序

　　继算力智库2021年隐私计算半年纪·医疗篇《医疗：疫情下的人类高质量数据共享场景》后，2021年隐私计算半年纪·金融篇也出炉啦。

　　9月3日，央行科技司副司长李兴锋在2021中国国际金融科技论坛上提到：“十四五规划纲要指出加快数字化发展、打造数字经济新优势。金融业要主动顺应趋势，稳妥发展金融科技，加快金融机构数字化转型，也要善于驾驭挑战，前瞻性防范数字时代新生的风险隐患，严守金融安全底线。”

　　在十四五规划大力发展数字经济的背景下，今年以来，金融业迫切需要借助诸如隐私计算等新技术，提升其风控管理与数字化业务创新，其中尤为突出的一点是：多家银行与隐私计算厂商在风控领域的探索有了新的突破。

　　2021年之于隐私计算融合金融领域是重要的一个开拓期，隐私计算半年纪·金融篇中，算力智库主要梳理了2021年以来，隐私计算技术、数据以及结合金融领域发生的新变化。诸如金融领域结合隐私计算更多的新业务的拓展，隐私计算性能的提升、互联互通需求的增长、公共数据的开放、隐私计算厂商的成长、扩张以及新的数据相关法律法规的颁布等。

　　在预期压力中，每一个隐私计算相关的参与主体都似乎有了新的进展。不得不承认，隐私计算在2021年发展的非常迅速。以下每一个镜头，都代表了隐私计算行业在金融领域的一些重要变化，也将带给试图借助隐私计算技术实现突破的金融业一些新发展思路。

　　是为序。

　　信息时代，“数据”既如丰饶之角的宝藏，也犹如潘多拉魔盒，掌握着庞大的数据意味着拥有“数字霸权”与宝藏。当然，权利与财富的拥有者也必然受到制约，需要处在政府的强监管之下，不可有作恶念头。数据在全球竞争中的经济价值及战略价值日益凸显，金融行业率先以敏锐的财富嗅觉占领数据要素高地。

　　在数据要素日益成为市场经济重要资源的背景下，隐私计算技术恰逢其时。2021年来，隐私计算技术面临更广阔的市场需求、性能也有大幅提升，加之政策法规的支持，隐私计算有望规模化使用，技术服务商之间的竞争也变得激烈。

　　聚焦金融领域，隐私计算技术促进数据共享流通正成金融业务创新发展的一剂猛药。

　　隐私计算为大数据金融拓展新边界

　　正在快速发展的大数据金融时代已萌生出更高的要求，首先，保证足够的客观数据，实现业务需求的精准匹配；二是客户群体不断增大的背景下，仍需降低交易成本；最后是数据及时有效，实现更完善风控体系的需求。以隐私计算为代表的数据流通新技术，为金融行业“破局”提供了关键思路，成为建设和完善金融数据要素市场的重要抓手。

　　隐私计算所涉及的技术相对复杂，目前在全球有一定共识，但是并没有统一的标准。

　　洞见科技创始人兼总裁毛赛向记者介绍，隐私计算技术派系较多，不过常用的技术方案包括联邦学习、安全多方计算、可信执行环境、同态加密等，不同的技术方案之间因为技术实现的底层原理和应用场景的不同，互通的技术难度较大。而对隐私计算技术厂商来说，算法效率、行业应用、安全合规等问题也需要考虑。

　　蚂蚁集团隐私计算技术相关负责人指出：“国内在隐私计算上整体上都处于摸索阶段。在大数据量实时业务上实现数据的隐私计算，对行业是普遍挑战。”

　　镜头一隐私计算衍生金融领域新业务

　　在金融业务场景方面，隐私计算技术进一步推动了金融业务创新，包括更明确的交易模式变革、交易形态创新以及合规新挑战等。

　　隐私计算发展至2021年，可以看出无论是隐私计算技术提供方、数据提供方还是数据需求方，涉及金融领域的企业数量最多。据算力智库不完全统计，目前隐私计算技术相关项目合作有80%以上是涉及金融领域。在新风口下，尽管金融领域搭建隐私计算技术还没有杀手级别的应用，但是也拓展出了许多有潜力的新业务。在“数据孤岛”、反洗钱业务中，以银行为例，此前由于对中小企业的经营数据掌握的不够完备，银行对于中小企业的贷款非常谨慎，中小企业贷款难成为阻碍市场化发展的一大痼疾；在隐私计算与区块链等技术的结合下，银行可以更好的收集到相关信息或与同业机构交换加密参数，联合计算建模，为解决样本少、数据质量低的问题提供了办法。

　　长期以来，传统数据传输方式无法对数据进行有效的保护，不同金融机构的数据难以互联互通，这也制约了防范风险、反欺诈和反洗钱等领域的多方协作。隐私计算可以提高金融风控的能力，加大数据安全应用的效率，多维度的保障金融数据安全高效的应用，对促进金融安全健康发展提供了技术保障。

　　在金融领域，浦发银行与蚂蚁集团基于多方安全计算的风险模型的合作是非常典型的一个案例。

　　浦发银行和蚂蚁集团针对零售贷款业务开发了一整套风险评估解决方案，采用多方安全计算的风险模型利用浦发银行及其合作方的数据来共同提高模型的有效性，同时保证了数据的安全性和隐私性。

　　该模型基于浦发银行及其合作方的数据构建而成，蚂蚁集团为双方提供技术服务，在训练和运行两个阶段内均采取了分布式部署，且双方都应用了加密算法。这意味着，任何一方的原始数据都不会泄露给另一方，并且也无法通过对训练结果的反向工程来推导原始数据。

　　应用多方安全计算技术后，浦发银行提升了模型性能。在信用风险管理、识别高风险客户方面，该模型识别出超过14.5万名高风险客户，阻止了数十亿人民币的高风险贷款的发放。这进一步提高了资产质量，减少了损失。同时，该模型识别出了37万名低风险客户，潜在授信规模约80亿元人民币，从而帮助银行拓展了零售信贷服务可支持的客户面。该模型使得部分以前无法获得批准的贷款客户现在也能够得到相关信贷支持。

　　镜头二隐私计算技术更高要求--数据分级管理

　　在新的法律法规的要求下，数据进行分级治理是隐私计算技术发展重要的方向。

　　蚂蚁集团隐私计算技术相关负责人向算力智库记者表示：“根据业务形态对数据的要求进行分级计算方式。是指计算方式不同，不存在隐私保护程度不一样的分级。”

　　以不同金融机构规模的业务计算方式为例，大型金融机构与中小型金融机构的牵引路径大相径庭。

　　大型金融机构逐步实现了信息化、智能化后，隐私计算技术“可用不可见”的特性为其进一步拓宽数据边界，增强业务竞争力创造可能。

　　

　　相比大型金融机构，中小金融机构面临的挑战更大，在现阶段的数字化内容更加丰富，包括信息化、智能化和隐私计算，还要考虑数据合规、数据治理。隐私计算厂商以及其上下游的“核心企业”将会成为这些中小金融机构首选合作伙伴。

　　而隐私计算技术厂商取胜的秘籍，除了可否为大中小型金融机构分别设定相匹配的搭建方案外，能否搭建庞大的数据源合作伙伴，并提供完整的解决方案也是争夺市场的关键，而在激烈竞争下优胜劣汰后高性能的隐私计算技术，为金融领域业务改革创新的提供更有力的技术支持。

　　镜头三各方合作搭建互联互通的金融数据共享生态圈

　　金融数据共享过程中，数据提供方与数据需求方时常无法有效匹配。

　　以征信为例，征信机构开放的数据源，如何既保证了隐私、安全又保证了数据的准确、完整的给到银行与信贷、消金公司，利用这些数据进行精准营销、信贷风控等业务，数据流通遇到瓶颈。数据供需双方的不信任问题成为难以解决的痛点，而将数据锁在笼子里，也会造成双方巨大的损失。

　　金融科技是数据密集领域，也是受强监管的行业，金融场景的数据安全与基础建设，是新基建的重要课题。通过隐私计算建立金融数据共享生态圈，一方面需要监管层的认可，另一方面，要在技术上实现互联互通。

　　政务服务数据作为最大数据库之一，如何对金融领域领域开放其公共数据，仍是当前互联互通目标中最难解决的问题之一。

　　四川省大数据中心数据资源管理处相关负责人向算力智库记者介绍，在政府部门中，比如社保、不动产登记、个人信用等在某一领域数据集中的部门，涉及到的敏感数据开放给金融领域肯定有相当大限制。

　　“目前四川正在尝试结合隐私计算等新技术进行政企数据融合试点。从实际效果看，类似的试点可以起到示范作用，可以推动公共数据资源供需对接，加强公共数据深度开放；也可以推进社会主体对公共数据的价值挖掘和创新应用，发挥政企数据融合对各行业的赋能作用。另外有助于引导各类社会主体参与公共数据开放应用，形成融合创新生态体系。”上述大数据中心数据资源管理处相关负责人举例补充道。

　　金融机构之间的数据互联互通，在隐私计算技术的协助下，2021年有了新的进展。

　　蚂蚁集团隐私计算技术相关负责人向记者介绍：“以蚂蚁集团的隐私计算技术在金融领域的应用为例，借助蚂蚁隐私计算，多家金融机构可以建立基于多方安全计算技术的风控数据联盟，密态分享黑名单、信贷申请、信贷记录等数据，不泄漏各机构的原始数据，分布式加密计算得到统计结果。”

　　据其介绍，蚂蚁集团隐私计算的发力点可以概括为：一个已经广泛应用于联合金融风控、保险快速理赔、民生政务、多方联合科研等多领域的商业化服务平台--蚂蚁链摩斯安全计算平台；一个构建统一技术框架的下一代开源框架--隐语，以及一套超大规模隐私计算及合规尽责保障解决方案，是在完全符合国家法律法规要求的基础上满足海量数据的隐私计算能力的一套解决方案。

　　镜头四隐私计算营收拐点即将到来，融资热情高涨

　　随着2021年最新数据法律法规的推进，隐私计算厂商的崛起，各地大数据交易所的发展，在多个数据参与方层面，包括任务发起方、数据提供方、算法提供方、数据计算方、结果使用方的商业逻辑都更加清晰，比如提供技术服务、Saas服务、业务优化咨询服务等，充分挖掘数据需求。

　　毛赛对于隐私计算发展前景十分乐观：“今年行业营收可能不会出现大幅增长，但是2022、2023年的业绩会出现数十倍的大幅增长。”

　　另外，就目前来看，关于隐私计算的行业标准有中国信通院牵头撰写的《基于可信执行环境的数据计算平台技术要求与测试方法》、《基于联邦学习的数据流通产品技术要求与测试方法》、《基于多方安全计算的数据流通产品技术要求与测试方法》等，但是还未有隐私计算相关法律法规予以明确定位，相关法律、标准、规则还不完善，数据交易、审计、保险等配套产业仍不完备。另外，行业化的平台收费标准等商业化落地模式尚未形成。

　　毛赛介绍，隐私计算技术仍处于初期发展阶段，还没有实现大规模商业化，由于隐私计算技术理论复杂且示范性落地项目较少，大部分企业用户对隐私技术的处在模糊认知阶段，目前来看，不成体系的认知现状是目前隐私计算结合应用落地的最大障碍之一。”

　　算力智库记者注意到，今年在金融市场的隐私厂商数量明显增多，从最早瞄准赛道的十几家企业到今年以来增至超过50家相关企业，加之许多金融机构自身也在研发隐私计算技术，比如工商银行等，使得这一赛道的竞争更加激烈。但是目前来看，结合金融企业与其他参与者落地的优质项目更是屈指可数。

　　在上述背景下，即便刚刚出现发展势头，该行业还会经过多轮迭代，但敏锐的投资方对隐私计算赛道却已经表现出了浓厚的兴趣。据不完全统计，2021年新增融资金额超过6亿元，多家企业集中在B轮、C轮融资阶段，融资金额过亿的超过50%。

　　

　　数据的流通共享正日益成为推动金融创新与发展的新生力量，金融科技大发展的背景下，隐私计算技术堪当重用。2021年来，多个金融机构结合隐私计算技术的应用落地，以及资本的涌入，为金融行业公共数据进一步大规模开放提供了可能。

　　下篇预告

　　疏堵通塞，数据共享流通成金融创新的一剂猛药｜2021隐私计算半年纪

　　金融领域数据应用的安全性与合规性是底线，而2021年来，多部数据相关法律法规颁布，分别给隐私计算的金融赛道影响几何？在隐私计算性能逐步提升以及与金融领域深度结合的背景下，其迫切需求的数据源开放问题有了什么新的办法？【算力智库2021隐私计算半年纪·金融篇】继续为您解开上述谜团。