为了帮助金融客户应对数据安全与合规挑战,打破数据孤岛、释放数据价值,元脑伙伴可利邦基于多方安全计算、隐私保护、联邦学习等技术,推出了大数据隐私计算平台,解决了数据协同计算过程中的数据安全和隐私保护问题。
在金融领域,数据是一家企业的核心资产,业务有效开展依赖于高效的数据利用,随着《数据保护法》、《个人信息保护法》等的落地,金融业如何做到既保护数据安全,又充分发挥数据资产价值、高效链接多方数据,成为一项亟需解决的课题。
隐私计算实现金融数据“可用不可见”
传统上,金融机构需要利用多维数据对需要贷款的客户作精准信用风险评估,但银行本身的客户数据维度不足,而第三方合规数据获取困难,导致金融机构难以进行准确评估;同时,随着金融业务快速发展,企业对精准化营销诉求越来越大,势必要打通各方数据实现精准收储和信用卡增户,并控制风险和优化投放,但数据提供方常面临数据泄露等挑战。
作为促进数据互联互通与高效流通的基础技术,隐私计算为在保护数据隐私的前提下,有效促进数据融通,发挥数据价值提供了可行之路。隐私计算是指在不泄露数据原始信息的前提下,对数据进行分析计算,将数据所有权和使用权分离,避免流通过程中的数据资产损失和隐私信息泄露,实现数据“可用不可见”。
基于隐私计算的银行风控模型可以利用第三方数据来提高模型的有效性,还能平衡数据的安全性和隐私性。在合规要求趋于严格的大背景下,隐私计算能够在保护数据隐私的同时打破数据孤岛、释放数据价值,并提供数据价值利用工具。
大数据隐私计算平台上线 破解数据保护与利用难题
为了帮助客户应对数据安全与合规挑战,解决数据利用与保护之间的矛盾,最大化数据价值,2022年可利邦基于多方安全计算、隐私保护、联邦学习等技术,推出了大数据隐私计算平台,解决了数据协同计算过程中的数据安全和隐私保护问题,助力金融机构安全高效地完成联合建模,实现联合风控、联合营销、联合科研等跨机构数据合作任务。
大数据隐私计算平台支持横向、纵向和迁移联邦学习,实现多种场景下数据源互联互通,确保原始数据不出域,数据输入、运算、结果输出全流程密态保护。平台采用图形化界面操作便捷、使用门槛低,可以简单高效地完成建模、统计、服务部署任务。在部署方面,平台基于K8S的容器化部署,支持多种操作系统、主流数据源和数据服务,支持本地部署专线接入云,可灵活投入硬件与计算资源。目前,可利邦已与家银行、保险、大健康等伙伴达成合作,客户可一站式完成多方数据及业务合作,大大降低时间成本。
可利邦总经理焦耀光表示,通过该平台确保各参与机构在不泄露用户数据前提下,安全合规的进行数据合作,有效减低金融风险。此外,平台利用创新的分布式架构安全连接合作企业,客户可以通过平台的安全圈人、用户洞察等功能实现精准化营销。
从技术角度,由于计算过程中涉及复杂的加密、解密步骤,目前计算效率仍然是制约隐私计算快速发展的重要因素。作为全球领先的算力提供商,同时也是智算生态构建者,浪潮信息为平台建设提供了先进的算力支持,针对灵活的数据使用场景,提供高效的算力输出,为海量的数据使用者,实时输送计算结果。
浪潮信息渠道推进部总经理毛柏林表示,智算时代交叉领域的创新研究更需要生态合力支持,隐私计算平台聚合了金融领域各方,为各个行业开展隐私计算提供了参考模型。未来浪潮信息与可利邦及其他合作伙伴一道,基于元脑AIStore平台,拓宽合作空间、深化合作领域,推动各个行业数字化转型与智能化升级。
释放金融数据价值 推动金融服务迈上新台阶
在平台的搭建实施过程中,可利邦研发团队在银行、保险等各个应用场景中均做出了初步探索。譬如,在银行的获客营销、存量客户运营、风险评估等方面,研发团队就以隐私计算为基础、AI人工智能技术为补充、多目标细分场景等运营方式为抓⼿,形成围绕银行信用卡、个贷、小微、普惠、零售客户从风控到经营的数据协同网络。
在智能营销方面,研发团队通过隐私计算完成客户风险画像补充,可直接完成客户的风险预筛,部分场景下直接给出预授信额度;结合自身存量客户及三方能力,筛选出来的优质客户进行主动营销;同时基于隐私计算特性,进行客户与自营产品和渠道推荐产品的精准匹配策略设计,完成长尾沉睡客户、高价值客户挖掘。在风控方面,很多银行采用的是统一风控平台架构,多年沉淀形成的风控IT架构十分复杂,对接的系统、个性化的接口包装复杂多样。对于引入隐私计算平台从而涉及的风控平台调整较难在短时间内进行实施。基于此,研发团队采用了更灵活的方案,在小型业务场景中先行先试隐私计算,单独搭建整套风控框架和数据库,做到与统一风控平台基础设施的平行运行。
焦耀光表示,大数据隐私计算平台建立数据规范共享机制,规范开展数据共享与融合应用,保证跨行业、跨机构的数据使用合规、范围可控,有效保护数据隐私安全,实现数据价值的提炼和转化。
版权声明:内容来源于互联网和用户投稿 如有侵权请联系删除