chǎng)景需要的數(shù)據(jù)源，而沒有金融業(yè)務(wù)的公司則沒有必要接入這些數(shù)據(jù)源，因此對(duì)數(shù)據(jù)源的了解有限。其次，與金融場(chǎng)景有合作基礎(chǔ)的公司會(huì)占有一定優(yōu)勢(shì)。比如一些做過大數(shù)據(jù)風(fēng)控或營(yíng)銷業(yè)務(wù)的公司，此前就為金融機(jī)構(gòu)提供過風(fēng)控或者營(yíng)銷服務(wù)，有現(xiàn)成的場(chǎng)景資 源。再次，就同樣具備金融風(fēng)控背景的公司來看，優(yōu)勢(shì)也各不相同。自身有信貸業(yè)務(wù)的公司，與數(shù)據(jù)源有長(zhǎng)期的合作關(guān)系，對(duì)數(shù)據(jù)源生態(tài)和在真實(shí)場(chǎng)景中的表現(xiàn)更為清 晰，因?yàn)樽陨碛姓鎸?shí)業(yè)務(wù)來進(jìn)行檢驗(yàn)。相對(duì)而言，自身沒有風(fēng)控業(yè)務(wù)的公司在這方面相對(duì)來說與前者相比

57、競(jìng)爭(zhēng)力稍弱。但競(jìng)爭(zhēng)優(yōu)勢(shì)也并不僅看這一個(gè)維度。第二，是隱私計(jì)算廠商的技術(shù)實(shí)力。廠商技術(shù)實(shí)力強(qiáng)，與生態(tài)伙伴連接的能力會(huì)相對(duì)更強(qiáng)。技術(shù)實(shí)力，特別是單點(diǎn)技術(shù)能力，是初創(chuàng)公司優(yōu)勢(shì)所在。2、自身數(shù)據(jù)量在金融風(fēng)控場(chǎng)景中，數(shù)據(jù)量的優(yōu)勢(shì)，主要存在于一些自身做過信貸業(yè)務(wù)的公司當(dāng)中。這樣的公司，一般來說有自身業(yè)務(wù)積淀的數(shù)據(jù)，業(yè)務(wù)體量的大小決定數(shù)據(jù)量的多少。3、是否一手?jǐn)?shù)據(jù)在金融風(fēng)控場(chǎng)景中提供隱私計(jì)算服務(wù)的公司，能夠接入的數(shù)據(jù)是否一手?jǐn)?shù)據(jù)也非常重要。一手?jǐn)?shù)據(jù)有幾個(gè)優(yōu)勢(shì)：其一，數(shù)據(jù)量級(jí)有所保證。如果自身沒有數(shù)據(jù)，需要接入外部數(shù)據(jù)，能夠接入的數(shù)據(jù)量不一定很大，數(shù)據(jù)量級(jí)則會(huì)影響風(fēng)控建模效果。其二，一手?jǐn)?shù)據(jù)實(shí)時(shí)更新，并且標(biāo)簽

58、豐富，這兩者都有助于提升風(fēng)控建模效果。!M#NOB PQ隱私計(jì)算技術(shù)要在金融風(fēng)控場(chǎng)景中很好地運(yùn)用起來，需要讓場(chǎng)景方切實(shí)體會(huì)到技術(shù)的運(yùn)用對(duì)提升業(yè)務(wù)的影響。因此，在隱私計(jì)算技術(shù)應(yīng)用初期，隱私計(jì)算廠商需要協(xié)助技術(shù)和數(shù)據(jù)很好地與金融風(fēng)控場(chǎng)景的真實(shí)需求對(duì)接起來，需要為數(shù)據(jù)源方和數(shù)據(jù)使用方提供數(shù)據(jù)處理、建模方面的建議及服務(wù)。要具備這樣的服務(wù)能力，需要的是在金融風(fēng)控場(chǎng)景中的業(yè)務(wù)理解。這方面實(shí)力的比拼，既要看公司提供的平臺(tái)與管理，也要看人才自身的實(shí)力。以風(fēng)控建模為例， 要掌握風(fēng)控建模技術(shù)本身并不難，技術(shù)能力過硬的應(yīng)屆畢業(yè)生就可以很快掌握。但是，要在真實(shí)業(yè)務(wù)場(chǎng)景中輔助客戶制定建模目標(biāo)、選取入模變量、建立模型卻需

59、要業(yè)務(wù)經(jīng)驗(yàn)的積累。這背后是團(tuán)隊(duì)人才與資金實(shí)力的比拼。C()*+FGH-./0通過調(diào)研，零壹智庫(kù)發(fā)現(xiàn)，隱私計(jì)算未來將在很大程度上重構(gòu)金融風(fēng)控。下面，我們從三個(gè)維度來闡釋這種重構(gòu)：數(shù)據(jù)來源、數(shù)據(jù)分析、數(shù)據(jù)應(yīng)用。!#K RS從對(duì)數(shù)據(jù)源的改變來看，隱私計(jì)算技術(shù)的應(yīng)用將大大拓展金融風(fēng)控能夠用到的數(shù) 據(jù)源的廣度和深度。1、拓展數(shù)據(jù)源的廣度對(duì)可應(yīng)用的數(shù)據(jù)源廣度的拓展，可以說是隱私計(jì)算技術(shù)對(duì)金融風(fēng)控最大的貢獻(xiàn)，因?yàn)轱L(fēng)控效果的取得，最關(guān)鍵的因素之一就是所能獲取的數(shù)據(jù)的價(jià)值。在隱私計(jì)算技術(shù)進(jìn)入實(shí)際應(yīng)用之前，零壹智庫(kù)在調(diào)研中接觸到的最早探索聯(lián)合建模的團(tuán)隊(duì)是天冕科技，其母公司 Welab 匯立集團(tuán)從 2014 年前后

60、就開始探索“聯(lián)合建 ?！?。所謂聯(lián)合建模，就是將不同來源的數(shù)據(jù)放在一起進(jìn)行建模，從而提升模型效果。但是，在隱私計(jì)算技術(shù)應(yīng)用之前，聯(lián)合建模的應(yīng)用范圍比較有限，這有兩方面的原因：一方面，因?yàn)樯婕暗交ハ嗍褂脤?duì)方數(shù)據(jù)，為了保證數(shù)據(jù)不泄露，聯(lián)合建模的雙方需要互相信任，所以聯(lián)合建模主要是在一些已經(jīng)建立信任關(guān)系的公司之間開展；另一方面，那時(shí)的聯(lián)合建模需要在線下進(jìn)行，需要一方拿著數(shù)據(jù)到另一方，涉及交通成 本，合作雙方會(huì)衡量成本與收益，如果感覺成本過高就會(huì)放棄合作，因?yàn)槁?lián)合建模的效果并不確定。這也限制了聯(lián)合建模的開展。未來，隱私計(jì)算技術(shù)的應(yīng)用，可以解決這兩方面的問題。這會(huì)使得數(shù)據(jù)協(xié)作的范圍大大拓寬：一方面，隱私計(jì)