近日，数牍科技技术副总裁何东杰受邀参加北京前沿金融监管科技研究院举办的“中泰金融科技行业研讨会”，围绕金融科技的市场趋势以及行业机遇与挑战，分享题为《促进数据流通协作，挖掘数据深层价值》主题分享。以下为精华内容整理。
随着互联网、移动互联网、物联网等的快速发展，数据量飞速增长。与此同时，企业和个人在服务过程中产生的大量数据存储在了不同的服务提供方侧，使得对于个人、企业来说，行为数据分散存储，而这些数据只有融合起来才能够完整刻画一个对象。
数据反映了个人和企业的社会属性和行为，涉及大量的敏感信息，如金融交易、健康医疗、行为轨迹等，为保护个人隐私以及保障社会稳定，需要充分保障隐私信息的安全性。
近年来，国家连续出台一系列关于数据安全和网络安全的法律法规，包括《网络安全法》、《数据安全法》和《个人信息保护法》。同时在国家“十四五”规划中强调，数据要素是数字经济深化发展的核心引擎。发挥数据价值的同时保障数据安全，面临更多的挑战与机遇。
在数据成为生产要素的大环境下，金融机构正加强数据能力建设，并积极探索在保护数据隐私的前提下，开展跨企业、跨行业的数据流通协作，实现数据“安全合规、分类施策、最小够用”以及“明文数据不出库、用法用量可管控”。何东杰认为，金融机构加强数据应用主要有三个方面的技术需求：
第一，数据能用。通过隐私保护和隐私计算相关技术实现数据的安全合规，从而实现数据对外使用产生价值。
第二，数据好用。通过数据治理，包括分类分级等技术实现对数据的资产化能力，以及实现数据的互联互通，达到数据的好用的状态。
第三，数据易用。通过智能化、自动化的手段实现对数据的高效管理、高效应用，从而推进行业进入到数据经济时代。
对内，企业要通过数据治理形成高价值的数据资产。数据资产体现了数据核心的应用价值。企业需要通过内外数据保护的技术手段，比如通过隐私计算、联邦学习等基础设施实现数据对外服务过程中的隐私安全的保障。再进一步，通过面向企业、市场的数据服务能力的输出，将高价值数据对外产生应用和价值，从而通过对内治理、对外应用，以及搭建基于隐私计算平台连接内外保护的桥梁，最终实现数据要素的流通和价值实现。
从数据生命周期来看，数据使用是其中最关键的环节。只有数据被治理好，数据才能进一步应用好。“数据治好”，包括通过一系列的数据清洗、数据质量分析、数据血缘分析、数据用量分析等手段实现对数据价值的梳理和提炼。“数据理好”包括通过分类分级、元数据管理、数据目录管理等一系列技术手段对数据的整理规范。只有“治好”和“理好”，才能梳理和形成数据面向行业提供服务的能力，打造内外部数据流通的能力体系。
数据需要流通才能形成产业闭环，这里分三个层次看待。首先，数据提供方面向金融机构和企业提供可公开数据的发布渠道，包含数据检索、查看、数据分析、数据下线及数据申请使用的能力，实现数据的基础服务层。其次在中间层，结合数据使用的规则，尤其是国内对数据用途和用量控制的制度，通过一系列的技术手段实现面向数据使用、数据信息和数据结果的可信管控能力。最上层通过隐私计算技术打通数据供需双方实现数据的协同计算。整体上通过一系列基础设施的建设，实现对数据使用、数据流通的可监管、可追溯，最终达到数据流通价值可结算的目标。
隐私计算指通过一系列技术手段，实现对数据隐私安全保护情况下的数据处理，充分保障数据交互过程中的隐私安全。具体来说，主要通过隐私求交技术实现交互多方过程中，在不泄露用户标识情况下实现用户的匹配；通过多方安全计算实现密态数据的协同计算，即数据被经过加密后仍然可以参与联合统计分析等；通过联邦学习技术实现数据在密态环境下开展复杂的数据处理，包括机器学习、深度学习等，从而支撑金融机构的复杂业务场景。更进一步，通过匿名查询技术保障查询方、查询内容和查询条件得到保护，不可被外界获取。
在落地实践中，可以看到隐私计算赋能业务效果的提升。基于隐私技术将企业内部的数据资产利用进行转化和提升，包括从数据资产积累、数据资产的价值挖掘、数据挖掘结果反哺业务等全流程数据流通闭环。同时将企业内部数据面向外部输出数据服务，实现企业内部数据资产的变现，同时也可以引入外部高价值的数据做补充，通过打通内外数据孤岛真正实现数据的安全协作，进一步提升数据赋能业务的价值。
数牍科技致力于相关的技术研发和实现，尤其是面向金融行业落地了相关应用案例。面向信贷风控领域，数牍科技提供隐私计算平台技术支撑，打通银行和运营商间的基础信息，联合运营商数据完善银行信贷风控系统，通过联邦学习技术，将银行自有数据与运营商数据联合建模，提升银行对企业、法人的信用风险监控能力。数牍科技帮助银行打通到政府部门的应用体系，联合政务数据、银行的企业数据建立联邦模型，协助政府和银行更精准地扶持中小微企业，同时提升银行面向信贷过程中贷前、贷中的管控能力，协助完善企业征信评级。
面向个人侧金融业务，数牍科技运用隐私计算技术打通过银行和运营商间的高价值数据，帮助银行开展反洗钱反欺诈的应用。在反洗钱场景中，数牍将运营商侧的数据赋能给金融机构，将电信诈骗场景等样本数据进行隐私计算联合建模，通过隐私保护集合求交、联邦学习等技术对双方用户ID进行隐私保护，为反洗钱场景模型补充了更多有效数据，极大提升银行反洗钱识别准确率。在信用卡消费反欺诈场景中，数牍基于联邦学习等隐私计算技术支持，引入运营商的部分用户个人数据，在不出库前提下和银行信用卡消费数据进行实时欺诈模型计算，极大提升发卡机构的反欺诈能力。
RECOMMEND
推荐阅读
继续阅读
阅读原文