文章图片

胡群/文 “完整的数据才更有价值 ， 但是分布在多方的数据要联合计算 ， 必须就数据规整的规则、格式以及计算规则达成共识 ， 这也是保证数据可信交互的基础条件 。 单一企业/机构很难实现这一能力 ， 需要联邦化或存在一个相对公正可信的中介 。 ”12月1日 ， 恒生电子在2021 LIGHT开发者云大会上正式发布的《2022金融科技趋势研究报告》（以下简称《报告》）显示 ， 金融机构需要利用多维数据对需要贷款的客户做精准信用风险评估 ， 但机构本身的客户数据维度可能不足 ， 同时第三方合规数据获取困难 ， 致使难以进行贷款评估 。
《报告》认为 ， 隐私计算产业已实现迸发式增长 ， 各大科技和创新公司大量投入 ， 隐私增强技术快速成熟 ， 正进入规模化应用阶段 ， 但在实际应用过程中遇到明显障碍 ， 如部署和管理隐私增强计算需要相关能力和专业知识；数据和规则需要统一规范；数据定价和质量评估有困难；以及监管仍存在不确定性 。 未来 ， 隐私增强技术将助力数据资产走向联邦化 。
恒生电子执行总裁范径武表示 ， 作为数智化赋能的重要知识成果 ， 恒生电子基于理论研究和自身实践经验 ， 联合证券信息技术研究发展中心（上海）、国泰君安证券、中金公司、中信建投证券、海通证券、广发证券、方正证券、光大证券、兴业证券、申万菱信基金等机构共同发布《报告》 ， 旨在持续探索业务和技术的融合 ， 加速金融行业数智化进程 。
隐私计算挑战
金融AI的每一步 ， 大数据红利在左 ， 数据隐私安全在右 。 近年人工智能快速从感知智能迈向认知智能 ， 并已与金融业务深度融合 ， 赋能资管、客服、营销、运营、风控等诸多领域 。 数据要素广泛分布于银行、互联网公司、政府部门等众多机构中 ， 它们都有隐私和安全的需求 ， 要释放数据潜能并不容易 。
11月1日 ， 《个人信息保护法》正式生效 ， 与《民法典》、《网络安全法》、《数据安全法》、《电子商务法》、《消费者权益保护法》等法律共同组成一张公民个人信息保护网 。 作为业务链路长而复杂 ， 业务覆盖零售、公司、金融市场、风险管理等 ， 沉淀了大量的复杂数据资产的机构 ， 商业银行受到《个人信息保护法》的重要影响 ， 而助力银行数字化转型的金融科技公司也格外关注法律对技术及业务的影响 。
目前主流的隐私计算技术主要分为三大方向：一类是以多方安全计算为代表的基于密码学的隐私计算技术；一类是以联邦学习为代表的人工智能与隐私保护技术融合衍生的技术；还有一类是以可信执行环境为代表的基于可信硬件的隐私计算技术 。
当前国外隐私计算金融应用目前尚处于试点阶段 。 我国在金融领域已完成顶层设计 。 2020年11月 ， 中国人民银行正式发布首个隐私计算技术标准《多方安全计算金融应用技术规范》(JR/T 0196—2020) ， 并于2021年启动联邦学习等其它隐私计算技术金融应用类标准的研制工作 。 在顶层设计推动下 ， 我国互联网企业、科技公司及金融机构近年来相继研发多款成型隐私计算产品 。
【金融机构如何解决数据稀缺困局？】北京金融科技产业联盟、成方金融信息技术服务有限公司联合中国农业银行发布的《隐私计算金融应用调研报告》调查显示 ， 金融机构的隐私计算产品研发团队规模以1-10人区间居多 ，占比为60% ， 团队规模在100人以上的占比仅为7% 。 而科技公司则以51-100人规模居多 ， 50人以上规模占比为 50% 。 整体而言 ， 科技公司的隐私计算研发团队规模明显超过金融机构 ， 表明科技公司在隐私计算相关研发人才投入上力度更大 。