【隐私计算案例集锦】隐私计算技术金融应用研究报告.pdf

四、隐私计算金融应用场景 金融行业各机构积累了高质量、高价值数据，但数据主要集 中于金融领域，且受限于本机构业务范围。从需求角度来看，金 融业务需要对客户情况、业务等形成全方位视图，多维度分析才 能产生更大的价值。因此，金融机构对同业机构、其他行业机构 有着迫切的联合计算意愿。隐私计算技术促进了更加开放的数据 价值融合，充分挖掘了数据的潜在价值，既有效支撑了金融业务 发展，更好地服务普惠金融、乡村振兴等国家政策，又为金融机 构在运营管理、风险控制等方面提供了强有力的支撑。 针对不同的应用场景需求，整体方案采用隐私计算中的一种 技术或多种技术组合进行解决。从上一章可以看到，隐私计算所 涵盖的联邦学习、多方安全计算、可信执行环境、同态加密、差 分隐私等多种技术，在安全、效率、效果等方面有所不同，应用 上也各有侧重。本章将从金融行业的应用场景角度，具体阐述隐 私计算在智能风控、智能营销、智能运营、隐私信息检索、供应 链金融、反洗钱等方向的应用案例。 （一）智能风控场景 银行等金融机构在对客户进行信贷风险控制时，为了得到更 加精准的信用风险预测结果，利用外部数据一般采用两种方式： 一种是直接购买外部信用分或欺诈分，此种方式受外部数据质量 50 的限制，无法进一步提升效果；另一种方式为结合客户基本信息、 资金流水等自有数据和外部数据联合建模，对其信用风险进行综 合评估分析，数据合作涉及到多方客户数据的共享和使用，传统 的技术保密方式主要依赖于数据脱敏，但数据泄露事件时有发 生，未能很好地保障数据的安全。 银行拥有大量有信贷需求的用户，外部机构有海量的其他类 型用户行为数据和场景数据。通过隐私计算，银行无需交换明细 [13] 级原始数据即可联合其他数据源共同建立风控模型 。 （1 ）金融机构同政务数据合作风控 案例一：贷后企业风险监测 主要应用技术：联邦学习 根据北京市大数据行动计划，为了发挥大数据在提升城市精 细化管理、推动治理能力现代化等方面的重要支撑作用，北京市 各委办局的政务信息已陆续汇聚在金融公共数据专区，涵盖工 商、医保、社保、公积金等高价值数据，由北京金控集团的全资 子公司北京金融大数据有限公司运营并统一对外提供服务。 工商银行与金控集团利用联邦学习技术，在双方数据互不出 库、满足用户信息隐私保护以及数据安全的基础上，在企业贷款 贷后监测场景中借助金融公共数据专区的企业不动产信息完成 联合建模，打造抵押贷款客户不动产信息风险监测产品，为企业 贷款业务的动态监测提供数据支持，实现企业抵押贷款贷后监测 51 预警能力的进一步提升。 产品以企业名称和统一社会信用代码为匹配 ID，联合分行 的企业贷款数据（客户贷款余额、期限、状态等）与金融公共数 据专区汇聚的企业不动产数据（不动产信息、抵押情况、权利份 额等），通过联邦学习平台在双方数据不可见的前提下，共同建 立企业贷后监测场景风险评分卡模型，并根据该模型输出的评分 转化结果将企业风险状态分为正常、关注、预警三个级别，代表 企业的不同资产负债水平和风险级别，以此对抵押类贷款客户在 不动产领域进行风险监测及评估。 产品上线后，在贷后管理环节除了可关注企业的经营状况、 财务数据以及贷款关联的抵押标的物以外，能够更加全面准确的 了解企业当下的不动产信息及抵押情况，掌握其实时资产负债水 平，对于临近资不抵债状态的企业及时提示预警，在加强实体经 济扶持的同时进一步确保贷款质量。 产品首批对百户存量企业进行监测，对于存在的个别关注企 业已安排现场检查沟通，达到有效控制贷款业务风险的目的。工 商银行北京分行也是金控集团诸多合作伙伴中，首批唯一一家运 用联邦学习技术上线此类产品的单位。后续，分行将继续深化政 务数据合作，推动经营管理和业务发展。 案例二：小微贷款类产品风控 主要应用技术：联邦学习 随着数据挖掘应用深入，金融机构开始引入外部数据拓展和 52 提升数据挖掘的应用范围及使用效果。一方面银企合作升温、外 部数据需求增加，另一方面，数据隐私保护已成为很多行业的发 展趋势，我国也正推动