IDC PeerScape: 金融行业隐私保护计算探索与实践

IDC PeerScape 图

• Figure: IDC PeerScape: 金融行业隐私保护计算探索与实践

执行概要

同业洞察

• 实践 1：通过基于CPU或者安全区域内部的隔离，对涉及隐私数据的运算和操作环境进行保护，从而确保隐私数据流通与交互过程中数据的完整性和安全性。对于计算的一致性、算法的可解释性、较复杂算法逻辑的实现及运算效率的提升提供了可信硬件基础。

• 挑战：

• 例子

• 网商银行

• Figure: 网商银行TEE案例示意图

• 某保险公司

• Figure: 某保险公司可信执行环境案例示意图

• 指导

• 实践 2：不同类型的金融机构通过自研或与技术服务商的合作，积极探索从具体金融场景的业务需求出发，综合考虑对模型的精度、安全及性能的要求，从而选择相匹配的隐私保护技术路线，使得在（原始）数据不出域的前提下较为有效地解决了数据维度单一，样本不足的痛点，并提升了模型及业务效果。

• 挑战

• 例子

• 中国工商银行

• Figure: 基于多方安全计算的资金监管技术流程示意图

• 某股份制银行

• 中原银行

• Figure: 横向联邦交易反欺诈应用案例示意图

• 河南中原消费金融股份有限公司

• 江苏银行

• Figure: 江苏银行联合建模示意图

• 指导

• 实践3：通过区块链技术与隐私保护计算的相互结合，既能在保护数据隐私过程中实现数据共享与交互，也能有效解决数据有效融通过程中的权属及数据监测等问题，从而共同促进数据要素市场化的规范发展。

• 挑战

• 例子

• 中国工商银行

• Figure: 工商银行"区块链+多方安全计算"解决方案示意图

• 某股份制银行

• 中国人民银行南昌中心支行

• 指导

• 实践4：隐私保护计算使得金融控股集团内部跨法人主体之间的数据有可能实现共享、融通与应用，从而实现集团层面对客户营销，风险偏好等维度的精准刻画，以及不同业务条线的有效协同。这一实践对于金融集团内不同主体（包括：消费端，企业端，政务端等）数据的融通及业务价值的提升具有借鉴意义。

• 挑战

• 例子

• 中国工商银行

• 光大银行

• Figure: 基于多方安全计算的数据融合平台示意图

• 指导

进一步研究

• 相关研究