隐私计算将改变金融行业的游戏规则？

最新推荐文章于 2024-09-15 20:20:23 发布

aK031999

最新推荐文章于 2024-09-15 20:20:23 发布

阅读量527

点赞数

文章标签：金融人工智能大数据 Powered by 金山文档

本文链接：https://blog.csdn.net/aK031999/article/details/129439294

版权

金融机构在推进数据中台建设和风险管理中，面临着数据流通的痛点和隐私保护的挑战。腾讯安全的‘信鸽’工具和TenDI决策系统旨在促进合规的数据流通和提升风控效率。同时，银行正应用隐私计算技术来解决数据共享中的隐私问题，但技术尚存在效率和整合难题，需要不断优化和与第三方合作以提升数据治理能力。

摘要由CSDN通过智能技术生成

开放隐私计算

背景

2月底，相关部门印发《数字中国建设整体布局规划》提出，到2025年，基本形成横向打通、纵向贯通、协调有力的一体化推进格局，数字中国建设取得重要进展；到2035年，数字化发展水平进入世界前列，数字中国建设取得重大成就。对银行等金融机构而言，如何按照国家规划要求进一步激发数据潜能并促进各项业务高质量发展，仍是一大挑战。

采访调研

21世纪经济报道记者多方了解到，近年各家银行都在积极推进中台能力建设，包括打造业务中台、数据中台与智能风控中台，通过搭建中台的系统一体化能力，将原先分散冗长的风控流程与数据孤岛整合起来，提升业务营销、运营、风控等环节效率。

目前，各家银行还致力于盘活内外部数据，在贷前环节构建智能图谱、黑灰名单、反欺诈模型、交叉验证模型等对客户进行业务准入筛查、反欺诈评估与信用评分；在贷中贷后环节则利用大数据做宏观经济监测与客户全生命周期视图，收集各类司法与舆情最新信息，尽早识别潜在风险做好应对策略。

1.腾讯安全金融风控总经理陈波

腾讯安全金融风控总经理陈波告诉记者，这背后，是数据流通仍面临诸多实际操作痛点。目前数据流通主要分成两种模式，一是传统的C2B模式，即银行要求用户打印个人数据交给银行，但在这个过程，用户线下打印耗时长，并且数据或面临篡改风险；二是B2B模式，即银行要求用户授权查询三方数据，但用户往往不知道哪些数据被银行使用，这些数据用途有哪些，容易引发用户因自身数据被滥用，与银行发生矛盾。

“因此我们研发了促进数据流通的工具产品‘信鸽’，它一方面由用户在知道银行的数据使用用途与所需数据范畴后，自己操作提供个人数据，确保数据提供流程合规合法，另一方面通过区块链技术与公证处合作，对用户提交数据是否与公证处存证的数据做比对，确保数据真实客观并杜绝数据篡改风险。”他告诉记者。

此外，腾讯安全正致力于打造一套智能的大数据智能决策系统“TenDI（腾讯天御决策系统）”，协助银行在TenDI系统兼容不同的数据接口与风控引擎、隐私计算等技术，助力银行更高效地盘活不同业务部门与外部机构数据，持续提升自身业务营销、运营与风控效率。

2.东部地区省联社产品研发部副总经理

随着“数据二十条”等政策面世，各家银行在数据采购、共享、存储与使用等方面持续构建更严格的管理标准。一位东部地区省联社产品研发部副总经理向记者表示，在实际业务操作环节，某些个人隐私数据仍存在滥用与保护缺失问题，比如业务部门在拒绝某些企业或个人贷款申请时，会直言他们查到这些企业个人还有其他信贷债务尚未归还，有些业务部门人员在搭建风控模型时往往能接触到大量用户隐私数据，个别协助银行搭建技术系统的外包人员也能“接触”到某些用户隐私数据。

他们对此正积极推进隐私计算技术在内部数据与外部数据共享环节的应用，力争将个人隐私数据做到“脱敏化”与“标签化”，有效保护个人数据安全。

3.城商行数据治理部门主管

一位城商行数据治理部门主管向记者透露，目前，隐私计算技术已被证明是多方联邦安全建模领域的重要基础设施。但它同样存在建模效率低下、多方加密协议不规范等问题，尤其是他们与当地电信运营商、政府部门开展基于隐私计算的数据共享时，面临不同技术参数的整合烦恼。目前，他们也希望第三方金融科技平台能够发挥自身科技研发优势，在确保“原始数据不出域、数据可用不可见”的情况下，协助银行整合不同隐私计算技术与统一脱敏数据界定标准，进一步提升银行的数据采集分析使用效率。

总结

通过这三段采访，我们可以看到，数据共享和数据隐私是当前金融业面临的两大挑战。一方面，数据的共享和流通可以提高金融机构的风控能力和效率，为用户提供更好的金融服务。另一方面，数据隐私保护问题也日益受到关注，保护用户隐私成为金融机构不可忽视的重要问题。

在这种情况下，隐私计算技术成为了解决数据共享和隐私保护之间矛盾的重要手段。通过隐私计算技术，可以在不泄露用户隐私的前提下实现数据共享和加密计算。这在金融机构内部数据共享和外部数据共享中都具有很大的应用潜力。

然而，在实际应用过程中，隐私计算技术还存在很多问题和挑战。例如，多方联邦建模效率低下、多方加密协议不规范、不同技术参数的整合等问题。因此，金融机构需要通过不断研发和优化技术，建立科学的数据治理机制，加强隐私保护措施，保证数据共享和隐私保护的平衡。

同时，金融机构也需要借助第三方金融科技平台的技术优势和专业知识，进行更好的数据共享和隐私保护。这种合作可以帮助金融机构实现数据的更好共享和使用，同时也可以帮助第三方金融科技平台更好地理解金融机构的数据需求和数据治理标准。

总之，数据共享和隐私保护是当前金融行业面临的两大挑战，隐私计算技术作为一种重要手段，在保护用户隐私的同时实现数据共享和加密计算，具有重要的应用潜力。金融机构需要通过不断研发和优化技术，建立科学的数据治理机制，加强隐私保护措施，同时也需要与第三方金融科技平台合作，共同推动金融行业的数据共享和隐私保护工作。

来源：21世纪经济报道

END

往期推荐: