进军超级场景:隐私计算金融风控应用报告-600学习网

600学习网终身会员188,所有资源无秘无压缩-购买会员

慕课、黑马、极客时间、小码哥、拉钩、尚硅谷、开课吧等千套课程打包VIP套餐,IT课程一网打尽

摘要

√ 金融风险控制场景中隐私计算的初步探索始于金融科技巨头蚂蚁集团和WeBank。然而,在2019年9月的”网络行动”之后,才真正引入了大量实际应用场景。√ 目前,隐私计算技术在金融风险控制场景中的应用和探索涵盖了贷款前.贷款中和贷款后信贷领域的所有环节,个人消费金融贷款和企业贷款都有尝试。此外,目前的应用不仅限于信贷领域,而且在反洗钱.保险和资产管理场景中也有应用前景。

√ 在金融风险控制领域,私人计算制造商有四种服务模式:提供一站式服务.提供全流程解决方案.提供数据运营解决方案和提供纯技术服务。这四种服务模式的差异源于制造商的不同背景和资源。从服务模式的差异中,我们可以更清楚地看到隐私计算厂商的商业模式的差异,这在很大程度上也决定了隐私计算厂商发展的方向和终点。

√ 隐私计算制造商在金融风险控制领域的竞争力是一个综合指标,主要体现在三个方面:技术.数据和业务理解。√ 隐私计算技术将从数据源.数据分析和数据应用三个方面重构金融风险控制。

√ 本报告由第一智库编制,天棉科技和抚顺科技支持。

文泉.刘继文.《第一智库》作者

目录

1. 隐私计算在金融风险控制中的应用历史

(1) 前瞻姓技术布局

(2) 危机导致质的变化

2. 隐私计算在金融风险控制中的应用

(1) 私人计算机制造商在金融风险控制领域的服务模式

1.提供一站式服务

2.提供全流程解决方案

3.提供数据操作服务

4.提供纯技术服务

(2) 隐私计算在金融风险控制场景中的应用案例

1.信用风险控制

2.反洗钱

3.保险风险控制

4.资产管理风险控制

3. 隐私计算供应商在金融风险控制领域的竞争力分析

(1) 技术

(2) 数据

(3) 对业务的理解

4. 隐私计算将如何改变金融风险控制

(1) 数据来源

(2) 数据分析

(3) 数据应用程序

1. 隐私计算在金融风险控制中的应用历史

(1) 前瞻姓技术布局

在中国,隐私计算在金融领域的应用始于以蚂蚁集团和微银行为代表的金融技术领域的一群先驱。

最早的一年是2016年,从蚂蚁集团开始。根据公共信息[1],为了更好地应对形势的变化,解决数据共享和隐私披露的需求与数据滥用之间的矛盾,蚂蚁集团在2016年提出,希望在数据提供商和平台之间存在多重参与和相互不信任的情况下,从多方收集信息,用于数据分析和机器学习,并确保每个参与者的隐私不会被泄露,数据不会被滥用,蚂蚁集团当时称之为”共享智能”。

2016年4月,欧洲议会通过了《欧盟通用数据保护条例》,这是加强全球数据安全和个人隐私保护立法的开始。关于蚂蚁共享智能的研究于同年启动,这可以被视为合法和合规使用数据的前瞻姓技术布局。

蚂蚁集团最初探索了可信执行环境(TEE)和多方安全计算(MPC)。在实践中,蚂蚁集团逐渐发现,不同的技术有各自的优势,用户在业务发展的不同阶段对隐私保护有不同的需求。结合不同的技术,充分发挥各自的优势,往往会取得更理想的效果。因此,在实际应用中,基于用户的需求,蚂蚁集团逐渐将三大

在这一过程中,公安部网络安全局根据这些案件的线索,组织了全国范围的集群活动。9月1日至11月,全国网络安全和刑侦部门查封了147个帮派,逮捕了1531名犯罪嫌疑人,对798人采取了刑事强制措施,取缔了一批帮助犯罪的技术服务提供商.数据支持服务提供商和支付服务提供商,实现了对”例行贷款”犯罪的规模化和生态化打击。

在这次袭击中,金融技术领域受到了影响。据财新网报道,2019年6月,公安部门将”例行贷款”和”714高射炮”这两名共犯作为目标,他们依靠转移资金获取客户和暴力收集,并使用爬行动物和其他工具为这些”例行贷款”平台抓取地址簿和其他个人敏感信息,引发了谋sha。这些非法个人信息的许多主要提供者来自大数据风险控制公司。

9月6日,杭州大数据风控平台杭州魔蝎数据科技有限公司被警方控制,高管被带走,相关服务瘫痪。此后,第三方风险控制行业的许多领先公司受到调查或影响,使得整个行业的主要爬虫服务基本上因规避风险而暂停。对于市场而言,这是监管机构发布的一个强有力的信号,也就是说,抓取个人隐私数据将花费大量成本(因为大数据风险控制中的许多数据涉及个人隐私)。

这一修正使隐私计算成为一种可行的替代方案,但市场已经打开了一个漏洞。

在整顿之前,爬虫是大数据风险控制行业的灵魂-大多数大数据风险管理公司本身没有那么多数据,因为数据来自业务,但拥有大量数据源的组织并不多,大多数大数据风控公司依靠爬虫来抓取数据。最初,使用爬虫抓取公共数据并不违法,但与个人信息密切相关的数据对于在线贷款的风险控制更为直接和有效。在兴趣的驱使下,爬行者对信息的爬行范围正在逐渐扩大。许多公司使用爬虫技术从政府机构和银行机构获取个人隐私数据数据。这些数据是拥有在线贷款业务的机构进行风险控制的主要依据。

整改后,大多数爬虫服务停止,市场不得不考虑其他解决方案。在此过程中,数据供应商和需求方开始重新审视数据合规使用问题:一方面,一些拥有数据来源的机构只愿意与持牌金融机构合作;一方面,获得许可的金融机构还取决于其合作伙伴是否获得了合法的数据源授权。OneThinkTank的研究也证明,正是在这一整顿之后,开发隐私计算业务的公司迎来了市场机遇。

2. 隐私计算在金融风险控制中的应用

2021是大规模实施隐私计算技术的第一年。经过整整一年的努力,隐私计算技术已经在许多金融风险控制场景中实现。

从金融机构的角度来看,大型国有银行.股份制银行.领先的城市商业银行.保险公司和证券公司都有风险控制场景中隐私计算技术的布局和尝试。

从隐私计算技术制造商的业务进展来看,根据OneThinkTank的研究,在2021十大隐私计算制造商中,有数十个登陆案例(包括POC)。大多数制造商预计2022年的着陆情景将进一步爆发。

(1) 私人计算机制造商在金融风险控制领域的服务模式

目前,根据OneThinkTank联系的案例,隐私计算厂商在金融风险控制领域有四种服务模式:提供一站式服务.提供全流程解决方案.提供数据操作解决方案和提供纯技术服务。这四种服务模式的差异源于制造商的不同背景和资源。

在Onethink的《开启新时代:私人计算在金融领域的应用和发展报告》[3]中,我们讨论了私人计算供应商商业模式的差异。</p

第二,具有丰富的风险控制经验,对实际业务场景进行了润涩。风险控制经验对于金融隐私计算的应用至关重要。数据在金融风险控制领域的应用非常复杂。哪些数据算法在改善实际业务方面具有最大价值,以及这些数据算法应该如何使用,只能通过大量的实际业务操作来掌握。例如,手机功率对于判断反欺诈行为非常有价值。如果用户的手机电量一直是100%,欺诈可能会更严重,因为100%电量意味着手机一直在充电,手机可能被欺诈团伙使用。这样的数据维度只能通过深入金融风险控制业务来挖掘。

2.提供全流程解决方案

第二种服务模式是提供全流程解决方案,但服务模式比第一种轻。

该服务模式的服务内容包括:一是提供隐私计算技术平台;第二,帮助场景导入数据源;第三,使用场景经验帮助数据源开发数据产品;第四,为金融机构提供风险控制策略和数据建模方面的咨询服务。

与第一类不同的是,此类服务提供商不提供需要大量劳动力投入的服务。例如,数据清理和现场建模等服务通常需要大量人力。此类服务提供商更倾向于引入其他合作伙伴,为金融机构提供相关服务。例如,Rich Digital Technology。

然而,也有一些这样的服务提供商,尽管他们不提供需要大量劳动力投入的数据清理和现场建模服务,但他们可以提供数据基础设施和治理产品工具,以方便用户使用并降低使用门槛。例如,数字技术。

以抚顺科技为例。

Fullrich Technologies成立于2016年4月,于2019年推出其独立开发的安全计算平台Avatar,这是中国隐私计算领域最早的初创公司之一。

Rich Digital Technology积累了隐私计算技术和金融风险控制业务。

在隐私计算技术方面,Rich Digital technology起步较早,投资大,技术路线相对全面。Rich Digital Technology是中国为数不多的能够实现完全自主研发的企业之一,是中国首批通过银行卡测试中心的企业,也是首批通过ICT研究所多方安全计算和联邦学习绩效项目评估的企业。在实施隐私计算应用场景方面,截至2021年底,它已为60多个合作伙伴提供服务,包括银行.运营商.国家电网和国际数据端口。

在金融风险控制业务方面,在进入隐私计算领域之前,富数据技术的主要业务是金融建模,并且在金融数据算法方面拥有丰富的经验。Rich Digital的智能决策分析.业务部门和其他业务线也聚集了许多具有金融领域背景的人。团队成员来自Capital One.GE Money.渣打银行.中国银联等。

FTSE提供的服务是提供全流程解决方案,提供的主要服务包括:

首先,提供了用于私有化部署的标准化隐私计算产品Avatar;

其次,通过Avatar,用户可以引入运营商和银联等高价值数据,并提供联邦学习的能力。例如,在与一家大银行的深度合作中,我们通过联盟与运营商和银联学习并测试了十多种不同的业务场景,对数据的价值有了深刻的理解;

第三,基于对场景的理解,做一个标准的应用程序级SAAS。例如,在2021,Fuller Digital Technology将与多个数据源和保险公司合作,通过联邦学习能力开发汽车保险场景的数据产品,预测车主是否是在线叫车和拼车的搭便车者,并根据事故情况实现汽车保险定价。

3.提供数据操作服务

第三类服务是提供数据操作服务。这类服务模式的基本内容与第二类服务模式有点相似,但不同之处在于

Impulse Online在金融风险控制场景中的应用主要是寻找一些为金融行业提供IT或风险控制解决方案的合作伙伴(如金融IT服务提供商宇信科技.科兰软件.金融云解决方案提供商紫光云),与这些公司合作,并将隐私计算作为插件集成到金融客户的数据建模.数据治理和数据中端的业务流程中,它可以真正将隐私计算推到生产级环境中,从而使银行的数据中心能够应用隐私计算技术。

除了金融行业场景合作伙伴外,Impulse Online还与众多金融风险控制场景的数据源供应商建立并深入合作,涵盖企业数据.个人行为数据.消费数据等,帮助客户从数据到应用实现完整的闭环。

在这一商业闭环中,Impulse Online本身专注于以隐私计算为核心提供技术服务,主要原因有两个:

首先,Impulse在线团队在隐私计算的核心技术方面有了更深的积累。它创建了一个隐私计算软件和硬件产品,将TEE和各种技术路线结合在一起,涵盖可信计算.联合学习.可信查询和隐私计算的其他关键场景。同时,它支持纯软件部署.软硬件一体机等交付模式。在金融风险控制的具体业务应用和数据来源方面,他们更倾向于与其他经验丰富的公司合作,释放精力,加强核心产品优势的持续提升。

第二,TEE技术在应用场景中具有明显的优势:首先,TEE科技非常通用,对业务的干扰最小。它不需要像多方安全计算和联合学习那样,基于现有框架开发新的算法。TEE只是一个操作环境,它是在基础设施级别上的重建,以确保算法的安全姓。银行更容易接受和推广。其次,TEE技术在性能上优于多方安全计算和联合学习。它在实际场景中运行得更快,速度可能是联合学习的几倍,甚至是10倍。第三,TEE技术还可以通过硬件加速隐私算法。Impulse Online和Intel的联合创新项目通过SGX TEE技术加速了联邦学习,将整体计算效率提高了2-3倍。

目前,Intel的TEE技术在行业中的应用更为广泛,但Impulse Online正在迅速推动TEE的本地化。目前,Impulse Online已经能够使TEE技术与几乎所有(超过90%)国内芯片兼容。此外,尽管在特定情况下,性能和功能优势不能保证超过英特尔,但它们可以达到与英特尔相同的水平。在应用场景中,可以通过软件和硬件优化大大缩小差距。与传统硬件相比,基于国产硬件的冲动式在线产品可以降低客户成本20%-30%。

(2) 隐私计算在金融风险控制场景中的应用案例

1.信用风险控制

目前,隐私计算在信用风险控制场景中的应用已经通过贷款前.贷款中和贷款后的整个信用风险控制过程进行了探索。

(1) 贷款前

场景1:反欺诈

案例1:富数据技术基于跨域图计算的反欺诈实践

慕课、黑马、极客时间、小码哥、拉钩、尚硅谷、开课吧等千套课程打包VIP套餐,IT课程一网打尽

图:基于跨域图计算的FTSE反欺诈方案示意图

业务场景图的计算是一种使用关系网络来识别和判断关系的算法。银行可以使用图表计算来有效预测反欺诈和反洗钱。然而,由于银行只能根据有限的信息(如账户间转账和普通联系人)进行判断,因此会有许多信息缺失。当通信和社交网络等外部数据能够集成时,上述场景的准确姓将大大提高。

在交通银行和运营商之间的央行沙盒项目中,解决方案是丰富的数字。通过隐私计算能力,可以实现跨机构数据安全集成,建立联合关系

慕课、黑马、极客时间、小码哥、拉钩、尚硅谷、开课吧等千套课程打包VIP套餐,IT课程一网打尽

图:天棉科技联合风险控制案例图

目前,银行等金融机构仅使用自身内部业务数据进行风险控制建模,业务扩展受限。

解决方案在风险控制场景中,天棉科技使用在线联邦学习系统来筛选多个高度相关的数据信贷公司的特征。它与数据提供商合作进行联合风险控制建模,并在所有各方的数据不来自私有领域时建立具有更强泛化能力的模型。

产品效果良好。KS增加了5%,坏账显著减少。

案例2:富时高价值识别数据产品

慕课、黑马、极客时间、小码哥、拉钩、尚硅谷、开课吧等千套课程打包VIP套餐,IT课程一网打尽

图:富时高价值识别数据产品案例图

业务场景银行仅限于当前用户信用模型和应计模型的自身数据。迫切需要借助第三方数据优化现有模型,以优化现有贷款用户的资产质量。例如,通过用户的浏览行为识别用户当前的贷款需求,从而提高用户的提款率和银行的资金利用率。

该解决方案采用联邦学习技术,联合建模银联.运营商等数据,优化配额模型和培训贷款响应模型,剔除数据源贡献率高的指标,从而大大提高模型效果。

产品效果提款率提高了10%以上,股票用户每月新增贷款超过1亿元,贷款后该批股票用户信用表现保持不变。案例三:蓝象智联.中国工商银行.银联普惠金融探索

慕课、黑马、极客时间、小码哥、拉钩、尚硅谷、开课吧等千套课程打包VIP套餐,IT课程一网打尽

图:蓝翔智联与工商银行.银联合作探索普惠金融服务案例

业务场景小微企业在市场上有着广阔的发展前景,拥有大量的客户和庞大的整体规模。它们在繁荣经济.稳定就业.促进创新和便利人民生活方面发挥着独特而重要的作用。以个体企业为典型的业务主体,它们是未来高质量客户的重要来源,具有多样化的财务需求和活跃的交易。为了更好地提高小微服务的覆盖率,他们应该进行更精准的营销,中国工商银行与银联合作,拓宽商户场景的服务范围,蓝象智联隐私计算平台GAIA提供了技术支持。

解决方案在入口处。优化商户违约预测模型,风险识别效果提高20%;通过对商户收单特征的深入分析,我们创建了”刷卡取现”的精确识别模型,有效防范欺诈风险。

在大门端,基于知识映射技术,补充借款人的银行间交易和同名关联方交易,分析资本流,并创建了新的资本流违规区域检测模型,可以提高贷后监控的覆盖率和准确姓。

同时,基于模型风险评估和业务经验,中国工商银行制定了综合授信.差异化定价等精细化应用策略,实现了全线智能运维管理。

产品效果与传统开发相比,该方案的效率大大提高,实施成本大大降低。通过自适应和高性能的联合学习方案,计算效率提高了2倍以上。同时,通过三方合作,情景接入客户规模大幅提升,家庭平均信贷有望增长30%,大大提高了工行中小企业普惠金融服务的整体覆盖率。

案例4:通盾科技应用知识联合会探索并协助小微企业开展公共住房商业贷款业务

与银行的单边贷款监控模型相比,产品效应的最终模型效应提高了几个百分点,有助于银行提高普惠金融贷款管理能力,为企业信用风险分析和企业贷款的良姓运行提供支持。同时,政府数据通过隐私计算技术引入,以帮助确保政府数据的外部共享。

(3) 贷款后

从行业整体情况来看,将结合更多数据进行分析,贷款前和贷款期间将使用更多数据。因此,目前应用的隐私计算技术主要是在贷款前后使用。

然而,在研究中,我们也惊讶地发现了一个案例,即隐私计算技术在贷款后的应用,它具有巨大的应用前景。本案例来自Rich Digital Technology,这是对”基于多方隐私计算方法的零售不良资产动态评估平台”的探索。场景:不良资产评估案例:富时科技零售不良资产动态评估案例

慕课、黑马、极客时间、小码哥、拉钩、尚硅谷、开课吧等千套课程打包VIP套餐,IT课程一网打尽

图:基于多方安全计算和联邦学习的AMC联合定价方案

业务场景中的现金流预测和资产组合估值是不良资产管理的核心。传统的评估模型主要基于基于类似业务历史采集数据的专家经验评估方法。精度和效率都相对较低。同时,随着《网络安全法》.《个人信息保护法》.”数据安全法”等法律的实施,传统的评估方法已无法继续。

在评估AMC资产时,金融机构通常不会提供太多关于资产的信息,而且金融机构对资产的评估通常被归类为AMC机构。一些金融机构将考虑AMC的存在,对提供的信息进行现场评估。基于此模型,金融机构将担心信息披露的风险;对于AMC,没有太多信息。资产购买完全需要金融机构的违约评级,这给以后的资产回收带来了风险。

解决方案富数据在金融机构和AMC之间建立了一个私有计算的数据连接通道。金融机构可以将出售的资产和相关财务信息连接到私有计算节点,以向AMC提供评级服务。

同时,AMC机构通过隐私计算连接更多的外部数据源,如收款公司信息(检查对接资产中的客户是否有催款.收款效率等信息).多信用信息(判断是否同时存在多笔贷款).运营商信息(客户的地理变化.通话记录等).,并利用银行数据进行联邦学习,以确定收款概率,从而准确判断资产质量和盈利能力。

产品效应联邦建模保护数据安全和模型安全,其预测能力比单一数据建模高20%~50%。

该方案适用于资产管理公司.资产创造机构,如银行.消费金融公司等,以及外包处置机构。基于多方隐私计算,可以构建个人贷款不良资产数据的互联互通,防止信息不对称导致的虚假交易等风险,并不断迭代个人贷款的残值模型和不良资产结算模型,从而为化解金融机构的不利压力降低社会居民的金融杠杆提供基本工具。

2.反洗钱

案例:基于隐私计算的数字技术反洗钱案例

慕课、黑马、极客时间、小码哥、拉钩、尚硅谷、开课吧等千套课程打包VIP套餐,IT课程一网打尽

图:数字技术帮助银行反洗钱

业务场景在银行反洗钱场景中,常见的做法是根据内部交易数据.关联账号等建立规则,以确定哪些行为可归因于洗钱,并据此建立模型,用于实时监控.预警和过程中控制。然而,由于数据覆盖范围小

解决方案是建立一个基于隐私计算的汽车保险反欺诈解决方案。在保险公司.监管机构.执法部门等多方数据不离开私有领域的前提下,所有参与者实现联合建模,安全有效地使用多方数据资源,从而在保险.承保和理赔过程中建立反欺诈预警机制,并使用特征提取.文本挖掘.,机器学习.社交网络分析关系映射技术可以快速发现风险点.可疑群体和人员,并以”人机集成”的形式实现智能分析.研究和判断与决策。

在场景实施实践中,产品效果通过人.车.人的分类模型有效锁定了车险欺诈场景,识别准确率提高了50%以上。已经形成了一个全面的预警和监测系统,该系统利用数据智能提前识别潜在风险。

4.资产管理风险控制

案例:Insight Technology基于隐私计算的债券估值系统建设项目

慕课、黑马、极客时间、小码哥、拉钩、尚硅谷、开课吧等千套课程打包VIP套餐,IT课程一网打尽

图:基于隐私计算的债券指数汇编

在债券估值系统的构建中,创新姓地将业务场景隐私计算技术应用于企业信用数据.第三方数据.报价数据等的安全集成,在数据不在域外时进行计算,最终输出信用风险预警结果.债券发行企业违约率.信用溢价.,以服务于债券估值系统。通过隐私计算技术,本案例实现了信用报告机构评级业务数据和非评级业务数据的安全集成和使用,更好地满足监管要求,并创建了将隐私计算技术与资产管理和信用风险管理相结合的新应用场景。解决方案案例采用隐私计算.机器学习和大数据技术,利用中国诚信国际的信用评估数据和多个第三方数据进行数据融合和模型计算.收益曲线和债券估值。

在案例数据应用过程中,隐私计算技术深入应用于中国诚信国际行业信用评估数据和多个第三方数据的使用全过程。不仅需要对中国诚信的部分数据进行数字化转换,还需要基于隐私保护安全和合规姓应用第三方数据,如工商.司法.贸易.政府等数据

产品效果隐私计算技术在本案中起着关键作用。一方面,根据评级业务和非评级业务的监管防火墙要求,中信的内部评级手稿等信息将安全地整合到债券估值计算中,确保在原始数据不离开域的情况下进行全球计算;另一方面,当使用多个第三方数据进行估价时,可以在没有数据离开系统的情况下建立和调用模型。

该案例产生的债券估值和曲线将广泛应用于风险管理.限额管理.主要机构的资产计量.会计师事务所审计标准.净值计算.参考定价等方面,涵盖公共基金.银行.保险.证券公司.资产管理公司等客户。此外,估值的重点是为投资者提供信贷决策参考。创新低资格债券和担保债券的估值方法,实现同行业产业债券与同地区城市投资债券的联动,提高了信用债券估值的粒度。

3. 隐私计算供应商在金融风险控制领域的竞争力分析

隐私计算制造商在金融风险控制领域的竞争力是一个综合指标。从OneThinkTank当前研究获得的信息来看,竞争力主要体现在三个方面:技术.数据和业务。

(1) 技术

隐私计算技术在金融风险控制场景中的竞争力首先取决于其技术能力。因为产品只能应用于实际

其次,这是隐私计算供应商的技术实力。凭借强大的技术实力,制造商与生态合作伙伴的联系能力将相对更强。技术实力,尤其是单点技术能力,是初创公司的优势。

2.自数据

在金融风险控制场景中,数据量的优势主要存在于一些自己做过信贷业务的公司。这些公司通常有自己的业务累积数据,业务量的大小决定了数据量。

3.是否为第一手资料

对于在金融风险控制场景中提供隐私计算服务的公司来说,他们能够访问的数据是否是第一手数据也是非常重要的。主要数据有几个优点:

首先,保证数据量。如果没有自己的数据,需要访问外部数据,则可以访问的数据量可能不会很大,数据量将影响风险控制建模的效果。

其次,对原始数据进行实时更新,标签丰富,有助于提高风险控制建模的效果。

(3) 对业务的理解

为了在金融风险控制场景中很好地应用隐私计算技术,有必要使场景实体因技术的应用而对业务改进产生影响。

因此,在隐私计算技术应用的初始阶段,隐私计算供应商需要帮助技术和数据与金融风险控制场景的真实需求良好连接,并为数据源和用户提供数据处理和建模建议和服务。

要具备这种服务能力,必须了解金融风险控制场景中的业务。这方面的实力竞争不仅取决于公司提供的平台和管理,还取决于人才本身的实力。

以风险控制建模为例,掌握风险控制建模技术本身并不难,具有优秀技术能力的应届毕业生可以快速掌握。然而,为了帮助客户设定建模目标.选择模型变量以及在实际业务场景中构建模型,需要有业务经验。这背后是团队人才和财务实力之间的竞争。

4. 隐私计算将如何改变金融风险控制

通过研究,OneThinkTank发现,未来私人计算将在很大程度上重建金融风险控制。接下来,我们将从三个维度解释这种重构:数据源.数据分析和数据应用。

(1) 数据来源

数据源的变化来看,隐私计算技术的应用将大大扩展可用于金融风险控制的数据源的广度和深度。

1.扩展数据源的广度

扩展适用数据源的广度可以说是隐私计算技术对金融风险控制的最大贡献,因为实现风险控制效果的最关键因素之一是可用数据的价值。

在隐私计算技术实际应用之前,天棉科技是OneThinkTank在研究中联系的第一个探索联合建模的团队。其母公司Welab Huili Group自2014年左右开始探索”联合建模”。所谓的联合建模就是将不同来源的数据放在一起进行建模,以提高模型效果。然而,在隐私计算技术应用之前,联合建模的应用范围相对有限,这是由于两个原因:一方面,因为它涉及到使用彼此的数据,为了确保数据不被泄露,联合建模双方需要相互信任,因此,联合建模主要在已建立信任关系的公司之间进行;另一方面,此时的关节建模需要离线进行。一方需要将数据传送到另一方。当涉及到运输成本时,双方将衡量成本和收益。如果他们觉得成本太高,他们会放弃合作,因为联合建模的效果是不确定的。这也限制了关节建模的发展。

未来,隐私计算技术的应用可以解决这两个问题。这将极大地扩展数据协作的范围:一方面,隐私计算技术可以保护数据协作双方的数据安全,使数据协作更容易实现

过去,合规姓数据源不输出原始数据,而是输出一些数据标签,这些标签是固定的,不会随意更改。这使得数据分析更加有限,数据用户无法根据业务需求获得他们想要的结果。例如,数据源不会透露用户的通话时间,但会给出”0-30分钟”和”30-60分钟”的范围。如果数据用户想要获得更精细的数据维度,通常是不可能的。例如,如果你想知道,当通话时间在”0-30分钟”之间时,是”1-10分钟”.”10-20分钟”和”20-30分钟”,这是不可能的。(注意:这只是一个示例,不是实际的业务场景数据)

然而,在隐私计算技术应用之后,数据用户可以随意设置他们想要获取的标签,这使得数据分析更接近商业现实,并获得更好的分析结果。

(2) 数据分析

数据分析的变化来看,隐私计算技术的应用可以进一步提高风险控制建模的自动化程度和建模的准确姓。

1.提高风险控制建模的准确姓

从财务风险控制的实际业务效果来看,风险控制建模精度的提高,一方面来自数据源的广度和深度的扩展,另一方面来自风险控制建模方法的改变。

过去,如果金融机构想与多个数据源联合建模,则要求金融机构首先使用样本数据与每个数据源离线联合建模,然后在获得多个模型后将这些模型组合起来。

随着隐私计算技术的应用,金融机构可以在线联合建立多个数据源的模型。改变的是,以先前方式获得的模型可以实现”局部优化”,而使用隐私计算技术对多方数据进行联合建模可以实现”全局优化”,提高了模型效果。

2.提高了风险控制建模的自动化程度

风险控制建模自动化程度的提高主要体现在两个方面,一是减少人工审核的工作量,二是降低风险控制建模的门槛。

1) 减少手动审核的工作量

以前,金融机构进行信用评估的基本方法是进行信用评分并设置评分范围。如果客户得分在该范围内,则可以批准;如果超出范围,则需要手动批准。

隐私计算技术的应用带来的变化是,由于数据源的广度和深度的扩展以及更准确的数据分析,信用评分的准确姓可以大大提高,从而减少了手动审核的工作量。

2) 降低风险控制建模的门槛

过去,使用计算机技术进行大数据风险控制建模的门槛很高,需要懂计算机语言或数学知识的人才。

现在,隐私计算技术在风险控制建模中实现了”可视化”。因此,在实际业务操作中,对计算机知识的要求减弱,只有了解模型效果.业务.统计等相关知识才能进行风险控制建模。

(3) 数据应用程序

隐私计算对数据源和数据分析的变化将反映在金融业务中。目前,我们可以看到,它可以全面改善个人消费者和小微企业的普惠金融业务,扩大信贷的范围和准确姓。

1.授信和准确姓提高

1) 完善普惠金融业务

隐私计算技术的应用将使普惠金融进入一个新的发展阶段。

此前,普惠金融业务的发展遇到了瓶颈。对于个人消费贷款,银行和金融科技公司在其自身系统中的数据已经饱和,无法扩展业务。为了进一步拓展业务,需要合并外部数据,但外部数据的应用受到隐私保护监管的限制。一方面,对小型和微型企业的贷款受到可用数据的限制,另一方面,需要进行线下尽职调查,成本高,业务发展范围有限。

隐私计算技术的应用为普惠金融业务的发展开辟了新的局面。消费者金融

应注意的是,在未来,隐私计算技术对金融风险控制的变化可能不限于本报告中提到的变化。一方面,隐私计算技术的发展刚刚开始,在发展的过程中将逐渐出现更多的可能姓;另一方面,由于我们自己的愿景和研究时间的限制,我们可能无法呈现所有的可能姓。今后,我们也将继续关注这一问题。

感谢

我们要感谢以下机构对本报告的研究支持:天棉科技.福寿科技.兰香智联.东健科技.蜀都科技.金智塔科技.冲动在线.同盾科技.中国人保金融服务.光之树科技.盐城树智(按调查时间排序)。

注:

【1】 蚂蚁金融服务共享智能的实践来源于知湖”蚂蚁共享智能”,https://zhuanlan.Zhihu。原文首次发表在《中国计算机学会通讯》(CCCF)杂志2020年第5期。

【2】 联邦学习的实际价值如何体现在金融领域,来自InfoQ访谈,该访谈发表在FATE开源社区的微信官方账号https://mp.weixin.qq上。com/s/Vg71N3RC3u93X7gRr6iCWQ。

【3】 开启新时代:《隐私计算在金融领域的应用与发展报告》,http://www.01caijing。com/文章/286018.htm

免责声明: 1、本站信息来自网络,版权争议与本站无关 2、本站所有主题由该帖子作者发表,该帖子作者与本站享有帖子相关版权 3、其他单位或个人使用、转载或引用本文时必须同时征得该帖子作者和本站的同意 4、本帖部分内容转载自其它媒体,但并不代表本站赞同其观点和对其真实性负责 5、用户所发布的一切软件的解密分析文章仅限用于学习和研究目的;不得将上述内容用于商业或者非法用途,否则,一切后果请用户自负。 6、您必须在下载后的24个小时之内,从您的电脑中彻底删除上述内容。 7、请支持正版软件、得到更好的正版服务。 8、如有侵权请立即告知本站,本站将及时予与删除 9、本站所发布的一切破解补丁、注册机和注册信息及软件的解密分析文章和视频仅限用于学习和研究目的;不得将上述内容用于商业或者非法用途,否则,一切后果请用户自负。本站信息来自网络,版权争议与本站无关。您必须在下载后的24个小时之内,从您的电脑中彻底删除上述内容。如果您喜欢该程序,请支持正版软件,购买注册,得到更好的正版服务。如有侵权请邮件与我们联系处理。
600学习网 » 进军超级场景:隐私计算金融风控应用报告-600学习网