每經記者：肖世清 每經編輯：廖丹
作為高度數字化的行業，金融業對資料的收集使用不亞於任何行業，但隨之而來的“個人資訊洩露”等問題也被監管屢屢提及到。金融機構要給使用者提供個性化、精準化的金融服務，必然會對使用者個人資訊進行篩選建模。如何平衡業務創新和使用者隱私保護之間的關係，也成為銀行等金融機構面臨的一道考題。
在此背景下，聯邦學習作為一種新型技術產業在市場上嶄露頭角。星雲Clustar作為國內率先開展聯邦學習等隱私計算技術應用探索的公司，已和建行、招行、微眾銀行等多家金融機構開展合作。星雲CEO陳沫在接受《每日經濟新聞》記者專訪時介紹，該技術可以解決金融產業中資料跨機構互聯互通的安全性難題，降低隱私洩露風險，還可提升銀行在反洗錢上的監測效率和精準度。
那麼，這項新技術當前在金融領域都有哪些應用？金融機構對技術的需求發生了何種變化？技術在實踐過程中出現哪些難點？未來能否實現大面積的推廣應用？陳沫在接每經記者採訪時也一一作答。
星雲CEO陳沫 圖片來源：受訪者供圖
建立反欺詐機制是銀行風控重要環節之一
提及聯邦學習在金融領域的應用，陳沫稱，該技術可以解決金融產業中資料跨機構互聯互通的安全性難題，降低隱私洩露風險，在不洩露各方原始資料的前提下，幫助從事數字化轉型與智慧化應用過程中的銀行、保險公司、網際網路金融機構等實現跨機構、跨部門的資料安全融合、聯合風控建模、聯合營銷篩選等，提升金融智慧的準確性及完備性。
他以銀行業為例指出：“反洗錢一直是銀行業在風險控制時的一個重要任務。傳統做法是適用規則和模型，利用銀行自身的資料，來判斷交易是否為洗錢活動。但傳統方法效率比較低，覆蓋範圍也比較窄。而利用聯邦學習技術，銀行便能夠在銀行之間、銀行與其他機構之間進行合作，透過交換加密引數，聯合建模，解決反洗錢樣本少、資料質量低的問題，形成一個穩健、特徵豐富的智慧模型，透過呼叫聯合建立的模型，不用集合各方資料，銀行就能大大提高反洗錢能力。”
此外，陳沫表示，聯邦學習在銀行風控領域的應用很重要。他稱，銀行本質上是一門風險生意，要將高風險的客戶識別出來，風控的核心有幾項重要環節：一是建立反欺詐、黑名單機制；二是貸前做好信用稽核；三是貸後觀察物流資料也特別關鍵。
當反欺詐黑名單遇到識別不了的情況時要如何解決？對此，陳沫稱：“反欺詐識別不了，可能因為使用者在A銀行有詐騙行為，在B、C銀行卻沒有。如果將幾家銀行資料進行核驗交叉對比，就可對該使用者進行精準識別。此外，不光是銀行，一些金融公司、網際網路公司都能夠進行反欺詐黑名單的補充對比，比如，在網際網路平臺擼羊毛也可以作為一個金融機構信貸黑名單的來源。”
此外，銀行對聯邦學習的另一大應用是營銷。陳沫表示：“原來的營銷跟現在的區別在於對資料的應用。比如，傳統的營銷是對潛在使用者先投放，再過風控，而透過聯邦學習可以將使用者風控前置化，進行更為精準的營銷，促進業務降本增效。”
據陳沫透露，某股份行在信貸營銷業務中，希望達到降低信貸風險的同時合理分配營銷資源的目的，為客戶提供精準信貸服務，並提高客戶的產品體驗。星雲Clustar依託資料來源為其搭建聯邦學習模型，並根據該演算法模型為客戶評級打分，由此合理分配營銷資源，使該銀行信貸業務的當月營銷轉化率達3.5倍以上。
聯邦學習技術正處於發展的初期階段
據瞭解，星雲Clustar目前與建設銀行、招商銀行、微眾銀行等金融機構達成合作，幫助銀行解決金融場景的資料安全及資料價值共享等問題。
陳沫表示：“金融行業其實是一個數字化程度很高的行業，大家都用網銀或者手機銀行。”
這就涉及到個人資訊保護問題了，聯邦學習在這方面能發揮何種作用？對此，陳沫稱：“使用者申請金融服務時，銀行可透過聯邦學習，以‘資料可用不可見，資料不動價值動’的方式呼叫該使用者的多方資料，在保障使用者隱私安全的前提下，實現個性化的金融服務。”
他繼續解釋：“例如，銀行對使用者進行信用授分，傳統方式是直接使用使用者的各方資料，綜合評分，這就存在資料洩露風險，所以原來的資料通道就改成了聯邦學習，在資料來源和資料使用方之間用兩個節點，資料不出域，也能獲取與傳統方式相同的效果，從技術上解決安全與合規的問題。”
提及該項技術未來的發展前景，陳沫對記者表示，目前，聯邦學習正處於發展的初期階段。未來，隨著政務、金融、醫療等產業的數字化轉型程序加速，以及大資料、人工智慧等產業的突飛猛進，聯邦學習將作為一個元件嵌入到各類應用場景中，成為安全連線者，打通資料使用方和資料提供方。在此背景下，聯邦學習將不斷擴充套件應用邊界，創造更多價值。
畢馬威《2021隱私計算行業研究報告》顯示，未來，隱私計算受大資料融合應用和隱私保護的雙重需求驅動，國內市場規模迎來快速發展期。隨著相關技術與商業生態的發展，三年後技術服務營收有望觸達人民幣100億～200億元的空間，甚至將撬動千億級的資料平臺運營收入空間。
每日經濟新聞
