数据已成为当今时代的重要标签。一方面，人们受益于平台算法，在日常生活中享受着便利;另一方面，多巴胺虽然满足了人们的大脑，但算法却在吞噬人们的智商，个人隐私渐成社会痛点。因此，针对数据“可用不可见”的隐私计算应时而生。
2019年的“净网行动”，首次引发金融科技领域对隐私计算的强烈需求。隐私计算技术在历经2019年的技术普及和市场教育阶段，以及随后而来的2020年大规模概念验证和试点部署阶段后，在实际商业场景中已达到基本可用。而一系列法律与政策的推出，更使得隐私计算技术成为未来商业世界的刚需。
隐私计算落地
金融风控和营销场景
近年来，金融科技领域发展迅速，金融业的基础设施建设经历了数字化、智能化升级换代，为隐私计算技术的落地打下了良好基础。
应用隐私计算技术，能够为金融机构提升效益。贵州数据宝产品研究院院长李可顺对《证券日报》记者表示，“隐私计算技术是所有多方数据交互计算场景的刚需，金融场景是其主要落地场景之一。金融风控的核心是数据，各金融机构的风控能力均需三方数据作为交叉验证或联合建模，以提升风控效果。其中大部分均涉及敏感数据，隐私计算在数据不可见、效果能保障的基础下，可以解决金融机构后续的数据需求。”
据零壹智库日前发布的《隐私计算在金融领域应用发展报告2021》(下称《报告》)显示，在金融领域，隐私计算主要应用于风控和营销两个领域。
在风控环节，隐私计算可以帮助金融机构将自身和外部数据联合起来进行分析，从而有效识别信用等级，降低多头信贷、欺诈等风险，有助于信贷及保险等金融产品的精准定价;而多方数据的共享融合，有助于提高金融机构的反洗钱甄别能力。在营销环节，通过应用隐私计算技术，可以利用更多维度的数据为客户做更精准的画像，从而提升精准营销的效果。因此，目前银行等金融机构有动力投入更多预算来应用隐私计算技术。
据《证券日报》记者了解，工商银行的联邦学习已将隐私计算技术应用于风控等多个场景。比如，引入北京金控的不动产数据，与行内贷款企业的时点贷款余额、注册资本、账户余额等数据联合建立企业贷中预警监测模型，该模型提升准召率约4%，从而提升工商银行的风险监测业务能力。工商银行还通过联邦学习与互联网公司的客户特征数据完成联合建模，将信用卡申请反欺诈模型的K-S值提升了25.1%。此外，交通银行、招商银行、平安银行等也在积极探索并落地隐私计算应用。
在企业层面，星云Clustar依托海量安全可信的数据源，为某大型股份制银行搭建了联邦学习模型，并根据该算法模型为客户评级打分，由此合理分配营销资源，使该行个人信贷业务的当月营销转化率达3.5倍以上，联邦模型AUC达0.73，极大提高营销精准率和客户转化率。
隐私计算在金融领域的应用不仅限于上述两个方面。隐私计算与区块链技术结合后，可改变更多金融场景，比如跨境支付、供应链金融等。
“数据现已成为生产要素，区块链可以有效建立数字身份体系，实现数据确权与可信共享，并建立多方监管模式下的大数据交易体系;结合隐私计算技术，可以实现数据的可用而不可见，解决数据权属不清和隐私滥用的问题。两者结合，将形成数据流通的基础设施。”中国通信工业协会区块链专委会轮值主席于佳宁对《证券日报》记者表示。
金融＋隐私计算
尚处初级运用阶段
近年来，隐私计算开始在很多真实商业场景中落地，但距离隐私计算市场全面爆发还有很远距离。要实现大规模商业化应用，隐私计算技术的性能提升至关重要，不仅决定着数据处理效率，也决定着隐私计算进入实际应用场景的可行性。
零壹研究院院长于百程对记者解释称，性能提升不会一蹴而就。一方面，性能提升需要大量资金投入。许多团队需要兼顾商务落地与技术提升，边赚钱、边研发，这是一个根据实际需求不断提升的渐进过程。另一方面，性能提升是由需求拉动的。隐私计算目前尚处于市场开拓初期，应用场景比较简单，处理数据量还不大。但未来应用越来越多，需要处理的数据规模也越来越大，对算力和性能的需求也会更强。
全联并购公会信用管理委员会专家安光勇对《证券日报》记者指出，数据保护贯穿的是整个生态链条，每个链条上都会存在泄露问题。隐私计算并不是万能的，比如对于机构的内部泄露，光靠技术是无法解决的，需要配以内部的管理、外部的监管以及相应的追责制度。
李可顺则认为，隐私计算现在面临的主要问题是，前期每个需要部署隐私计算环境的企业，均需要进行数据对齐等时间周期较长的工作，对大多数机构来说，所投入的人力物力都是无法评估后续产出的。
隐私计算产品被市场接受，也需要一个市场教育的过程。《报告》指出，不少金融机构的风控部门目前并没有意识到隐私计算的重要性。目前隐私计算的产品价格相对于收益来讲，对一些业务体量不大的金融机构还不太划算。因此，许多金融机构对是否采购隐私计算产品，仍处观望状态。(证券日报)
本报记者 李 冰
见习记者 张 博
