淺析金融領域的隱私計算應用

朱之偉 張錫安

一、隱私計算的產生背景

數字經濟時代，融合多維數據并充分挖掘和利用其內在價值，成為金融業發展的重要戰略方向。隨著數據合作共享的深入，數據濫用、隱私泄露等事件頻頻發生，為此我國相繼出臺《數據安全法》《個人信息保護法》《征信業務管理辦法》等法律法規，嚴格要求在數據使用過程中做好隱私保護，這在一定程度上給金融數據的融合應用設置了剛性底線。由于法律法規對個人金融數據保護的嚴格要求和金融機構之間的競爭關系，機構之間無法直接共享原始數據，造成各機構間數據彼此孤立、無法流通，金融數據無法發揮出最大價值。金融機構迫切尋求一種可靠的技術，能夠在保證合法合規的基礎上打破數據壁壘，實現數據融合應用。應運而生的隱私計算技術能夠讓金融行業在滿足保護數據安全和個人隱私的前提下，最大化挖掘金融數據價值。

二、隱私計算的技術路徑

隱私計算是“隱私保護計算”的簡稱，是指能夠實現“隱私保護+數據共享”技術的集合。目前金融業應用的隱私計算核心技術包括多方安全計算、聯邦學習、可信執行環境、差分隱私等。

（一）多方安全計算

多方安全計算（簡稱MPC）是指各參與方在不依賴第三方提供可信環境，且不泄露自身原始信息的情況下，通過網絡協同共同完成某一計算任務。其特點是即使參與各方輸入的數據只有自己知道，仍可以通過加密算法分析，各自得到自己想要的計算結果，且其他各方無法推斷出原始數據信息，從而保障了隱私安全。目前學術界針對各種多方安全計算模型設計了多方安全計算協議，涉及秘密分享、不經意傳輸、混淆電路、同態加密等技術。

1. 秘密分享。秘密分享也被稱為秘密分割，是一種秘密信息管理方式。典型的秘密分享方案由秘密分割算法和秘密重構算法兩部分組成。分割階段，將一條秘密（信息）進行拆分，拆分后的每一個子秘密由不同的多個參與者管理，單個參與者無法恢復秘密信息。重構階段，信息的重構需要至少t（1

2. 不經意傳輸。不經意傳輸是一種可保護各方隱私的秘密選擇協議。在不經意傳輸協議中，消息接收者根據一個選擇信息，從消息發送者那里獲得對應的消息。其特點是消息接收者僅能獲得其選擇的那條消息，對于剩余的其他消息無從所知；消息發送者僅能知曉其提供了一次服務，但是無法獲知哪一條消息被接收，從而保護了參與者的隱私。

3. 混淆電路。混淆電路利用計算機模擬集成電路的方式來實現安全計算，將計算任務轉化為門電路的形式，并且對每一條線路進行加密打亂，然后發送方將加密電路即計算邏輯和加密后的標簽輸入給下一個參與方，接收方篩選標簽，選擇對應加密電路，解密后獲取計算結果。

4.同態加密。同態加密是基于數學難題的計算復雜性理論的密碼學技術，它能夠實現加密信息間的計算功能，且計算結果和原始數據直接計算為等價關系，通俗來說，先計算后解密可與先解密后計算兩種方式畫等號。根據運算類型可以將同態加密分成半同態加密和全同態加密兩個大類。其中全同態加密指的是能夠同時支持加法與乘法運算的同態加密方案。半同態加密是對只能支持或者加法、或者乘法一種運算的同態加密方案的統稱。

（二）聯邦學習

聯邦學習（Federated Learning），是一種人工智能與密碼學相融合的技術。通常可以理解為是由兩個或以上參與方共同參與，在保證數據不出安全域的前提下，通過構建一個模型網絡，使參與者可以在自己的終端使用本地數據對模型進行迭代，并將模型的優化內容進行上傳匯總，將不同終端的模型更新進行融合，以此優化計算模型，是一種只通過交換模型參數進行聯合訓練機器學習模型方法。聯邦學習始終將參與數據存儲在本地，最大限度地避免數據泄露風險。

聯邦學習網絡架構分為有中心服務器架構和無中心服務器架構。一是有中心服務器的聯邦學習。網絡架構為中心服務器——參與者客戶端，利用各方信任的中間節點服務器，向各參與方客戶端發送任務模型參數，各參與方利用自有數據對模型進行訓練，將參數傳回中心服務節點，中心服務器對各方傳回參數進行聚合運算，反復幾次，最終訓練得到一個優質的全局模型。二是無中心服務器的聯邦學習。網絡架構為參與者1客戶端——參與者2客戶端。參與各方按照順序進行模型訓練，由于對等網絡架構中不存在中心服務器，安全聚合由參與各方通過彼此間交換參數、自行進行聚合運算得出。

（三）可信執行環境

可信執行環境（TEE）是一種基于計算機硬件的隱私計算技術，在計算機硬件平臺上利用安全芯片架構，構建出與外部隔離的安全計算環境，各方數據統一匯聚到該區域內進行運算分析。其特點是將數據和操作系統隔離，但保留與系統運行環境之間的算力共享。目前主流的可信執行環境有英特爾的SGX（Software Guard Extensions）技術、ARM的TrustZone技術以及AMD的安全內存加密技術等。

SGX技術是英特爾公司通過提供一系列CPU指令碼，允許用戶創建具有高訪問權限的私有內存區域，該區域數據只能通過特定CPU硬件解密，其他手段均無法訪問。TrustZone技術是ARM公司在硬件處理器層面設置了安全域和普通域兩大區域，兩個域之間有硬件隔離和不同權限等屬性，任何時刻處理器僅在其中的一個環境內運行。一般來講普通域用于提供正常的操作環境，安全域提供機密數據的訪問和存儲。AMDZen技術是由AMD于2016年提出硬件內存加密機制，在原有的CPU中引入了新的片上芯片系統，將SME與SEV與現有的虛擬化技術進行了結合。

（四）差分隱私

差分隱私指利用加入隨機噪聲的方式，最大化數據查詢的準確性，減少推斷或識別個人隱私的可能性，從而達到即便攻擊者已經掌握了除某一條信息以外的其他信息，該攻擊者仍然無法推測出這條信息的目的，主要用于數據庫統計信息的安全查詢。差分隱私分為全局差分隱私和本地化差分隱私兩大類。其中，全局差分隱私是用戶將原始數據直接存儲在一個可信服務器上，通過加入很小的噪聲來達到保護數據集的目的；本地化差分隱私是指用戶在本地隨機化原始數據后再發送給服務器，使用戶得到更強的隱私保護，但這一過程中加入的噪聲遠大于全局差分隱私。

三、隱私計算在金融領域的應用場景

隨著隱私計算技術研究推廣應用，在金融領域的實踐也日漸增多，金融機構和金融科技公司開展隱私計算平臺建設，在智能風控、精準營銷、反洗錢、供應鏈金融等領域進行試點并產生了很好的經濟和社會效益。

（一）智能風控

銀行等金融機構在對客戶進行信貸風險控制時，為了得到更加精準的信用風險預測結果，需要綜合分析客戶各方面數據情況，訓練風控數據模型，對客戶信貸風險進行多方位評估。隱私計算幫助銀行等金融機構無須交換明細級原始數據即可聯合社保、稅務、司法等其他數據源共同建立貸前、貸中、貸后的全流程風控模型，提高資源配置效率，促進風控管理差異化和精細化。如工商銀行山東省分行運用多方數據學習、同態加密、機器學習等技術，構建普惠信貸風控平臺，在聯合建模參與方數據不出庫的前提下，將工商銀行經驗風控規則、流水信息等與移動運營商數據標簽相融合，打造出一套持續動態自適應風險管控生態，豐富小微企業的信息維度，提升銀行在普惠信貸場景的風控能力和對小微企業的授信精度，實現金融服務實體經濟的“精準灌溉”。

（二）精準營銷

近幾年結合大數據、人工智能等技術描繪用戶畫像的精準營銷方式已在金融行業內廣泛開展。隱私計算技術可以以密態方式整合多機構間多維度的數據，構建更立體的用戶畫像，幫助金融機構共享各自的用戶數據進行營銷模型計算，根據建模結果制訂營銷策略，以達到資源優勢互補、開拓市場廣度和挖掘服務深度等精準營銷目的。如南京銀行上海分行綜合運用大數據人工智能、多方安全計算等技術構建差異化營銷平臺，以差異化營銷平臺為支撐，通過對行內存量客戶內外部數據的分析評估，細化推演客戶的權益偏好，縮小營銷產品匹配范圍，為不同風格類型的存量客戶提供定制化、差異化的營銷產品，提升營銷服務響應率，增強金融服務質量及用戶黏度。

（三）反洗錢

近年來，不法分子依托人工智能等高科技手段，使洗錢行為呈現出更隱蔽、成本更低的趨勢，傳統的基于規則的模式反洗錢機制已無法滿足當前監管的需求?；陔[私計算技術，打破數據壁壘，實現數據安全共享，搭建行業級數據安全融合平臺，可幫助監管部門更精準地獲取洗錢風險評級信息，實現交易時序及資金流向的全鏈路監測和分析，精準挖掘具有反洗錢嫌疑的異常資金結構和反洗錢團伙，對洗錢等犯罪行為進行有效打擊，有利于保障我國金融體系的安全穩定。

（四）供應鏈金融

通過隱私計算，在數據可用不可見前提下，將稅務、電力、其他領域數據與企業交易流水、票務數據等金融數據相融合，實現上下游企業間數據的安全聯合統計分析，為銀行對小微企業供應鏈融資中風險防控等場景的模型補充數據內容，增強小微企業信用評估的準確度，擴大銀行供應鏈金融服務半徑。如工商銀行青島分行采用多方數據學習，在確保各方數據安全隱私的前提下，將經過客戶授權的銀行內部數據（貸款信息、抵質押信息、供應鏈單據等）與海關、倉儲、物流（水運、海運、陸運以及鐵路）等三方數據進行共享與核驗，打破供應鏈融資的核驗盲區，為銀行在“互聯網+”形式下通過新型供應鏈融資平臺賦能提供系統依托。

（五）智能運營

通過聯邦學習、多方安全計算等隱私計算手段安全合規地利用第三方數據，實現對客戶群的分類、客戶特征描述、產品需求偏好分析等，形成對客戶的全維度畫像，充分發掘客戶與金融機構間的關聯行為以及需求狀況，進而為特定群體客戶、特定業務引流，提升促活效率，實現數據運營的全流程把控。如瑞萊智慧公司與多家銀行合作，利用隱私計算技術建立智能運營全流程把控平臺，為銀行各地分支機構部署隱私保護機器學習節點，實現內部以客戶為中心的信息互聯，極大提升了用戶在運營場景的效率，為銀行機構創造價值。

四、促進隱私計算在金融領域應用的思考與建議

隱私計算在金融領域有許多可落地的應用場景，但由于隱私計算技術仍在研究發展過程中，金融行業的隱私計算應用需要不斷完善進步。

（一）完善隱私計算技術標準體系

2020年11月，中國人民銀行發布的《多方安全計算金融應用技術規范》，規定了多方安全計算金融應用產品的基礎要求、安全要求、性能要求。除此之外，在其他隱私計算技術和應用標準領域還存在著大片規范空白，監管部門和金融機構在開展隱私計算應用時缺乏相關依據，容易各自發展、自成體系，不利于技術的融合發展。監管部門應在多方安全計算標準的基礎上，繼續從技術基礎、互聯互通、技術安全、性能要求等方面健全標準，明確技術的方法、性能、可靠性等問題，形成完整的隱私計算技術標準體系，制定隱私計算技術在金融領域應用的實施指南，促進隱私計算技術在金融行業的發展應用。

（二）提升隱私計算技術倫理治理水平

近年來金融科技倫理問題受到廣泛關注，有關客戶數據資料處理、客戶生物信息采集、訓練數據信息運用的基本規則較為模糊，金融服務數據化、智能化升級的背后隱藏著嚴峻的數據道德危機。金融監管部門應積極探索建立算法備案制度，增強對算法的審核管理，確保算法可追溯性和可審核性，設置歧視控制機制，防止出現針對特定群體的偏見評價和服務。同時，金融機構應建立倫理審計制度與信息披露制度，將倫理道德納入金融機構全面風險管理和內部控制流程，培養金融科技工作者倫理意識，轉變重技術、輕倫理的觀念。

（三）制定隱私計算技術檢測認證機制

權威認證能為行業樹立技術發展和應用的標尺，我國目前在金融領域缺乏權威規范的隱私計算技術認證方案和機構。在隱私計算產品和平臺的認證方面，建議金融監管部門制定隱私計算技術認證機制，建立官方認證白名單，幫助金融機構選擇合適的技術服務商，最大程度減少隱私計算技術的后顧之憂。

（四）提升隱私計算技術的應用成熟度

目前隱私計算技術在技術本身的安全和可靠性方面有待提高。其中，可信執行環境由于其中心化可信程度，導致其在硬件的安全性、依賴性、可擴展性方面飽受詬病；聯邦學習技術模型在用戶之間傳遞，存在模型梯度泄密的可能性。為此，下一步應加強密碼算法建設，支持國家密碼管理部門認證的密碼算法，免受惡意程序和特殊權限的破壞；不斷優化隱私計算算法，增加算法復雜度，大力研發易用通用的隱私計算產品。

（五）打造權威認可的應用案例

示范推廣對于新技術發展具有非常重要的意義，近年來，金融科技應用試點、金融科技賦能鄉村振興示范工程、金融數據綜合應用等金融科技試點開展得如火如荼。政府部門應借試點“東風”，篩選一批具有代表性的隱私計算示范項目，總結和宣傳使用效果和經驗教訓，為技術的大規模推廣打好堅實基礎。金融機構應搭“示范便車”，深入挖掘隱私計算技術的應用場景，加快自身數字化轉型進程。

（責任編輯? ? 劉西順；校對? ?XS，WY）