金融行业隐私计算应用风险与问题研究(2023).pdfVIP

金融业隐私计算应用

风险与问题研究

目录

前言1

一、隐私计算典型金融应用案例2

(一)联合风控与营销2

(二)智能运营6

(三)反欺诈7

(四)反洗钱8

(五)匿踪查询10

(六)资产证券化11

(七)供应链金融12

(八)跨行业数据流通与融合13

二、隐私计算技术通用问题分析16

(一)隐私计算应用呈发散性发展16

(二)隐私计算的计算效率有待提高24

(三)应用部署的硬件成本和人力成本较高26

(四)国密暂不支持同态加密27

(五)参与者预期的风险28

(六)参与者面临的困境31

三、隐私计算技术金融应用风险与安全分析38

(一)金融应用合规性亟待提高38

(二)对应的政策、标准仍需完善39

(三)传统监管手段难以有效实施监管42

(四)较难验证或检测数据可用不可见43

(五)参与者安全技术与管理水平存在差异44

(六)对用户的隐私保护意识和措施有待加强45

(七)防范恶意攻击安全性仍需加强46

四、发展建议47

(一)完善相关法规与标准47

(二)开展相关评测认证49

(三)开展应用试点49

(四)建立可信媒介作为协调方49

(五)建立可信媒介作为存证方51

(六)建立数据价格与激励机制制定方51

(七)探索平台间互联互通52

参考文献58

前言

2016年发布的《隐私计算研究范畴及发展趋势》正式提

出“隐私计算”一词，并将隐私计算定义为：“面向隐私信

息全生命周期保护的计算理论和方法，是隐私信息的所有权、

管理权和使用权分离时隐私度量、隐私泄露代价、隐私保护

与隐私分析复杂性的可计算模型与公理化系统。”

隐私计算本质上是在保护数据隐私的前提下，解决数据

流通、数据应用等数据服务问题。根据目前市场上隐私计算

技术的主要相关技术，可分为三类：多方安全计算、联邦学

习和可信执行环境。

本课题基于隐私计算技术在金融行业的典型应用案例，

从监管、安全、技术、参与者等角度多方位分析隐私计算应

用的风险及所面临的困境，并针对上述问题提出有效的解决

方案，同步给出政策建议，为应用隐私计算的金融机构提供

参考和指导。

1

一、隐私计算典型金融应用案例

(一)联合风控与营销

目前行业主要有三种实现该功能的技术路线：多方安全

计算、可信执行环境和联邦学习。

1.多方安全计算

由于安全性上的优势，多方安全计算技术是金融业务联

合风控场景最为常用的技术。金融机构在进行风控模型建模

时，需要通过引入外部数据来增强风控模型效果，以便对申

请贷款的用户或小微企业进行更准确的授信判断，基于多方

安全计算的联合风控技术框架如图1所示。

图1基于多方安全计算的联合风控技术框架

2

多方安全计算训练流程如下：

步骤一：参与方（金融机构和数据提供方）将训练数据

样本上传至各自的数据存储服务。

步骤二：建模人员在多方安全计算平台通过可视化页面

构建数据融合、特征工程、模型训练、模型评估等工作流。

步骤三：工作流以任务形式下发到协调器，后者将任务

调度到对应节点的训练引擎。