隱私計算驅動數字化基礎設施建設

李南青

“十四五”數字經濟發展規劃指出，數字經濟是繼農業經濟、工業經濟之后的主要經濟形態，是以數據資源為關鍵要素，促進公平與效率更加統一的新經濟形態。數字經濟發展速度之快、輻射范圍之廣、影響程度之深前所未有，正推動生產方式、生活方式和治理方式發生深刻變革，成為重組全球要素資源、重塑全球經濟結構、改變全球競爭格局的關鍵力量。

在數字經濟時代，如何通過數據新基建發揮數據要素價值，利用海量數據和豐富的應用場景優勢，促進數字技術與實體經濟深度融合，壯大經濟發展新引擎，已成為社會各界共同關注的焦點。隱私計算作為數據新基建的關鍵底層技術之一，靈活組合區塊鏈、人工智能、大數據、云計算等創新技術，可以根據具體場景中的不同需求，解決數據的安全存儲、可信傳輸、協同生產三大核心問題，助力實現數據價值的可信流通和協同應用，促進數據這一新型生產要素的經濟價值最大化。

基于此，銀行業作為金融市場的重要組成部分，既是新技術的推動者，也是新技術的受益者，對于推動隱私計算發展、引領數字經濟進步責無旁貸。近年來，隨著《中華人民共和國數據安全法》（以下簡稱《數據安全法》）和《中華人民共和國個人信息保護法》（以下簡稱《個人信息保護法》）的出臺，在日趨嚴格的合規監管、日漸強化的政策引導以及日益旺盛的市場需求等多重背景下，金融機構亟須通過隱私計算化解隱私安全保障與數據價值流通之間的矛盾，建設安全可信的金融數據生態，從而推動我國金融數據融合應用邁入快速發展的新階段。

隱私計算賦能數據隱私保護與商業價值

對于金融機構而言，我國數據安全領域的法律強化了金融業務中的數據安全責任，對于涉及數據處理活動的金融業務提出了更全面、更具體、更完備的數據安全保護要求。同時，相關法律鼓勵數據依法合理有效利用，保障數據依法有序自由流動，并提倡相關領域技術推廣和商業創新。

為了應對上述挑戰與機遇，提升金融業務數據的安全保護能力，金融機構應切實履行數據安全義務，積極開展包括隱私計算在內的科技驅動創新，做到數據安全與產業發展并重，以及數據保護與價值流轉兼顧。

數據安全與產業發展并重

倡導數據安全與產業發展并重的戰略目標離不開政府的主導和支持。金融機構在業務開展過程中，須深入研究相關法律法規及政策方針的指示精神，多措并舉主動落實。

在產業發展方面，我國《數據安全法》強調了國家堅持以數據開發利用和產業發展促進數據安全，以數據安全保障數據開發利用和產業發展，并明確支持數據開發利用和數據安全技術研究，鼓勵數據開發利用和數據安全等領域的技術推廣和商業創新，以此建立健全數據交易管理制度，規范數據交易行為，培育數據交易市場。這為金融機構連通數據孤島，實現跨機構數據價值融合，在風險可控的前提下發展智能化金融業務，提供了機遇。

在數據安全方面，《數據安全法》提到了廣受業界關注的數據分類分級保護制度，并進一步圍繞數據處理活動的各個階段，闡明了各類主體應承擔的數據安全義務。其要求建立全流程數據安全管理制度，構建完備的數據安全體系。對于開展跨機構數據協作業務，特別強調了收集數據應采取合法、正當手段，獲得必要的用戶授權，若違反審核義務將承擔法律責任。由此可見，金融機構須基于科技創新提升數據安全流程的可行性和實施效率，并在各個數據流通環節有效落實安全保護，從而攻破數據安全的要點和難點。

數據保護與價值流轉兼顧

以數據安全保障數據開發利用和產業發展，勢必需要應對如何兼顧數據保護義務與價值流轉需求的挑戰，隱私計算為此提供了有效解法。

隨著《數據安全法》等一系列配套法律法規的逐步生效，以往簡單直接的數據明文交換、明文計算協作模式，在新的合規框架下可能不再適用，且會帶來顯著的合規和法律風險。具體來看，金融機構的反洗錢、反欺詐、授信評估、風控、營銷等主要業務，都可以通過聯合多家金融機構的數據顯著提升成效。但與此同時，跨機構的數據流通，也可能帶來額外的非授權數據使用風險和敏感金融數據泄露風險，從而導致不滿足《數據安全法》的要求。

為了消除這些風險，通過隱私計算等前沿技術升級現有數據安全體系，保障可信數據授權管理、數據價值可控流轉，是促進金融數據有效利用，兼顧數據保護與價值流轉的關鍵。

隱私計算在銀行業務中的創新應用

置身于數字化轉型和金融科技變革之中，銀行業正在積極探索合法合規的數據挖掘和治理能力，攻堅“隱私計算”成為破局之道。

目前，隱私計算技術已廣泛應用在智慧風控、智慧營銷、反洗錢、反欺詐等多重普惠金融業務場景中，綜合多方安全計算、聯邦學習、可信計算、區塊鏈等前沿技術，為數據流轉過程中所涉及的查、算、驗提供全密態數據計算能力，減少事后追責成本，促進金融數據的協同生產。

智慧風控：聯合多方數據，提升風控質效

銀行可利用隱私計算技術，在滿足數據明文不離開本機構的合規要求下，實現跨機構隱私安全的聯合計算和數據安全融合，在貸款全周期流程中實時、精準、全面地分析客戶，從而識別高風險客戶。

在小微企業風控場景中，為了保護用戶隱私和數據安全，銀行不能與合作公司直接聚合數據訓練模型，而基于以聯邦學習為核心的隱私計算技術，可以實現多方共同構建聯合模型而無需共享數據，并且聯合模型的效果比任一方單邊數據建模效果要好。隨著模型效果的提升，貸款不良率明顯下降。

智慧營銷：豐富用戶畫像，增強服務效果

在存量客戶挖掘、異業交叉營銷等場景中，由于單一金融機構擁有的數據資源有限、數據特征單一，通常難以精準、實時地分析客戶偏好，難以為客戶提供優質服務。對此，得益于隱私計算技術的落地應用，銀行可在保障數據融合應用安全、合規的前提下，提升用戶畫像的效率和準確性，從而發掘潛在客戶價值。

以微眾銀行為例，其基于以聯邦學習為核心的隱私計算技術打造了一套針對拉新獲客以及用戶促活的營銷解決方案，構建安全合規和隱私保護的營銷閉環，并將其應用于多個業務。同時，利用該技術還實現了AI技術終生學習和抗攻擊性，大幅提升了服務質量與效率，打造了針對用戶端的智能客服機器人、智能語音機器人、智能核身解決方案，以及針對銀行后端的智能質檢機器人、智能培訓機器人、營銷助手機器人等。

反洗錢、反欺詐：數據最小化披露，護航金融安全

基于不同機構間黑名單比對的業務異常檢測，是反洗錢、反欺詐合規流程中的主要手段。但鑒于金融機構客戶名單的敏感性，金融機構不能泄露任何客戶名單明文信息或者可以被技術破解的密文信息。隱私計算技術可以完全解決這一問題，實現黑名單比對過程中的數據最小化披露。

此外，在反洗錢場景中，銀行還可以利用基于聯邦學習的隱私計算技術，聯合多家銀行共同培育反洗錢模式。銀行之間通過提供相同特征維度的數據，使數據集包含大量實證案例，保證相關模型表現良好。該技術極大地提高了相關模型的性能，顯著減少了手工評審的工作量和難度。

微眾銀行致力于推動中國隱私計算行業高效發展

作為國內首家互聯網銀行，微眾銀行自成立起便始終以科技為核心驅動力，以“讓金融普惠大眾”為初心和使命，積極運用金融科技構建普惠金融新業態、新模式。包括隱私計算在內的全方位科技運用使微眾銀行的各項成本持續優化、效率顯著提升，從而為踐行普惠和服務小微奠定并夯實了基礎。

2022年3月，在全球知識產權綜合信息服務提供商IPRdaily與incoPat創新指數研究中心聯合發布的“全球隱私計算技術發明專利排行榜（TOP100）”中，微眾銀行以204件專利位列排行榜第八名，在所有入選榜單的銀行當中，微眾銀行名列全球第一。同月，微眾銀行憑借在隱私計算領域的前瞻性探索、卓越的產品創新能力以及優秀的技術落地能力，成為《2022年中國隱私計算行業研究報告》中唯一獲評“隱私計算卓越者”的銀行機構。

推動隱私計算應用落地，倡導技術開放

微眾銀行是中國率先投入隱私計算技術研發并走向實踐的企業之一，以“區塊鏈”“聯邦學習”和“多方安全計算”三大關鍵技術構建隱私計算核心能力，并踐行開放理念進行技術開源，大幅降低了隱私計算的應用門檻，有效拉近了隱私計算技術和行業應用的距離。

在區塊鏈方面，微眾銀行在多年技術沉淀的基礎上，發布的區塊鏈核心項目已超過10個，構建了涵蓋底層、中間件和應用組件的全棧技術體系。其中，由微眾銀行牽頭研發的國產安全可控區塊鏈底層平臺FISCO BCOS，成為國家信息中心頂層設計的區塊鏈服務網絡BSN中首個國產聯盟鏈底層框架。FISCO BCOS開源社區現已成為最大、最活躍的國產開源聯盟鏈生態圈之一，目前匯聚超3000家企業及機構、逾7萬名社區成員共建、共治、共享，社區內涌現出的產業數字化標桿應用超過200個，覆蓋政務、跨境數據流通、金融、公益、醫療、教育等多個領域。

在聯邦學習方面，早在2019年2月，微眾銀行便將自主研發的全球首個工業級聯邦學習框架FATE予以正式發布，提供基于數據隱私保護的分布式安全計算框架，為機器學習、深度學習、遷移學習算法提供高性能的安全計算支持。目前，FATE已在信貸風控、客戶權益定價、智慧零售、智慧醫療、監管科技等領域推動應用落地。

在多方安全計算方面，微眾銀行給出了場景式隱私保護解決方案WeDPR。該方案組合多種隱私保護策略，融合多方安全計算、同態加密、零知識證明、選擇性披露等算法，滿足多變業務流程，并圍繞開放數據平臺、敏感黑名單互通、聯合風控、匿名投票、安全支付、隱秘競拍等典型場景，陸續開源其中的核心算法實現。結合區塊鏈和多方安全計算的優勢，微眾銀行還推出多方大數據隱私計算平臺WeDPR-PPC。該平臺首批通過中國信息通信研究院“區塊鏈輔助的隱私計算產品”權威評測，并創行業之先，面向全行業開放核心功能體驗，助力各界伙伴在可快速迭代的實驗環境中，探索隱私計算的實際效果和能力邊界。

發展可信聯邦學習，引領中國隱私計算技術進步

針對近年來隱私計算面臨的安全、效率等挑戰，微眾銀行持續推動從“聯邦學習”到“可信聯邦學習”的跨越發展，助推隱私計算應用于多種場景，降低隱私計算的成本，提升隱私計算的應用質量，從而加速隱私計算行業的發展。

可以預見，可信聯邦學習是技術融合的必然走向，是能夠滿足用戶和監管等各方面需求的分布式機器學習范式。在此范式中，隱私保護、模型性能、算法效率是核心的“三角基石”，并且與模型的決策可解釋性和模型的可監管性兩大支柱，共同構成了更加安全可信的聯邦學習。數據安全可證明、模型性能可使用、機器學習效率可控、決策可解釋、模型可監管和普惠是可信聯邦學習的核心特征。

未來，以隱私計算為代表的前沿技術的普及，將推動數據安全體系的變革，顯著提升數據安全流程可行性和實施效率，促進數據生產要素價值的發掘創新。作為中國隱私計算技術的領先布局者，微眾銀行致力于利用隱私計算驅動數字化基礎設施建設升級，提升普惠金融服務質效，助力我國經濟高質量發展。

（作者系微眾銀行黨委書記、行長）

責任編輯：孫 爽