金融应用场景下隐私计算的功能实现路径

SCI论文（www.lunwensci.com）

　　摘要：金融机构亟需利用数据资源提高运营效率，开展跨行业、跨机构等多方数据融合，隐私计算的出现为金融机构在保证数据安全的前提下协同发展提供了可能。隐私计算的应用将极大提高银行在风险管理和营销推广方面的效率。隐私计算在金融场景应用中应构建开放金融生态，重视制度创新，为数据应用提供安全环境，提升数据使用质效。平衡数据保护和数据应用，充分释放数据潜能。
　　关键词：隐私计算；金融；数据；生态
　　当前，我国数据要素市场仍处于发展的初级阶段，存在市场培育的统筹规划不足、发展规划的标准不清晰等问题。数据间如何实现互联互通一直是数据要素市场快速发展过程中存在的难点。隐私计算的互联互通有助于促进数据要素的高效有序流通，同时互联互通的实现能够拓宽隐私计算应用边界。隐私计算技术通过对数据进行密码学处理，能够确保数据信息接收方在无法获取原始数据的前提下，能够基于相应算法得到所需信息，进而达到数据安全共享的目的。在数字化经济快速发展的背景下，金融业受到数据要素化战略影响，积极探索隐私计算应用。[1]
　　一、隐私计算技术在商业银行中的应用场景
　　隐私计算推动金融行业相关应用发展，特别是随着多方安全计算金融应用技术规范、金融业数据能力建设指引、金融数据综合应用试点等一系列政策标准不断出台，各金融机构纷纷围绕客户营销、风险管理、监管合规等领域，开展隐私计算应用实践。[2]
　　（一）银行与支付机构数据共享
　　数据机构有着大量的个人用户信息，对于数据的有效利用能够实现信贷安全的有效提升。但由于该类数据是高度隐私数据，数据出库存在合规性问题；但加工后再流通将导致数据准确度下降，建模评估结果的有效性将大大降低。但在隐私计算技术的应用背景下，该问题得到了有效解决。银行在数据机构数据不出域的前提下，能够借助相关数据进行风险画像的完善，并在隐私计算技术的操作下实现客户信用等级等方面的评估。[3]在隐私计算技术的推动下，提高了银行的经济效益。
　　（二）银行与金融同业数据共享
　　银行与同行业数据库的共享能够有效解决银行覆盖面窄、信息掌握不全等痛点，数据共享后基于自身短板能够更全面地掌握客户信息，并对其风险进行全面评估。但银行同非金融机构的竞争关系以及合规要求，使得合作难以开展。但在隐私计算技术全面应用的前提下，能够最终实现风险联防联控的要求。
　　（三）银行与运营商数据共享
　　运营商同样掌握了大量用户信息，是信贷风险评估的高价值数据来源。当前商业银行仅通过三方数据公司获取运营商数据，但因为个人数据的高度隐私性导致商业银行最终难以获得有效且全面的数据。因此，在借助隐私计算技术，能够在双方数据不出域的前提下进行联合建模，提高风控效果。[4]
　　（四）银行与互联网平台公司信息共享
　　互联网平台掌握海量用户信息，同商业银行的合作以及数据共享，能够提高银行信贷模型结果的精准度，有助于实现银行信贷服务的提质增效。
　　（五）银行与传统企业信息共享
　　在供应链金融业务应用背景下，由于核心企业对于供应链金融的认识不足，以及出于对隐私泄漏的考量，导致对数据共享的防范性较高。对此，商业银行与核心企业可以构建隐私计算平台，在数据不出库的前提下进行模拟，从而实现普惠金融服务半径的扩大。[5]此外，商业银行在同其他金融机构合作方面，如航空公司、物业公司等，同样可以借助隐私计算机构构建数据共享平台，为消费者提供定制化的金融服务。
　　二、隐私计算在普惠金融的应用场景
　　普惠金融覆盖的客户众多、产品形态依据丰富的需求而多样，但面对庞大的需求市场，卖方获取的客户信息不多，且缺少高效的中间链接平台，最终将导致金融机构无法精准筛选客户并提供指定产品，导致营销效率降低，亟需对普惠金融产品进行精准营销，实现客户潜在价值的挖掘。
　　（一）精准营销
　　近年来，普惠金融产品线上发布逐渐成为发展趋势，同样产品推介以及宣传借助线上平台逐步实现智能化进步。金融机构将加大与机构、企业的合作力度，扩大营销推广覆盖面，通过对客户的精准营销以达到降低营销成本的目的。[6]具体业务流程见图1，由于地方政府数据库存有社保数据、公积金数据、纳税数据和水电气数据等，其数据能够完全覆盖普惠金融产品推销的目标人群，同时政府机构的数据与企业数据相似度不高。因此金融机构在场景实践中与地方政府合作，通过数据的共享来构建企业特征标签。对初始处理的数据信息后进行简单初筛，并进一步采用联合营销模型进行数据信息处理，以此捕捉企业的偏好特征，实现普惠金融领域针对客群特征的精准识别和产品推介，完成精准营销。隐私计算技术在精准营销方面的有效应用，能够提高信贷投放精准度，降低信息不对称成本的同时，实现了多方共赢的营销结果，诠释了普惠金融的目的即稳增长、促就业、保民生的内涵。

　　（二）欺诈监测
　　近年来随着大数据等新技术的快速发展，其在金融领域的多方位应用推动了传统银行业务实现转型升级。但技术的提高也使得数据盗取和欺诈手段随之提高，逐渐形成产业链，线上和线下的搭配、传统和新型手段融合给金融机构在普惠金融领域的开展带来挑战。当前金融机构面临的外部欺诈包括信贷欺诈和账户欺诈两类。其中前者通过骗取银行贷款和信用卡授信为银行带来信贷资金的损失；后者以涉赌涉诈等违规、异常账户支付交易等为客户自有资金损失、监管合规带来风险。当前金融机构在欺诈检测方面主要面临如下挑战：一是不同机构间的数据难以进行有效的融合使用，导致对欺诈行为的溯源存在难度；二是欺诈行为的团伙性和高对抗性为反欺诈策略带来挑战。
　　旨在解决上述难点，金融机构运用隐私计算技术融合多方数据，高效识别欺诈风险。如图2所示，数据外部合作方如政府大数据中心掌握企业吊销及注销信息、失信信息、涉案信息以及纳税异常信息等，借助联邦学习模型将已知的欺诈信息和未知的风险信息有效联系起来并支持动态调整，从而主动发现潜在的欺诈风险。隐私计算技术在欺诈检测的应用能够实现经济效益的良性健康发展，利用隐私计算技术对多方数据有效融合，有效识别欺诈风险以及典型欺诈特征，有助于挽回经济损失。

　　（三）风险监控
　　金融机构对信贷业务的风险防控要求趋严，已有数据难以实现严格的场景以及风控升级的需求，亟需引入外部数据赋能普惠客群，构建符合特定客户的智慧风控体系。当前金融机构在风控方面存在如下挑战：一方面，金融机构对普惠金融业务客群的识别普遍采取传统的评分卡模型，但由于其存在数据量少、维度缺乏等原因，随后期金融产品和渠道完善丰富的同时，已有数据量难以满足新风控要求；另一方面，在借助外部数据优化风控模型的同时，由于数据间融合壁垒的存在，导致“数据孤岛”现象严重，造成数据间数据融通存在难度。上述两方面挑战，可采取以下措施破解，一是采用人工智能等创新技术收集数据，丰富数据库并扩充规模；二是借助隐私计算技术实现金融机构同多方机构共同展开合作，进一步优化风控模型。[7]如图3所示，当前金融机构同地方政府大数据中心合作，通过对工商数据、司法数据、税务数据、公积金数据和社保数据的使用，构建评分卡模型。借此实现对业务场景风控情况的多维度认识，形成良好的风控应用。

　　三、隐私计算应用于金融场景的前景展望
　　隐私计算可以帮助金融机构将自身和外部数据联合开展分析，从而有效识别信用等级，降低多头信贷、欺诈等风险，有助于信贷及保险等金融产品的精准定价；而多方数据的共享融合，有助于提高金融机构的反洗钱甄别能力。[8]
　　（一）加强隐私计算与区块链等技术的融合
　　联合风控是隐私计算在金融领域的一个重要应用场景。利用隐私计算技术，可以实现跨机构间数据价值的联合挖掘，更好地分析客户的综合情况，交叉验证交易真实性，降低欺诈的风险，从而综合提升风控能力。在营销环节，通过应用隐私计算技术，提升精准营销的效果。已有金融机构探索区块链与隐私计算相结合的应用，以实现两者优势互补、功能相融、价值共生。[9]这种方式下，区块链弥补了隐私计算在不透明运作过程中的无法回溯和留痕问题，而隐私计算为区块链赋能，提供了方法支撑。未来，隐私计算的功能实现路径仍有待进一步发掘，要在解决当前问题的基础上探索更有效的规制框架，通过厘定相关边界和权责促进技术在合规的前提下运行，并充分保护创新，实现科技向善价值导向下的技术革新。
　　（二）完善隐私计算发展标准
　　在标准方面，中国信息通信研究院推出了“可信隐私计算”标准和评测体系，该体系应用场景丰富。同时，针对安全风险，根据《隐私计算多方安全计算产品安全要求和测试方法》《隐私计算联邦学习产品安全要求和测试方法》等标准，实现了隐私计算应用的安全准确性，有利于进一步提高其可用性。
　　（三）优化隐私计算性能、成本和效率
　　首先，在金融场景应用中，应构建开放金融生态，在监管层面予以规范，进而打破当前的技术应用壁垒，促进跨技术平台间的互联互通。其次，应重视制度创新，在数据安全立法逐渐完善以及严格要求下，在数据合规的要求下要不断创新，为数据应用提供安全环境，提升数据使用质效。最后，隐私计算未来是否被市场接受，取决于敏感数据使用的解读；例如，现实中，敏感数据不能传输到另一方做模型，但做完模型后可以传输评分，基本解决了提取信息和屏蔽敏感数据问题。关于敏感数据、数据安全和数据合规等方面仍有待进一步细化界定和规范化指引，从而实现在数据保护和数据应用之间的平衡，充分释放数据潜能。
　　（四）趋势展望
　　在商业银行与不同机构和平台进行深化合作过程中，一是可以优化算法，提高软件和硬件性能，借此实现最终服务的提质增效；二是完善行业标准，通过标准化建设带动行业规范化发展，形成良好的业态环境；三是建立与监管机构通畅的沟通机制，解决隐私计算在落地应用过程中存在的合规问题。具体实现路径如下。
　　第一，以制度创新为关键，着力夯实隐私计算应用的技术基础与服务生态。目前隐私计算处理数据如何达到合规要求未有清晰的操作指引，这在一定程度上影响了银行应用隐私计算共享、输出数据的积极性。相关部门应加快技术安全性、场景应用等落地层面的法规、标准等“软”基础设施建设，通过制度创新解决银行隐私计算应用瓶颈。此外，需依托专业检测认证机构，建立全方位的检测认证体系，帮助银行有效识别、检验评估市场新兴隐私计算产品的安全性、通用性。在技术层面，隐私计算技术本身正处于起步阶段，其性能开销、时效限制等方面亟须持续攻关。各技术厂商应广泛借助产业联盟、论坛等隐私计算公共服务平台，推动跨领域银行业务专家、密码学人才、数据科学家之间的交流，实现破界创新和同创共赢。
　　第二，借助隐私计算技术，形成商业银行健康的数据生态环境。近年来“联合贷”“助贷”业务的增加源于商业银行不具备数据优势，需要与具备该优势的平台机构展开合作。但该模式逐渐有模糊金融服务边界的趋势，对银行风险合规管理等优势具备抑制作用。[10]因此，商业银行应以隐私计算技术为科技转型始点，在安全合规前提下探索金融数据合作新模式。
　　第三，以互联互通为前瞻目标，探索构建银行业各层级数据流通基础设施。不同隐私计算平台间互联互通的难点在于其异构性。银行业数据流通基础设施互联互通，不是打破已建设平台在管理、技术和商业模式上的信任共识，更不是替代已有平台，而是在已有平台上叠加可管可控的跨平台功能，来实现数据流通基础设施的一种递进式扩展。可借鉴互联网互联互通的经验，不同平台间通过统一的跨域数据交换协议相互连接、组成数据流通网络，网络与网络间通过跨域数据交换协议再次组合，如此不断扩展、有机生长。往后看，未来银行业将率先建设企业级、行业级数据流通网，以点带面推动保险、证券等其他金融行业数据要素高效流通，助力数字金融整体跨越。
　　第四，多样技术路线导致互联互通难度大。隐私计算技术的快速发展逐渐展现出多种技术路线和算法流派，技术路线包括联邦学习、多方安全计算等；底层算法包括混淆电路、同态加密等。由于技术路线在不同方面的优势不同，使得基于自身需求的侧重点不同，路线的选择存在差异。同时，技术框架的多样化发展进一步扩大了算法分歧。最终算法和技术路线难以得到统一将导致数据的互联互通难度加大。由于隐私计算的性能不高导致后续的深入使用存在局限。隐私计算技术在处理海量数据时将受到硬件和网络带宽的限制，在基础条件较差的环境下将难以发挥优势。此外，隐私计算技术水平的限制导致在部分应用场景下难以有效发挥，后期仍需加强技术升级和优化。同时，隐私计算抗恶意攻击安全性不足。隐私计算的快速发展毋庸置疑，但当前多数隐私计算平台所使用的算法和技术均无法抵抗恶意攻击，因此在对平台进行选择时要选取安全性、可靠性更高的机构。
　　第五，生态与产业发展样态多元化。随着隐私计算技术的不断创新发展，业务形态逐渐复杂多样，同时系统和业务边界模糊化，虽然在一定程度上加快了数据生产和流动，但隐私计算技术在产业发展层面仍存一些问题亟待解决。例如在数据的整个生命周期运作进程中，责任主体、边界等逐渐模糊，进而导致对数据的控制难以把握；此外，业务的合规性需要考量多方因素，如机构业务的资质、数据授权等，导致相关业务的开展需要进行谨慎评估。同时，数据具备资产属性，其定价、激励机制、后期利益分配等相关政策未落地，导致对其利益难以进行有效评估。针对上述挑战，一方面需在性能、安全性等方面提高隐私计算技术，并借助标准化技术设计实现不同技术路线下数据的互联互通。[11]同时加强隐私计算技术与不同金融科技的融合使用，并针对普惠金融业务特点，丰富数据合作场景和应用路径，完全发挥普惠金融的普惠性，做到应用范式的形成。此外，面对金融领域数据应用的合规要求，应加强推进顶层制度设计，保障数据隐私安全等，防止数据出现泄漏或盗取风险。
　　参考文献：
　　[1]徐磊，魏思远.金融业隐私计算的内涵、应用和发展趋势[J].中国银行业，2021（11）:62-64.
　　[2]王国赛，李艺，陈琨，等.隐私计算技术的金融应用思考[J].金融发展研究，2022（8）:31-37.
　　[3]郑灏.隐私计算在金融行业数据融合场景中的应用探析[J].中国金融电脑，2022（6）:90-91.
　　[4]李国辉.隐私计算在金融行业应用正在加速[N].金融时报，2022-04-11（4）.
　　[5]李伟.银行数字化转型中的隐私计算[J].银行家，2022（7）:108-110.
　　[6]王雪，李武璐，李原，等.隐私计算在普惠金融领域的应用研究[J].信息通信技术与政策，2022（5）:53-59.
　　[7]李立志，陈媚.隐私计算技术在商业银行数字化风控中的应用[J].海南金融，2022（6）:50-56.
　　[8]龚伟华，李娜.布局隐私计算推动金融数据融合应用[J].金融电子化，2022（2）:69-70.
　　[9]曾钊创，刘朝伟，彭顺求，等.工商银行区块链隐私计算融合技术探索与实践[J].中国金融电脑，2022（3）:46-49.
　　[10]强锋，薛雨彬，相姝.隐私计算在金融领域的合规分析[J].信息通信技术与政策，2021（6）:57-62.
　　[11]许莉芸.数据要素时代，隐私计算在金融业的应用展望[J].科技与金融，2021（8）:58-61.

关注SCI论文创作发表，寻求SCI论文修改润色、SCI论文代发表等服务支撑，请锁定SCI论文网！

文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/jingjilunwen/77630.html