隐私计算平台建设与应用实践.docxVIP

隐私计算平台建设与应用实践

建设背景

保险属于典型的“数字密集型产业”，“大数法那么”决定了保险与生俱来的数字属性。随着信息技术的开展，社会正在快速进入数字化时代，在各类场景中都在不断产生和消费数据，保险公司以往惯用的内部数据已经无法跟上新时代的需求，需要依赖大量外部数据来更好地识别和评估风险，制定更有效的营销运营策略。

随着近几年国内外一系列数据平安与隐私保护相关政策法规密集出台，以往的粗放式数据收集、使用与交易模式将被严格规范和限制。为保障数据交易中的隐私平安，行业涌现出多种技术解决方案，中国人寿财险进行了深入研究，在考虑了平安性、可用性和自主可控性等因素的情况下，选择了隐私计算技术。在隐私计算框架下，参与方的数据明文不出私域，在保护数据平安的同时，能够实现多源数据跨域合作。因此，中国人寿财险通过建设隐私计算平台，破解数据融合价值平安释放的难题，真正实现“数据可用而不可见”的价值理念。

系统建设概况

.系统简介。中国人寿财险所建设的隐私计算平台是一款基于多方平安计算、联邦学习技术的数据智能应用平台,平台具备数据接入管理能力及隐私计算算法，满足跨企业、跨机构间基于数据隐私保护的查询及计算等任务，能够通过匿踪查询、集合运算、联合建模、联合统计等功能，应用于保险业务场景内的联合营销、联合风控、信息共享、产品创新等多场景任务，解决数据协作时无法平安利用各方数据的困境，将智能化、数字化落地到实际保险业务应用功能中，助力以数据驱动为核心的开发、运营和产业升级。

.建设成果。国寿财险隐私计算平台于2021年四季度正式上线，并开始逐步对接外部数据。针对异构平台之间的互联互通难题也取得了一定成果。

以在某分公司的实际应用为例，国寿财险完成了与外部科技公司基于开源FATE框架平台的异构互联，在原始数据不出本地的情况下，完成车辆评分联合建模任务，有效降低了合作各方未来重复建设的风险。

同时，国寿财险隐私计算平台通过了工信部中国信通院的“联邦学习基础能力专项评测”，中国人寿财险成为全国首家通过该评测的保险机构，标志着该平台在联邦学习的调度管理能力、数据处理能力、算法实现、效果及性能、平安等方面得到了专业认可。未来国寿财险隐私计算平台将参与中国信通院其他隐私计算评测，对多方平安计算、联邦学习的相关技术功能进行全面认证。

保险行业应用场景

隐私计算技术以数据可用而不可见的方式促进数据智能生态共建，其开展为保险行业提供了更广阔的数据应用场景，也为行业的数据合作翻开了新局面。

.联合营销。在面向以客户为中心的数字化保险业务转型期，精准客户营销是数字化转型的重要阵地。但是由于“数据孤岛〃问题致使无法准确、全面、实时分析客户需求及行为偏好，保险公司只能被迫使用低效率、高本钱的传统营销方式。

通过隐私计算，可以打通同一客户在内外生态中的多领域数据，使各参与方无需共享数据资源即可实现联合构建营销模型，进一步丰富用户画像，从而进行精准营销，实现保险业务的数字化转型。

在高价值客户识别中，可利用匿踪查询技术，在保证查询客户信息不泄露的条件下，引入客户价值识别的标签数据,或通过联合其他数据源的数据特征，根据规那么筛选出高价值客户，在资源有限的前提下对其进行资源和服务上的倾斜，从而实现业绩最大化。

在沉睡客户激活中，可通过隐私计算技术在内外部机构之间构建数据协作通道，有效识别沉睡用户的不同特征，构建更加差异化和精准的激活策略，从而保持客户分布健康，同时提高客户服务满意度。

.联合风控。保险公司是经营风险的公司，而风险发生在未来，具有很强的不确定性。通常来说，用户在保险机构的数据难以满足行业对风险评估的要求，因此需要结合其他机构的数据进行综合评估。但由于其他机构的数据保护、安全合规风险等原因，数据往往无法实现真正的互联互通，“数据孤岛现象越来越严重，使得保险行业风险识别的难度日趋增加。

利用隐私计算技术，可以在原始数据不出本地的前提下,实现跨机构间数据的联合挖掘，交叉验证实现风险分析，形成对业务的多维度认识，提升风控质量。

在风险信息查询中，可利用匿踪查询技术，在保护查询数据的同时平安获取客户的消费能力、借贷情况等信息来识别客户的潜在风险。在风控模型构建中，可通过引入外部数据，在各方原始数据不出本地的情况下联合构建风控模型,增强对客户赔付预测的判断能力。在行业黑名单共建中，可通过隐私计算建立险企黑名单共享联盟，联盟成员可查询客户在联盟中的黑名单情况，对于黑名单用户予以拒保或重点核保，从而增强险企的反欺诈能力。

3,精算定价。由于市场上保险产品的差异化小，定价成为客户选择保险产品的核心要素。对于保险公司而言，保险定价的过程一定程度上就是对风险识别