隐私计算技术在金融集团内部数据共享中的应用与个人信息保护影响评估.docx

PAGE2

隐私计算技术在金融集团内部数据共享中的应用与个人信息保护影响评估

本报告概述

本报告以隐私计算技术在金融控股集团内部数据共享中的应用为研究主题，聚焦于联邦学习、多方安全计算两项核心技术是否满足《个人信息保护法》所确立的数据最小化原则，并深入剖析集团内部各法人实体之间的处理者法律关系。

研究核心发现，隐私计算技术并非数据处理关系的“豁免工具”，而是重塑了集团内部数据交互的信任基础与合规路径。联邦学习通过“数据不动模型动”的机制，在统计学意义上实现了特征的“输入最小化”。

多方安全计算则通过算法协议，在计算过程中达成了“内容最小化”的强约束。在集团内部，银行、证券、保险等独立法人