当前位置: 热点新闻网 > 社会

金控集团数据治理攻坚隐私计算破壁价值共享

来源:东方财富    发布时间:2022-07-30 08:33   关键词:治理,计算   阅读量:18265   

在数据要素加速市场化的目标下,如何深入挖掘跨格式数据的安全流动和共享,正成为大型金控集团数字化转型的关键环节。

与单一的法人金融机构相比,金控集团所拥有的信息和数据具有金融属性多元化,数据量化的特点,这也带来了数据融合的诸多痛点如何通过联邦学习技术打破壁垒,促进银行,证券,保险,信用等多业务数据的协同共享,是当前业务面临的重要挑战之一光大科技股份有限公司副总经理向最近几天在接受《第一财经日报》记者专访时表示

根据消息显示,光大科技自2019年开始在国内金控领域启动联邦学习和应用研究目前,相关技术在光大集团的数字化转型中发挥着重要作用向家认为,从目前强监管的情况来看,传统方式的数据共享几乎不可能,隐私计算是这项业务的必经之路在政策,法律,公司治理,技术等几个影响行业发展的变量中,技术最有可能率先扮演破壁人的角色

数字控制面临数据共享的挑战。

《第一财经日报》:数据共享和整合被认为是金融数字化的关键环节与单一金融机构相比,金控集团在数据共享方面面临哪些独特的业务痛点

向家:金控集团通常拥有多种不同属性的金融牌照,如银行,证券,保险,信托,投资,资产管理等,而且金融和非金融业务也有交集

从实践来看,由于数据覆盖面广,数据量大,类型多样,关系复杂等原因,多法人组织,跨行业,跨金融业态使得金控集团面临强监管此外,金控集团对数据融合和数据共享有着强烈的需求,希望通过多个机构间数据元素的互联互通带来更多的价值

整体来看,在数据共享上,金控集团面临着不敢,不想,不会的痛点去年9月,《中华人民共和国数据安全法》正式实施,明确了建立健全数据安全管理制度,落实数据安全保护责任的要求从审慎保守的角度来看,金控集团普遍面临不敢分的问题

从数据分布来看,财务控制组内企业之间往往差异很大,往往存在数据元素分布不均衡的情况没有平台支持和公平激励,共享数据的意愿相对缺乏从技术应用来看,与数据共享相关的技术创新还处于发展初期联邦学习和多方安全计算都有很高的技术门槛,不共享对数据元素的高效流通提出了一定的挑战

以光大集团为例,其业务横跨金融和实业,版图覆盖境内外既要加强内部数据治理,又要考虑跨机构,跨法人实体的数据整合,面临上述政策法规,公司治理和技术突破的挑战在这些挑战中,技术最有可能实现率先突破,从而推动行业发展

目前,新技术家族A,B,C,D,E,F,G正在蓬勃发展在全球范围内,隐私计算已被公认为保护数据权利和个人隐私安全共享的主要技术手段通过隐私计算技术实现数据合规流动是必然的

《第一财经日报》:金融数字化过程中,数据融合非常重要,技术和机制保障非常重要光大科技在集团层面推动数据共享做了哪些顶层设计数据共享能给整个集团带来什么增量价值

肖家祥:从定位来看,光大科技承载着依靠科技创新推动光大集团敏捷,科学,生态长期战略转型的使命作为主角,如何分配其数据资源是关键在处理业务之前,我们更多的是从银行,证券,信托,保险独立的角度来看待数据共享后,从全局来看,可以实现跨机构,跨客户的服务

以光大集团为例,为充分保护个人数据隐私,集团设计了数据治理框架,数据协同方案,数据安全保护和数据信任机制在数据访问控制,数据加密存储等传统数据安全处理方案的基础上,进一步探索创新技术的应用,采用联邦学习,零知识证明等隐私计算技术,在本地保留数据的前提下完成多方联合建模,实现数据安全,增加赋能价值

从广义上看,数据共享是金控数字生态圈视野下的一个完整体系这个系统最底层是数据共享,即数据元素的共享,是中间层的隐私计算等创新技术的共享,是整个系统的核心,最顶层是数据价值的共享数据共享流通的核心目标是通过挖掘数据价值为业务持续赋能,从而大幅提升业务生产力

《第一财经日报》:金融是目前隐私计算最重要的落地场景目前,该行业的购买者和参与者大多是银行那么,不同的金融业态所面临的合规性要求和对隐私计算技术的要求是否存在差异呢

肖佳:银行业务在营销和风险控制方面涉及个人信息的流通和共享,因此对隐私保护的需求非常强烈和明确由于部分金融业态仍处于数字化过程中,监管细节和机构能力存在差异,隐私计算技术在部分业态的应用缺乏成熟条件

在银行之外,证券基金行业有很多数据共享的痛点比如,根据现行监管规定,除法律法规和中国证监会另有规定外,证券基金经营机构不得允许或者配合其他机构和个人拦截,留存客户信息,不得以任何方式向其他机构和个人提供客户信息即使是通过不可逆转换获得的加密客户信息也无法共享

隐私融合多技术路径突破

《第一财经日报》:在光大科技的实践中,隐私计算在哪些具体的业务场景下解决了数据流通的问题。

向加:从实用价值来说,合规前提下的数据共享可以实现连接,赋能,创新三大价值隐私计算等技术主要侧重于创新基于隐私计算的联合学习可以实现多个参与者的联合建模,扩展特征利用,有助于实现交叉销售,提高风险管理水平

比如在与持牌消费公司的合作中,针对消费公司希望在集团内拓展业务的场景,我们采用联邦学习的方式,在不透露客户具体信息的情况下,为他们提供客户准入和额度方面的规则和策略同时也可以得到一些抽象的客户评分,来指导他们的准入和授信

比如,面对保险行业,我们推出了团险业务的二次营销场景探索通过与业内某机构合作,以地方+联邦的形式构建双模式体系,在已购买团险医疗险的客户中筛选出最有可能二次购买重疾险的客户,挖掘出高潜力客户,提高客户粘性

此外,我们最近开发的跨域数据验证比对算法主要解决了金融机构与外部机构之间的数据安全和可靠比对问题,满足了金融机构在数据合作中对合规性和隐私保护的要求。

此外,针对证券基金行业的特殊要求,我们开展了审计场景和统计场景的探索在数据不离开证券基金经营机构的前提下,利用加密数据进行统计计算,最终增加审核环节的可追溯性其核心是在联邦学习的最后一英里之后,为商业机构提供基于区块链的不可更改的证据,以便数据提取可以留下未决的痕迹

《第一财经日报》:今年以来,隐私计算开源的呼声越来越高,一些大厂也陆续开放了自己的隐私计算框架如何解决不同开源派系之间的标准化问题如何通过开源真正促进数据的互联互通

肖佳:从2019年开始,光大科技开始专注于隐私计算,并参与了FATE开源社区,使用FATE开源框架,参与开源社区的共建,共享部分源代码,推动社区发展目前依托FATE开源框架,光大科技已经在集团内部部署了节点

开源可以降低技术门槛,实现技术通用任何技术主导的行业,当市场发展到一定程度,都需要主流机构来主导缺乏巨头行业说明部分模式不成熟,难以规模化,标准的统一和资源的集中有利于快速做大市场蛋糕

《第一财经日报》:隐私计算技术的规模化和商业化一直是业界关注的焦点,关键是隐私保护和数据流通的痛点能否直接转化为业务需求在实践中,哪些业务可以率先实现规模化,商业化有哪些约束

向加:目前,商业化确实是一个难题加密算法安全性的研究投入非常重要,政策法规确定后再加大投入也不迟目前行业需要投入更多的精力在落地场景的探索上,尽快找到一个能够产生刚性价值并实现规模化的地方

隐私计算仍处于起步阶段在实践中,并不是所有的机构都采用隐私计算技术来解决数据合规共享的业务问题受制于之前提到的不敢,不想,不会的问题,目前部分机构会采用人工或半人工的方式,主要依靠组织架构,规章制度,刚性流程来保证数据使用的合规性,但一定会牺牲一些效率从长远来看,技术仍然是解决合规障碍的唯一途径

郑重声明:此文内容为本网站转载企业宣传资讯,目的在于传播更多信息,与本站立场无关。仅供读者参考,并请自行核实相关内容。