2022-2023隐私计算金融风控应用报告 隐私计算在金融风控场景的最初探索开始于金融科技巨头蚂蚁集团与微众银行。但是，真正大量进入实际应用场景则是在2019年9月的“净网行动”之后。 目前，隐私计算技术在金融风控场景的应用探索覆盖了信贷领域的贷前、贷中、贷后的各个环节，在面向个人的消费金融贷款和对公贷款当中都有尝试。而且，目前的应用不仅 于信贷领域，在 、 和 场景中 有应用前景。 隐私计算 在金融风控领域的 有 、 、 、 技术 。 的不，于 景和 的不。 的currency1，“fifl 隐私计算 在 的currency1，在大 隐私计算 的 向和 。 隐私计算 在金融风控领域的”是个 ，在技术、 、对 的 个 面。 隐私计算技术 在 、 、 应用个 面金融风控。 !# A bstract 1 一、隐私计算在金融风控领域的应用历程 . 3 （一）前瞻性技术布局 . 3 （二）危机引发质变 . 4 二、隐私计算在金融风控领域的应用现状 . 6 （一）隐私计算厂商在金融风控领域的服务方式 . 6 1、提供一站式服务 . 6 2、提供全流程解决方案 . 8 3、提供数据运营服务 . 9 4、提供纯技术服务 . 10 （二）隐私计算在金融风控场景的应用案例 . 12 1、信贷风控 . 12 2、反洗钱 . 22 3、保险风控 . 23 4、资管风控 . 25 $%#C ontents 三、隐私计算厂商在金融风控领域的竞争力分析 . 27 （一）技术 . 27 （二）数据 . 28 （三）对业务的理解 . 29 、隐私计算 变金融风控 . 30 （一）数据 . 30 （二）数据分析 . 32 （三）数据应用 . 33 3 &()*+,-./01234567 !#$%&()*+在中，金融领域对隐私计算的应用，最是 蚂蚁集团和微众银行 的 金融科技领域的 行 开始的。 最是201 年，蚂蚁集团开始。 公开 1， 了 fi应对 的 ， 的 与隐私 和 用之 的，蚂蚁集团201 年 了 技术 ，在 与且各 与 不信 的场景 ，“ 信进行 和 ， 各 与 的隐私不被 漏， 不被 用，蚂蚁集团当时称之 “ 智”。 欧洲议会于201 年4月 欧盟 般 护条例，是世界范围内加强 安 和个人隐私 护立法的开端。蚂蚁的 智研究在 年启动，可视作是对 法 规利用的前瞻性技术布 。 蚂蚁集团最初在可信执行环境（TEE）和 安 计算（MPC）两个 向进行探索。在实践中，蚂蚁集团逐渐发，不技术都有各自的优 ，时在 发展的不阶 用户对隐私 护的 是不的。把不的技术融 起，发挥各自技术的优 ，往往会达 个 想的效果。因此，在实际的应用中，基于用户的 ，蚂蚁集团逐渐尝试灵活应用 技术 升实际应用效果。 与此时，2018年微众银行人工智团队开始关注 隐私计算技术。2018年，在 实践和行观察中，微众银行人工智团队发训练AI所 的大 实际难获得， 的控制权散在不、不部门，“ 孤岛”问 ，加之 法规对 隐私和 安 的 和 作加 难。 对实际的 ， 发 是 行之有效的 ， 开始进行研究和探索。2018年 2019年初，微众银行发 了 关 ，对于 的 、 、基 基 进行 性研究。时，2018年起， 1 蚂蚁金服共享智能实践， 来 源 于 知 乎 号 “蚂蚁共享智能”， 2 对金融领域而言，联邦学习的实际价值是如何体现的？， 来 源 于 InfoQ访谈，载于FATE开源社区微信公众号，网址 4 微众银行人工智团队基于 研究进行 关开 研发。 探索，微众银行 起了 研究、工 、技术 、行应用的 ， 且开始有、currency1 、“、 安 作加入。 2019年初，微众银行正 开 fi个工 flATE（fl E” ）， 开始尝试 应用于金融 中。flATE的开，得 的应用门大 。2020年初， 对金融应用中 风控、 ，微众银行进 了场景 隐私 护 P， 基于 P在2021年 月发布 大 隐私计算 PPPC。 P 了 隐私 护 ，融 安 计算、加、 、 性 算法， 。 !,#-./012+2019年9月，中金融科技领域 场前所有的 风 。 场 风 自2019年1月公安部 部 公安关开展的“净网2019” 行动。 行动的目 是， 法 公个人信、 网 法 活动。 “净网行动”始自2011年，是公安部发起的网 行动。2011年fi“净网行动”的 目 网 法 活动。此后， 网的发展，净网行动的内 实际 不 。 “净网2019” 行动开始后，于对“ 贷” 的 。 公安部2019年11月14日在北召开的 报 公安关开展“净网2019” 行动工作 典型 例的新闻发布会 的信 2019年5月25日，黑龙江省七台河市接到居民报案，之后七台河市公安局成立专案组，从本地被“套路贷”受害者和催收团伙入手，延伸打击触角、持续经营攻坚，侦获一条集实施“套路贷”犯罪团伙、催收团伙以及帮助“套路贷”犯罪的技术服务商、数据支撑服务商、支付服务商的完整犯罪链条。 8月10日开 ， 专案组 “ 0” “套路贷”专案开 集 收 ，打 犯罪团伙9 ， 获犯罪 80 ， 案 ， 案 5 数据205， 及被催收 。 currency1 ，公安 安“局从fi案fl ，组“ 开集。9月1日以后”11月， 地 安 侦收 打 团伙1 ， 获 15 1 ， 施 98 ，一 帮助犯罪的技术服务商、数据支撑服务商、支付服务商，实 “套路贷”犯罪 打击、打击。 在场 当中，金融科技领域受 波 。 财新报道，2019年 月，公安部门锁“ 贷”、“714高炮” 赖导 获和 催收两大帮凶，利用爬虫 工 ， 些“ 贷” 爬取 录 个人敏感信， 引发命 。些非法个人信的 ，不少自大 风控公司。 9月 日，位于杭州的大 风控 杭州魔蝎 科技有 公司被警 控制，高 被带走， 关 瘫痪。此后，不少第 风控行头部公司 继被调或被波 ，得 个行爬虫 于避 考虑基 暂停。对市场说，是 释放的强烈信号，即用爬虫爬取个人隐私 （因 大 风控当中不少 个人隐私）付巨大的 价。 场 治，得隐私计算成 可考虑的替 ，市场洞然而开。 治之前，爬虫是大 风控行的灵魂大 大 风控公司 身 没有那么 ，因 是 当中的，但是有大量 的实际 不， 大 风控公司的 是靠爬虫爬取。 ，用爬虫爬取公开 不 法，但是与个人信强 关的 对网 贷款的风 控制才是直接有效的，在利益的驱 ，爬虫爬取信的范围逐渐扩大，公司都利用爬虫技术去抓个人隐私 或 府关、银行的 。些 ，是有网 贷款 的用做风 控制的 。 治之后，大部爬虫 停止，市场不得不考虑替 。在个 中， 的 双 开始新fl待 的 规用问 面， 些有 的只愿意与持牌金融 作； 面，持牌金融，fl 作 是否获得了 法的 授权。 正是在场 治之后，发展隐私计算 的公司 了市场会在 智 的调研中是有实例 的。 6 8()*+,-./0123459: 2021年是隐私计算技术规 fi 年。 年的 ，隐私计算技术在金融风控场景中 有 fi。 金融 面fl，有大行、 制银行、头部的 行、 公司、 公司目前都有隐私计算技术在风控场景的布 和尝试。 隐私计算技术 的 进展fl， 智 调研了 ，2021年头部的10 隐私计算 当中， fi 例 的 达 了 （ P C在内）。 计，2022年 fi场景 进 发。 !#3456789:;?ABCD 目前， 智 所接 的 例，隐私计算 在金融风控领域的 有 、 、 、 技术 。 的不，于 景和 的不。 在 智 的开启新 隐私计算在金融领域应用发展报 3当中， 探 隐私计算 在 的currency1。 了 隐私计算 在金融风控领域的 ，“fifl 各自在 的currency1。 些currency1或 在大 隐私计算 的 向和 。 1、提供 第 是 面的金融风控 。所 ，的是覆盖金融风控场景 的 ， 的制、 的引入、 治、风控 制、风控型的 立与调优 。 中， 入大量人的 和 场 ，此 自身都可 。 3 开启新纪元：隐私计算在金融领域应用发展报告， 7 此 隐私计算公司在金融风控 面有 ， 当的人 入。此 的 ， 有金融科技景的公司 ，科技、科技、洞科技 是 中的典型 。 科技 例。 科技成立于2019年4月，是 立集团 的 金融科技 ，在金融科技 面有 的 。 科技的currency1公司 立集团立于201“年， ”立集团有 000用户、700 户。科技立之后fi于 fl 位 价的科技与 ， 作 型。”2021年“月，科技 作 量 700 ， 各 持牌金融、fl 位、 、 网 。 中，科技 银行 制 信贷技术 ， 了计、后 技术、风控 、智 ， 了中 银行fi个 网信贷“ 贷”， 且 直 作”。 在金融风控领域，科技 和 技术 ， 金融 。些 第 ， 隐私计算技术 。目前， fl 正 开。 第，帮 场景 引入 。 第， 场景 ， 治、 。 ，得注意的是， 和 的 入大量人，是 的 。两 ，科技都可 。 科技 中 治的 。 治 覆盖 位的 治， 、 、 量 、 。 中 是 对界 而计的 款。 般说，大 的 都是在些 的基 立， 条 都有 或 ，的 可在不的 不 fi、 不 。 或所有 个 ， 个部门的 ，难 大，而且可因 导fi对有 成 。内 集成 的时 fl， 般 个月的时 。技术团队开发 对不 用的 、 部 集 、 入 融 ，可 实界面可视 。 8 户的 ，科技可 场 。科技有 制 的风控团队。 中 ，前端计工 、前端开发、后端开发工 、 算法工 、 、工 、调研人 、市场人 、风控 、 人 。 与此时，科技在金融风控 面 的优 第 ， 的 。 面，科技currency1公司 ”立集团有自身 的 ， 量大，且是 。 面，于自身 ， ”立集团与金融风控所 的 都有 作，对 应 。 第， 实际 场景 的风控 。风控 在金融隐私计算的应用中非 关 。 在金融风控领域的应用非 ， 些 和算法对 升实际 价最大，些 和算法应当 用，只有 大量的实际 行才 。， 量对 有价，果有用户 量 直是100， 性可大，因 量 直100说 直在 ，个 可是团用的 。 的 ，只有入金融风控 才 。 2、提供全流程解决方案 第 是 ，但是 第 。 此 的 内 ， 隐私计算技术 ； ，帮 场景引入 ； ，利用场景 协 开发 ； ， 金融 风控 、 的咨 。 与第 的区别是 此 不 人 入的 。 、 场 ，往往 入大量人。此 倾向于引入 作 金融 关 。 科技。 但是，有 些此 ，虽然不 人 入的 、 场 ，但是可 基 施和治工 ， 便用户 、 用门 。 牍科技。 科技 例。 科技成立于201 年4月，2019 年 了 立自研发的安 计算 Av，是内最进入隐私计算领域的公司之 。 科技在隐私计算技术和金融风控 面均有 。 在隐私计算技术 面， 科技起， 入 金大，技术 对 面。 9 科技是内少 “实 自研发、内fi 银行卡 中心和fi 信 院 安 计算& 性 评 的之 。在隐私计算应用场景 fi，”2021年末 计 银行、 、 网、际 港 0 作。 在金融风控 面，进入隐私计算领域之前， 科技的 是金融 ，在金融 和算法 面 。 的智 和 部门 ，都集了众金融领域景的人士，团队成 自Cp” , GE Mo y、渣 银行、中银 。 科技 的 即是 ， 的 第 ， 私有 部 的 隐私计算Av； 第， Av 用户引进 、银 高价 ， 的。例，在与大行 作期 ，与 和银 试了 个不 场景，取得了对 价的 ； 第，基于场景的 ，做 的应用SAAS。， 科技2021年 个 公司， ，开发了面向车 场景的 ， 车是否 网车拼车顺风车司， 结 实车 价。 3、提供数据运 服 第 是 。此 的基 内 与第 有些 ，但不之处在于， 的 目 导向，隐私计算 与金融 目 之后， 目 引入 些 、 用什么的 和型。 回报于 金融风控场景的 价， 高了少 规、 了少 账率 。 蓝象智 是 第 的典型 。 的角 ，蓝象智 像是帮 户达成 目 的 作，而不是 的乙 。 蓝象智 办于2019年 ，正 注册于2020年“月，团队大 半成 自阿巴巴和蚂蚁集团。 蓝象智 始人兼董fl长童玲 蚂蚁金 fi席 、芝麻信用CT 、蚂蚁区 隐私计算 始人。 团队 在芝麻信用、花呗、借呗、余额宝、网 贷 的 面取得了成功 。芝麻信用的团队是中最在金融 中探索 的团队之 。 10 的核心，在于 价的最 。在金融场景中精 、应用增长、 、信用评估、 规审 些场景中， “有效 去驱动 价的 fi， 升用户活跃、放大信贷规、 不良风 ， 各 面 升金融的 。 核心离不开 大 、算法、 量、风控、 规。 蓝象智 的 与 隐私计算 的不之处在于 fi ，蓝象智 有 门的 团队， 用蓝象智 隐私计算 的金融 。 第， 的内 是 工 、 fi 关 的 ， 中 的 放 、 、规则 。 的核心在于， 的 ， 别是成功 的 。 第， 计 、 ，蓝象智 可 算 在场景中贡献的价。 ，蓝象智 的在于，fi道不 在不场景 的价，的“价”既 价、 价 。例， 条 的调用，在 个场景中价 0.“ ，但是在 外 个场景中可是0.2 ， 在不场景中的价（即 带的价） 价 。做精 的价， 团队有真实 ，“ 把 在场景中的实际价。 第 ， 的收入可和 效果挂钩。，蓝象智 与日头条、中 信、头部 行 作，2021年“双 ”期 ，该银行发第 信用卡，蓝象智 帮 银行在日头条、抖音 渠道实了发卡的 。 和日头条 的 ，可 精 fi 目 人群，帮 该银行的信用卡中心大大 成 。蓝象智 ，可 信用卡核卡成 近 半。蓝象智 对应的 效果中获得 应收入。 是目前蓝象智 的 思 在信用卡 场景取得成功的 个 例。在金融风控场景，可 达 的效果。 4、提供技术 在金融风控场景中， 有 技术 。 与 金融 的 作，自身则只 隐私核心技术 。冲量在是 中的典型 。 11 冲量在成立于2020年8月， 始团队成 自百 智云团队，因 fl 了 和 信的巨大市场会， 隐私计算工 fi的加，结 自身在可信计算硬 、区 BS、 关 向的技术实，加入大潮。 冲量在在金融风控场景中的应用 fi，是寻找 金融行 IT或 风控 的 些 作（金融IT 宇信科技、科蓝 ，再金融云 紫 云 ），与些公司 作， 隐私计算作 融入 金融户的 、 治、 中 的 当中，真正fi 隐私计算 入环境，得银行的 中 可 应用隐私计算技术。 了金融行场景 的 作，冲量在与 于金融风控场景的众 应 立和 作关 ，覆盖 、个人行 、消费 。而帮 户 应用的 环。 在个 环中，冲量在自身则 注于 隐私计算 核心的技术 ，有两个 因 第 ，冲量在团队在隐私计算核心技术有加的 ， 了结 TEE和 技术 的隐私计算 硬 ， 盖可信计算、 、可信 隐私计算关 场景，时 持 部 和 硬 付 。而在金融风控的 应用和 面，则倾向于与 有 的公司 作， 自身精释放加强核心优 的持 升。 第， TEE技术在应用场景中有 的优 ，TEE技术的 用性强， 对 的 是最 的，不 像 安 计算和 那， 基于 有开发新的算法。TEE只是 个 行环境，是在基 施 面的 ， 算法的安 性，银行 接受， 实 。 ，TEE技术在性 面的 优于 安 计算和 ， 在真实场景中的 行 ，“达 的 ， ”高达10 。 ，TEE技术可 硬 隐私算法进行加，冲量在与I ”的 新 目 SG TEE技术加 ， 升了2 “ 的 计算效率。 目前，在行内， 的TEE技术应用 ，但是冲量在目前在TEE的 面正在 进。目前，冲量在 “做 TEE技术兼 所有（90 ）的 中。 且，在 场景 虽然性功优 不 ，但是“达 与 不的 ，在应用场景中 硬 的优 “大大 。 硬 ，冲量在基于硬 的“ 户的成 12 20%30%。 !,#34569:;=EFGHIJ+1、信贷风控 目前，隐私计算在信贷风控场景中的应用探索， 了信贷风控的贷前、贷中、贷后 。 （1）贷前 场景一：反欺诈 案例一：富数科技基于跨域图计算的反欺诈实践 ： 数 技 域 计算的反 方案 业务场景 计算是 利用关 网 别和 关 关 的算法，银行在利用 计算进行 、 有 的效果。但是于银行只 有 的账户 账、 用 人 信进行 ，会有的信 。当 、 外部 “融 ， 会大大 升场景的精 。 解决方案 在 银行与 的行 目中， 隐私计算的，实 安 融 ， 关 ， 计算的 currency1界，别 13 、 面的关 条 风 。 产品效果 个作，银行获得了个 的价 升 第 ，可 “ 银行别的 关 关 ；第，可 协 银行找 在行内关 关 ，但在 关 的关 关 ；第，可 在银行没有 关 的户关 关 。 个fi 试是 个非 典的域 计算融 例。该 例 会在 、 、高净户 领域获得应用。 案例二：富数科技实时多头数据产品 ： 数 技 数据 方案 业务场景 用户的头信是贷款的贷前风 ， fl信公司或第 各的 进行 计 。fl信公司在信收集时效性、覆盖率 面目前 在 ；第 公司的 在目前法 ， 有非 大的法风 。 隐私计算技术，在去中心 盟，银行可 部 隐私计算节 ，实 盟风 、在” 期信实时 ，实对人行信的 。 解决方案 安 计算布 节 ，实金融 盟。 14 产品效果 升进 风 别 人群，在个去中心 盟，银行可 部 隐私计算节 ，各 与 不对 的 ，协调 、 仅获得 计后的结果，不各 成结， 都 持自 的 立性、安 性，时 动 价。 场景二：贷前审批和信用卡审核 案例：富数科技运营商信用评估产品 ： 数 技运营商信用 业务场景 贷前审 或信用卡审核， 有效别高 用户， 银行个人信贷或信用卡 风 。 有用户在银行 贷款前的个人信、端信、 行 、消费行 行 型信，于受 法法规的，双 有 法实 ， 隐私计算 可 信 和 金 ，安 用的 进行 ， 型有效果。 解决方案 用 技术，少 升”个 ， 型效果 升，个贷风 别作用 ，时 便型的 与优 ，大 升工作 15 效率。 模型效果 型区 高，且型 训练集 0.748 ， 达 0.“77 ， 试集 0.70“ ， 达0.“ 92，有效别高 用户， 银行的个人 风 。 场景三：授信及提额模型 案例一：天冕科技与金融机构联合风控案例 ： 技风控案例 业务场景 目前，银行 金融只应用自身内部的 进行风控 ， 展有 。 解决方案 在风控场景，科技 用 ， 了 fl信公司 关性 高的 fl， ，在各 不私域的 ，进行 风控 ， 立 个 强的型。 产品效果 取得了 的效果。S 高 ， 账 。 16 案例二：富数科技高价值识别数据产品 ： 数 技数据 案例 业务场景 银行 对目前用户授信型 额型 于自有 ， 借 第 进行优 有的各个型，优 量贷款用户的 量， 用户的行 别用户当前贷款 ，而 升用户的 率， 升银行 的 金利用率。 解决方案 技术， 银 、 进行 ，优 额 型 训练贷款 应型，时 贡献 高的 ，而大 升型效果。 产品效果 率 升10 ，量用户月增量放款 ，且该 量用户贷后信用 不 。 17 案例三 蓝象智联与中国工商银行、银联的普惠金融探索 ：currency1“fi商fl 、fl 金融服务案例 业务场景 微 户市场发展前景 ，户 量、 规大，在 、 、 进新、 便群众活 面发挥 的作用， 个工 户 典型的 ，金融 、 活跃，是优户的， fi 升 微 覆盖面，进行精 的 ，中工 银行与银 作， 户场景 面，蓝象智 隐私计算 GAIA 技术 持。 解决方案 在入端，优 户 型，风 别效果 升20；入 户收 fl， 了“ ”精 别型，有效 范风 。 在 端，基于 技术， 借款人 行 关 的 金 向， 了 新的 金 向 规领域探 型，可 升贷后 覆盖面 精 。 时，中工 银行基于型风 评估，结 ，制了 授信、 18 currency1 价 精 应用 ，实了 智 。 产品效果 此 开发的效率 升巨大，实施成 大大 。 自 应和高性的 ，实计算效率 升2 。时， 作，大 升场景 入户规，且户均授信 计 高“0，大大 高了中工 银行 金融 在中 微的 覆盖面。 案例四： 同盾科技应用知识联邦探索辅 业 营贷业务 ： 技” 业务场景 2021年，金融A对公 贷 增， 有的 贷 入 赖于 人工审核，不 持在的 量。时 量增加带的风 是 而 的，金融A 引入外部 ， 对公 贷 做 智风 评估。 解决方案 科技 技术， 用 对信 进行安 ，基于 进行 ，帮 金融A实对公 贷 的自动审 ，帮 金融入fi做 中 微的 信用风 量 评估， 时精 的与 。 该 目 期 期， ，开发 启动型。因 金融A对公 贷 19 量 不 ， 基于外部 开发的 型， 围 该型 的审核 。 期 成后，贷前 入 ， 的 。时金融A在 增量发展中 计 。 期，基于 成的 ，可 在 安 的 实 的引入，增加型的性，进 增加 在 审核 中的权。 期，基于 增长 ，用 训练风控型，实 的自动审 。 产品效果 和期阶 ，的 型大大 升金融 微信贷风控效果， 自动 审核 大 的 了金融 量 ，近 0的 额 直接审核。 基于 期期的 ，期在 训练 评型。 的型S 0.“，A C 0.87，型PSI 0.00 ，型 效果良 。 （2）贷中 场景：贷中 控 案例：数 科技贷中 控案例 ：数 技贷 控案例 20 业务场景 期 ， 升金融 ， 融 成 ， 牍科技 fi 公 fl 中心和有银行 面向精 的 微信贷 ，在 不 的基 ， 实对双 安 融 ， 有银行贷中 升， 信用风 和贷款良性 。 解决方案 牍科技 的隐私计算 和 ， 银行的fl信 （头借款、 、 ），fi 公 中心的公 （ 、工 、司法、 ），在不收集、不 始 的前 ，进行型训练（ ）和 规则制（隐私 计 ）， fl信评，实了对目前贷中 型的 和 。 产品效果 最型效果 于银行 currency1贷中 型 升了 个百 ， 该行 金融贷中 升， 对信用风 和贷款良性 。时， 隐私计算技术引入 府 ， 安 对外。 （3）贷后 行 fl， 的 起进行，用在贷前、贷中，因此目前隐私计算技术的应用在贷前和贷中，贷后用 少。 但是在调研中， fi发了 隐私计算技术应用在贷后的 例， 且 应用前景。个 例自 科技，是“基于 隐私计算 法的不良 动估 ”的探索。 21 场景： 产估值 案例：富数科技 产 估值案例 ： 方全计算 的方案 业务场景 对 进行金 和估是不良 的核心， 的估 是基于 回款 的 评估法，精 和效率都 ，与此时，网 安 法、个人信 护法、 安 法 的实施， 的估 法继 。 在AMC 评估时， 般金融不 信，往往会金融 做的评估 AMC。有些金融会考虑 AMC进 ，对 的信进行场评估。基于 ，对于金融说，会 心信有 风 ；对于AMC 说，没有 信， 默认金融的评， 后期 回收带风 。 解决方案 在金融与AMC之 了隐私计算的 道。金融可 关的金融信对接在隐私计算节 ，向AMC公司 评 。 22 AMC时 隐私计算对接外部 ，催收公司信（对接 中的户是否有在催的信、回款的效率 ）、头信贷信（ 是否时有个贷款）、 信（户的fi 动、 记录 ） ，与银行 进行 ， 回款率，而精 量， 盈利率。 产品效果 护 安 和型安 ， 升20 0。 可 应用于 公司、 ，银行、消费金融公司 ， 委外处置，基于 隐私计算 个贷不良 的 ， 范于信不对称成的虚假 风 ， 持 个贷不良 的剩余价型和收型， 金融 不良 、 会 金融杠杆 基 工 。 2、反洗钱 案例：数 科技基于 计算的反 案例 ：数 技力fl 反洗钱案例 23 业务场景 在银行 场景中， 用做法是基于内部 、关 账号 立规则，用 些动作可归属成 行 ， 此 型，应用于实时 控 警和fl中控制。然而，于 覆盖范围 且新的 不涌， 型召回率和精 率不 ，可会直接 效果，而 信报送的效率和量。 解决方案 牍科技应用 隐私计算技术，帮 银行引入 信 ， 银行 中 了 0 fl ，帮 双 进行隐私计算 ， 隐私 护集 技术对双 用户I进行匹 ，帮 双 在不 始 的前 进行安 规的 协作， 场景型 了有效 ， 升银行 别。 产品效果 实“ 孤岛 ”“ 隐私 护”和“ 发展” 美 衡。 3、保险风控 在信贷风控和 之外，隐私计算技术目前在 风控场景有 fi。 智 在调研中发的 风控场景的成功 fi 例自 之树科技和煋辰 智。 场景： 反欺诈 案例一： 科技 反欺诈数 联 方案 ： 技保险风控方案 24 业务场景 目前内 市场，骗 和 频发， 公司带了 大赔付风 。于 公司 少 安 协作的制和技术 ，得 公司在面临此 风 时，没有风 发和 的 ，往往只在fl发后被 人协 赔付额，而此 在消费 护法 是难 获得法 持。 解决方案 之树科技 的 盟 可帮 公司 关 成 盟，可实 物集中的前 可 持头风 的。时，各 与 可利用 技术，加 、安 fi 盟 ，实 的 型的 ，而在核 和核赔 中 立 警制。 产品效果 在场景应用中，可 别头骗 的 。 案例二： 数智 反欺诈案例 ： 数“险反 案例 业务场景 近年，车 是 的高发区，面对不攀升的车 ， 公司在 控赔 中面临诸 ，例在车 赔 中， 公司 乏大量 关信 ，团别难 高，信 集量，对外部 。时， 公司、 、执法部门之 少信协 制， 法安 、 25 有效fi 用。 对 ，果 立 安 、智、 规、 融 的 警 ，fl前、fl中、fl后 位进行风 智 控， 大大 升对车 的 和别。 解决方案 煋辰 智 基于隐私计算的车 ，在 公司、 、执法部门 不私域的前 ，各 与 实 ，安 、有效fi用 ，而在 、核 和赔 中 立 警制， 用 fl 取、 、 、 网 、关 技术，发风 和可疑团、人 ，实“人结 ” 的智 、研 和 。 产品效果 在场景的 fi实践中， 人车、人人 型，实对车 场景的有效锁，别精 升 0 ， 成了 位的 警 ， 用 智， 前发风 隐患。 4、资管风控 案例： 科技基于 计算的估值currency1 ： 隐私计算的数 业务场景 隐私计算技术在债 估 中，新应用于安 融 信用 26 、第 、报价 ，在 不域的 进行计算，最后输信用风 警 、发债 率、信用溢价 结果， 债 估 。 例 隐私计算技术，实了fl信评 和非评 的安 融 与用， fi ， 了隐私计算技术与 、信用风 结 的新应用场景。 解决方案 例 用隐私计算、 和大 技术， 用中诚信际行信用评价 第 ，进行 融 和型计算，收益率曲和债 估。 在 例 应用 中，隐私计算技术 应用于中诚信际行信用评价 第 用 ，不仅对中诚信部 进行 型， 基于隐私 护安 、 规应用第 ，工 、司法、 、 。 产品效果 隐私计算技术在 例中发挥关 作用， 面 对评 和非评 的 火墙，安 中诚信内部的评 稿 信融 进债 估计算中， 在 始 不域的 进行 计算； 面，在利用 第 进行估时，达 不 的 实型 立与调用。 例的债 估和曲 应用于风 、 额 、各大 计量、会计 fl 所审计 、净计算、 考价 各 面， 盖户 公募基金、银行、 、 公司、 公司 。此外，估 信用 面的 考。在 债 和 债估 法实新， 实了 行债、区域 债的 动，增加了信用债估的颗粒 。 27 ;()*+?AB# 隐私计算 在金融风控领域的”是个 。 智 目前调研获取的信fl，”在技术、 、 个 面。 !#( 隐私计算技术在金融风控场景中的”，fi fl技术。因 只有技术 关，才被应用在实际 场景中，否则 法 入实际用， ”优 谈起。 在技术 面，有 个考量因 安 性、性、效果、 持大 量的、工 。 在技术与的考量因 面，对安 性的考量应当放在fi位。因 ，隐私计算的价 是“ 护隐私 的安 ，得 “可用不可”，果安 性 法 障， 去了 技术的 立 。 安 性之外，性是第个应当被考量的因。因 ，在真实 场景中，性的currency1会 个隐私计算否符 实际 ，否进入真实应用场景。例，训练 个型 个 时和 ，带的实际 是 不的。 在实际应用中，安 性和性是 衡的 对因。性，是与安 性成 的。对安 性的越苛刻，中 用 的安 算法和骤 会越 ， 处的 会。因此，当对安 性的不 升的时候， 的性是会不 的。 果的安 性和性都 关， 个 ”的 是应用效果。应用效果取 于隐私计算 目“连接 少 、 。而 ，在技术之外取 于 和 两 面的”， 在 中详阐释。 持大 量， 衡量 是在 智 的调研当中， 牍科技 的。 是，衡量隐私计算技术的 不是 成不 的，技术的进、 fi应用越越，会面临的挑战。安 性、性和效果是衡量隐私计算 户 的。隐私计算技术应用越越，越越 进行 作， 越越考隐私计算 fi 持大 量的。 28 最后，是工 。隐私计算 ，果有技术新，但是果没有在实际场景中用 ，性是有待 的。 技术和 技术真正 用， 中 越巨大的鸿 ，是对工 的考。 !,#KL 1、接入 的少 连接 的少， 说，取 于隐私计算 的连接。隐私计算 的 行 当于 个中介 ，连接 和 用 。因此， 和 用 有 撬动的作用 连接的 越，愿意加入 的 用 越，因 用 是 了用的 才会 用隐私计算 ； ， 连接的 用 越，愿意加入 的 越，因 有 用 的 “ 带的 。 在实际当中， 连接与 个因 关 第 ，是隐私计算 的景。 fi ，自身有 或 与 有 作基 的 会占有优 。 网巨头和此前做 大 风控和 关 的 会 对占有优 。 网巨头有因自身 行而 的 ，做 大 风控和 关 的 此前与 关 都有 对接。 科技 例， currency1公司 立集团 近 000用户 金融 ，因此 在日 中 接入了风控场景 的 ，而没有金融 的公司则没有必接入些 ，因此对 的了 有 。 ，与金融场景有 作基 的公司会占有 优 。 些做 大 风控或 的公司，此前 金融 风控或 ，有成的场景 。 再， 金融风控景的公司fl，优 各不 。自身有信贷 的公司，与 有长期的 作关 ，对 和在真实场景中的 ，因 自身有真实 进行。 对而言，自身没有风控 的公司在 面 对说与前 ”稍弱。但”优 不仅fl 个 。 第，是隐私计算 的技术实。 技术实强，与连接的会 对强。技术实， 别是 技术，是初公司优 所在。 29 2、自身 量 在金融风控场景中， 量的优 ，在于 些自身做 信贷 的公司当中。的公司， 般说有自身 的 ， 量的大 量的少。 “、是否 在金融风控场景中 隐私计算 的公司，“接入的 是否 非 。 有 个优 ， 量有所 。果自身没有 ， 接入外部 ，“接入的 量不 大， 量则会 风控 效果。 ， 实时新， 且 ，两 都有 于 升风控 效果。 !M#NOBPQ 隐私计算技术在金融风控场景中 fi 用起， 场景 实会 技术的 用对 升 的 。 因此，在隐私计算技术应用初期，隐私计算 协 技术和 fi与金融风控场景的真实 对接起， 和 用 处、 面的 议 。 的 ， 的是在金融风控场景中的 。 面实的拼，既fl公司 的 与 ，fl人才自身的实。 风控 例， 风控 技术 身 不难，技术 硬的应届毕 可 。但是，在真实 场景中 户制 目 、 取入 量、 立型却 的 。后是团队人才与 金实的拼。 30 C()*+DEFGH-./0# 调研， 智 发，隐私计算 在大 金融风控。 面， 个 阐释 、 、 应用。 !#KLRS 从对数据源的改 来看，隐私计算技术的应用将大大展金融风控“用 的 的 和 。 1、展 的 对可应用的 的展，可 说是隐私计算技术对金融风控最大的贡献，因 风控效果的取得，最关 的因之 是所获取的 的价。 在隐私计算技术进入实际应用之前， 智 在调研中接 的最探索 的团队是科技， currency1公司 ”立集团2014年前后 开始探索“ ”。所 ， 是 不的 放在 起进行 ，而 升型效果。但是，在隐私计算技术应用之前， 的应用范围 有 ，有两 面的 因 面，因 用对 ， 了 不 ， 的双 信 ，所 是在 些 立信 关 的公司之 开展； 面，那时的 在 进行， 拿 ， 成 ， 作双 会衡量成 与收益，果感觉成 高 会放弃 作，因 的效果 不 。 制了 的开展。 ，隐私计算技术的应用，可 两 面的问 。会得 协作的范围大大 面，隐私计算技术可 护 协作双 的 安 ，得信 的 立难 大大 ； 面，免去了 工作的高成 ，大大 的成 。两 面的 ， 得愿意对外贡献 价的 和愿意应用 问 的 用 都大大增加。 的 fl， 往用于金融风控的 是部 自金融 的 、自 府部门的公 、2019年之前 用“爬虫”技术爬取的 。， 智 目前调研获得的信fl，有两 面的 的 会发 ， 是于 府的公 ， 是于 的 。 fl于 府部门的公 。 31 去， 府 的开放 有 。于在 开放的意愿和 面都在问 ，与个人和风控 关的 ，开放 。 但是，应用隐私计算技术之后，可 应用的 府 的范围 大大展。，信用 集团“中诚信”孵 、网信fl 队“中 科” 的 注于隐私计算的技术 洞科技， 去两年在 领域 fi了不少 例， 与智慧 的内fi个省 隐私计算 与中诚信 的武汉“汉融 ” ，都是 隐私计算技术帮 开放。 “感受 目前有越越的fi 府和 关部门愿意开放 ，而且开放的 正在增加。实际， 领域是隐私计算技术 fi的 大关 领域， 府 和开放 的 正在 进当中。 再fl于 的 。 201 年之前，中fl信 果按照 型划可 大 金融fl信 、会fl信 、 fl信 。 中， fl信 对应于在金融风控当中可 用 的于 的 。 201 年之前， fl信 弱，关 因之 是 fl信没有 立、的 ， 是前两个 取， fl信所做的工作是 进行 、。 201 年之后，大 风控行蓬勃发展。虽然 大 风控没有拿 fl信牌照，但是 所 的 观起 了fl信的作用。201 年”2019年期 ，大 风控的核心是爬虫技术，爬虫爬取了不少公开 用于金融风控。便是报 开 的 ，用爬虫爬取公开 不 法，但是与个人信强 关的 对网 贷款的风 控制才是直接有效的，在利益的驱 ，爬虫爬取信的范围逐渐扩大，公司都利用爬虫技术去抓个人隐私 或 府关、银行的 。些 ，是有网 贷款 的用做风 控制的 。 目前，于隐私计算技术的应用， 规的 可 对外 了， 中 、银 、 网巨头 。会得于 的 大大 32 展。 目前 fl 了实际的 例。，在前 的 例中，基于蓝象智 的隐私计算技术，头部 行、 、节跳动 的技术 实 ， ，帮 该银行在日头条做了 银行的发卡 。在个 例当中， 行可 应用 节跳动和 的 价。是 个在 场景中的应用，在金融风控场景有 的探索。 2、展 的 对 的展，在可 得 的 得灵活自。 往， 规 对外输 时， 不输 始 ，而是输 些 ，而且些 是固的，不会意 。 得 的 性 大， 用 不 获得自 想的结果。 时长， 不会对外 个用户 时长是少钟，而是 个区 ，“0“0钟”“0钟 0钟”。果 用 想获得精的 ，往往是做不 的。果想道 时 在“0“0钟”之 时，是“110钟”、“10钟20钟”、“20钟“0钟”，是没法办 的。（注 只是举个例子， 非实际 场景 ） 但是，应用隐私计算技术之后， 用 可 意自 想获取的 ，而得对 的加贴近 实际，取得佳的结果。 !,#KLTU 对 的 fl，隐私计算技术的应用可 得风控 的自动 进 高，时可 得 的 性 升。 1、风控 性 升 金融风控实际 效果fl，风控 性的 升， 面于 和 的展， 面于风控 的 。 去，果 金融与个 ， 金融拿 在 与各个 别 ，得 个型之后，再 些型 起。 应用隐私计算技术之后，金融可 在与个 时 立 个型。带的 在于，此前 得 的型可 达 “ 部最优”，应用隐私计算技术 可 达 “ 最优”， 升型效果。 33 2、风控 的自动 高 风控 的自动 高，是在两个 面， 是 人工审核的工作量，是 风控 的门。 1） 人工审核工作量 此前，金融做信用评估，基 法是 做 个信用评，评区 。户的评 在区 之内，可 审核； 在区 之外，则 人