数据安全|金融科技企业扎堆联邦学习热潮

数据安全|金融科技企业扎堆联邦学习热潮
2020年10月23日 10:10 周观新金融

多年前,在安全计算领域有个知名的小案例:两个百万富翁在街头邂逅,他们都想小炫富一把,比比到底谁更有钱。但出于隐私,都不想让大家知道自己到底有多少财富,在尊重隐私的情况下,如何知道他们谁更有钱?加密算法此刻就派上用场了。

节前,央行发布了《金融数据安全数据安全分级指南》金融行业标准,给出了金融数据安全分级的目标、原则和范围,以及数据安全定级的要素、规则和过程。

节后,备受关注的个人信息保护法草案提请十三届全国人大常委会初次审议。其中,明确个人信息定义,用户可要求平台不推送个性化广告等要点都颇为引人关注。

可以预见的是,未来无论是个人还是机构,信息数据安全问题都被日益重视。数据安全,是解决数据孤岛的重要前提,这也是为何近两年来联邦学习大热。作为可同时兼顾数据共享和隐私问题的技术,越来越多金融科技机构重视研发联邦学习及相关业务应用。

此前,也已有腾讯安全、富数科技、星云clustat、微众、京东数科等提供技术服务的联邦学习金融业务应用案例落地。但未来,联邦学习、边缘计算等能帮助金融机构在“开放”的路上走多远,依然是个未知数。

安全,是“开放”的前提

下载个APP,不同意隐私条款则被强制退出;金融服务类APP被要求获取通讯录、短信、相机图片等权限已经见惯不惯,信息收集“最少”原则的边界难界定,也难靠业内自律解决;搜索了某个产品后继而连三被各平台“精准”推送同类型广告,看个房子马上“精准”接到更多中介的电话……类似的场景,举不胜举。

随着云计算和大数据技术的不断进步,无论是机构和个人,每天都会源源不断地产生大量数据。然而,在享受信息时代便利的同时,任何人都不想被信息裹挟。各类包含用户行为轨迹的数据、包含商业机密的算法,其中往往都会涉及大量个人隐私,如果机构之间要实现“开放”或交换学习,首先面临的,就是数据安全问题。

眼下,各类金融机构链接产业服务的动力十足,然而数据丰富度、服务能力却依然有待提升。以被提及多年的开放银行为例,根据中国人民大学金融科技研究所《开放银行全球发展报告》,目前“开放银行”接受程度最高的是咨询公司Gartner的定义,即是一种与商业生态系统共享数据、算法、交易、流程和其他业务功能的平台化商业模式。

简而言之,开放银行是指一种银行向第三方开放数据和服务的模式。在这种模式之下,银行和其他各方能够在共享信息服务资源的基础上进行协调合作,最终给客户带来更加高效贴合的服务体验。然而,多方研究认为,目前数据安全依然是“开放”面临的重要问题。

毕马威在系列研究“开放银行,中国银行业发展必然路径”中指出,法律的监管是不可缺失的。开放银行“开放”的核心是数据,涉及隐私。

普华永道在2018年进行的一项调查显示,面对开放银行这个概念时,95%的受访者担心自己的个人信息将会被泄露;68%的受访者第一印象是个人隐私将会受到一定影响。

在安永2018年的调查中,71%的受访公司认为取得用户授权同意是实施开放模式过程中的巨大挑战,超过半数的公司更是将其列为“首要考虑”的问题。

因此,开放银行的构建,需要法律和监管充分保障数据的安全性、采用可信且规范化、标准化的程序和模式。而在安全有效的数据开放机制落地之前,业务能力仍需提升,数据的生产力也在不断释放,如何兼顾数据开放的安全与效率,依然是银行、消费金融等机构面临的现实问题。

金融科技公司扎堆联邦学习研发

从目前联邦学习的应用案例来看,解决业务问题、提高业务效率,才是各方关注的焦点。目前,越来越多银行已开始在利用外部数据源提升业务能力,互联网联合贷款、信用卡业务等往往是此类合作的“试金石”。

作为一种新型人工智能技术,目前还有蚂蚁金服、腾讯安全、京东数科、富数科技、华控清交、星云clubstar、微众银行等金融科技头部企业入局联邦学习应用。

根据微众银行发布的《联邦学习白皮书V2.0》披露,通过合规的多维度联邦数据建模,风控模型效果通常约可提升12%,消费金融类企业机构有效节约了信贷审核成本,整体成本预计下降5%-10%,并因数据样本量的提升和丰富,风控能力进一步增强。

而对合作方信贷机构而言,信贷风控能力也大幅度提升,通过初审筛选掉黑名单和不可能转化贷款客户,在“信审漏斗第一步”减去无效客户,从而在信贷预审阶段使单接口调用成本预计节省20%-30%,信贷审核成本得以有效控制。

同样地,在信用卡业务领域,也有多家公司给出了应用案例,其中包括腾讯安全、京东数科、富数科技等。

以腾讯安全及江苏银行的合作案例来看,双方拥有的数据特征是不一样的,一个偏金融特征,一个可能偏社交特征。两种不同特质的数据交换学习,同时又要保障用户隐私安全,通过联邦学习可实现。江苏银行数据显示,其去年新增发卡142.11万张,位列城商行新增发卡量前列。

而从富数科技和某银行卡中心的营销案例来看,银行在保证后端转化数据(如进件样本、核卡样本、逾期样本等数据)不出域的前提下,实现与外部数据联合建模,进一步提升用户转化率,从而提升进件率和核卡率。

近期,京东数科也已推出一款“联邦模盒”的联邦学习产品,并在近期公开招聘算法工程师(联邦学习),充实队伍。

自去年开始,马上消费金融也在研发自己的边缘计算智能算法,以实现客户隐私保护的同时,精准把控营销和风控效率。

去年12月刚完成C轮融资的我来数科,也将隐私计算列为集团目前的三大战略目标之一,并在研发自己的边缘计算、联邦学习可操作平台系统。

此前,周观新金融已经在系列联邦学习商用观察的文中提及,在数据安全被日益重视的大背景之下,联邦学习解决问题的能力将会被机构们日益重视。很快,我们也将有最新的应用案例分析,敬请期待。

财经自媒体联盟

新浪首页 语音播报 相关新闻 返回顶部