 导读
全国数商大赛是展示数据要素市场构建、数据开发应用、数实融合等方面技术和产业化应用推广的重要平台。本次世界人工智能大会浦东论坛上公布获奖名单的2023首届全国数商大赛是国内首个以数据要素为主题的全国性大赛，引领四大赛道：“数据要素市场构建”“数据赋能产业数字化跃升”“元宇宙+数据应用”“金融数据创新应用”，依托浦东良好产业基础和创新创业环境，为数商企业和数据人才提供资源共享和展示平台，为数据领域创业创新团队的优秀创意和解决方案创造新的发展空间。获奖项目展现数据要素产业的创新活力和发展潜力，是推进数据经济、数据社会、数据政府建设的重要手段。 富数科技全匿踪联邦学习是在2022年8月首次发布-《破解求交合规问题，「全匿踪联邦学习」全网始发”》；在2022年全行业第一个通过了金融行业权威测评中心BCTC的检测；同时也在中信证券进行了商业化应用，实现金融集团跨主体联合风控和全匿名的联合营销建模，是全行业第一个落地案例；并入选中国信通院2022大数据“星河”案例隐私计算标杆案例及中国证券业协会2022年重点课题研究优秀课题报告-《2022“星河”标杆 | 中信证券全匿踪隐私计算案例成功入选，全行业第一个》。 随着《个人信息保护法》和《数据安全法》的相继出台，数据使用合规性成为金融机构在数据共享和流通过程中亟需解决的问题。针对金融风控和营销场景，金融机构本身所采集的金融信贷与理财数据也需满足国家及金融行业相关的法律合规要求，并具有用户充分完整的个人信息授权。金融机构在利用自身和三方数据源开展风控营销建模的过程中，其所提供的样本集还需具有用户信贷与理财标签，方可在隐私计算平台上开展联合建模。可见，金融行业需要利用个人数据，同时对于个人数据的使用合规要求非常苛刻。为了既满足合规要求又要满足合规要求，数据消费方及源数据供应方在建模过程中均需采用隐私计算平台中的全匿踪联邦学习技术，方能确保数据使用过程的合规性，即全流程无个人信息泄露，包括个人ID。 为了能够确保金融机构智能风控和精准营销业务的顺利开展，富数科技提出一种全新的隐私计算解决方案（即全匿踪联邦学习）来确保交集内ID也不会泄露，在安全合规解决方案上取得了重大突破，也是行业内首个实现全流程匿踪保护的解决方案。 下图直观展示了全匿踪联邦学习的执行链路，P1到PN的多个参与方在进行全匿联邦学习时，第一步的匿踪对齐中，白色部分表示双方交集的密态交互，红色部分表示ID没有交集；匿名化是对密态数据做降噪和WOE等特征预处理相关操作；匿名化数据进入匿踪训练评估，可以实现逻辑回归、神经网络等算法训练，比如LR/XGB/GNN/DNN等；匿踪学习部分包含了批次数据获取、模型训练、测试集评估和参数更新等环节，均以匿名化方式实现。
依托上述数据安全流通共享全链条各方的角色分工和职责要求，在金融风控场景和营销场景，本方案利用全匿踪隐私计算技术验证数据安全合规流通和共享示范应用。 第一，非常广阔的产业化应用前景。从应用前景来看，富数科技提出的基于全匿踪隐私保护的联邦学习和隐私计算技术能够确保应用场景联合建模参与各方的样本集交集ID信息无泄露，从而满足《个人信息保护法》和《数据安全法》以及金融行业场景需求方、通信行业及电力行业等外部数据源方的法律合规要求。对于涉及到个人隐私、高价值、高数据安全的数据应用场景，需要确保相关信息无泄露的情况下，才能开展应用。这一类需求在金融业、运营商和电力等行业有广阔的需求。 第二，显著的经济效益。首先，基于全匿踪隐私计算技术的全链路安全合规解决方案，应用到金融行业， 能够基于完整的用户画像特征帮助金融机构提高金融风控与营销模型的质量，并将模型预测精确度提高30%以上，KS值和AUC等模型评估指标均有显著提升。其次，上述方案能够帮助金融机构提高智能风控与精准营销业务运营效率。 第三，深厚的社会效益。本方案所提供的全匿踪隐私计算技术不仅能够在金融风控和营销领域实现数据要素的安全合规流通和要素价值发挥，还能够针对反洗钱和反欺诈等当前国家政策重点关注的治理领域建立相应的反诈反洗钱模型体系，通过与央行数据、公安数据等政府机构数据融合，还能够帮助金融机构、政府机构和公安部门提升反诈反洗钱风控能力，避免欺诈行为对个人用户的影响，减少欺诈违规行为给全社会带来的财产和经济损失，协助国家相关机构进行反洗钱行为的违规治理，维护国家安全。 全匿踪隐私计算技术的解决方案不仅能够在金融行业（银行、保险、证券、基金、信托、期货等）得以应用，还能够帮助通信行业实现千场万景的赋能，帮助能源电力行业实现基于隐私计算的全匿。电力看经济、电力看信用、电力看民生、电力看环保、电力助应急、电力看双碳等国计民生领域的赋能，推动构建千亿规模的数据要素安全流通市场。 |
|
|
