隐私计算加持，助力数字普惠金融发展新动能

近年来，数字信息技术不断取得突破，为普惠金融发展提供了新的技术支撑。在数字技术的赋能下，我国数字普惠金融实践愈加丰富，在服务“三农”、精准脱贫、小微企业融资等方面，新服务、新产品不断涌现。值得注意的是，数字技术和普惠金融的结合，在取得一系列成绩的同时，传统风险之外的数据相关的新兴风险问题也逐步显现，由于数据源相对分散，缺乏整合共享及规范应用机制，数据壁垒、数据安全等问题仍然存在，数据来源的安全合法、数据使用的合规性、数据隐私保护等问题也亟待解决。

普惠金融的数据应用需要在合规合法、数据安全隐私得到充分保障的前提下进行。目前，在普惠金融数字化应用实践中，一方面，法律法规及金融监管日趋完善严格。另一方面，实现数据隐私保护与数据流通的关键技术—隐私计算技术日臻成熟，在金融领域的实际应用中起着越来越重要的作用，可以解决普惠金融场景中的数据安全与价值共享难题。那么，基于隐私计算技术的数字普惠金融，会生长出怎么样的服务形态和商业模式呢？

隐私计算助力普惠金融风控升级

打造“场景+数据”的风控闭环

在人工智能、大数据、云计算等金融科技手段的加持下，数字普惠金融的发展逐步下沉，服务半径得到延伸。很多金融机构及地方政府建立了普惠金融服务平台，对接不同的金融机构、互联网平台等为民众和中小微企业提供金融服务。在服务过程中，普惠金融服务平台往往需要整合多方数据，以提高风控能力，这对整个平台的数据隐私保护能力提出了更高的要求。

基于此，数牍科技提出了隐私计算解决方案，助力普惠金融服务平台打造“场景+数据”的风控闭环。基于隐私计算“数据可用不可见”的技术优势，帮助普惠金融服务平台的各参与方补齐数据信任短板，安全合规对接政府开放数据、人社平台、电力、三资平台、运营商等多方数据源，面向乡村、城镇低收入人群、中小微企业等多类服务群体，通过自主研发的“小微风控模型”，从贷前反欺诈、贷中辅助授信、贷后风险预警形成一套完整的闭环，可有效降低信息的不对称性与不透明性，提升信贷风控能力的同时也确保了各参与方数据隐私得以保护。

基于隐私计算技术的普惠金融平台

重构中小微企业信用体系

在普惠金融开展过程中，优质的中小微企业一向是商业银行及其他小贷公司争夺的对象，然而由于中小微企业信息不透明，征信信息没有主要依据，这加大了银行贷款的不确定性和风险系数。而中小微企业在转型升级过程中面临的“融资难、融资贵”问题同样突出。提升普惠金融风控能力，除帮助银行等金融机构有效规避金融风险之外，对中小微企业来说，可以重构中小微企业信用体系，帮助其更便捷地享受到普惠金融的“红利”。

数牍科技提出将中小微企业生产生活场景产生的数据作为信用要素，如电力数据，海关数据、司法数据、财税数据等第三方高质量多维数据，基于普惠金融服务平台，对外连通政务数据和银行企业贷款数据，应用联邦学习技术，在多方数据互不出库的基础上，共同建立联邦模型，完善中小企业画像，打造企业征信评级，破解信息不对称的融资痛点，为小微企业融资有效增信。

基于数牍科技隐私计算技术，可以安全合规融合多源数据，助力普惠金融对中小微企业的赋能，并且从单一的信贷服务，覆盖到中小微企业成长转型升级的全生命周期，提高普惠金融服务效率，深化数字普惠金融的服务方式。

数牍普惠金融全场景+数据+隐私

保护的全生命周期解决方案

总体而言，搭建基于隐私计算的普惠金融服务平台，可以全面赋能金融机构、企业和个人。对金融机构而言，将金融产品放至普惠金融服务平台，平台可安全合规地对接多方数据源，丰富申贷企业和个人的数据维度。

通过引入数牍营销服务模型和风控模型，可有效提高信贷金融产品的精准匹配度，平台可以结合申贷企业或个人画像信息与金融产品的适用客群，进行精准匹配，如推荐某科技型企业给A行“科技贷”产品、推荐某近期政府项目中标企业给B行“政采贷”产品、推荐某优质养殖企业给C行“惠农贷”产品...

隐私计算中的联邦学习、匿踪查询等技术，在信贷全流程风险管理场景也有很多应用。在贷前准入环节，自动比对申请人信息真假，做准入性判断，通过匿踪查询技术调取第三方数据进行身份核验，数据源方不知道被查询人身份信息，申请人隐私得以保护；在贷中评价环节，通过联邦学习技术，融合多方数据源构建更加精准的评分或评价模型，数据始终在数据方本地，整个过程各参与方原始数据可以做到可用不可见，既提高了模型的精准度又保护了各方数据源的隐私与安全；在贷后预警监控阶段，通过风险预警模型，实时监控企业或个人风险，对出险的企业或个人及时推送其出险信号给对应的金融机构，实现普惠金融全场景+数据+隐私保护的全生命周期解决方案。