經(jīng)濟觀察網(wǎng) 胡群/文 金融AI的每一步，大數(shù)據(jù)紅利在左，數(shù)據(jù)隱私安全在右。

“金融機構(gòu)簡單將線下業(yè)務(wù)遷移到線上所帶來的紅利正逐漸消失，競爭悄然從互聯(lián)網(wǎng)時代‘流量之爭’轉(zhuǎn)變?yōu)橐詳?shù)據(jù)要素 作為差異化發(fā)展的‘數(shù)據(jù)之爭’。”11月23日，中國工商銀行金融科技研究院聯(lián)合華控清交信息科技(北京)有限公司發(fā)布的《隱私計算推動金融業(yè)數(shù)據(jù)生態(tài)建設(shè)白皮書》（以下簡稱《白皮書》）指出，數(shù)據(jù)融合趨勢日盛，安全保護呼聲漸漲。作為有效解決計算過程中數(shù)據(jù)隱私保護問題的技術(shù)手段之一，隱私計算技術(shù)受到市場廣泛青睞并蓬勃發(fā)展。隱私計算核心優(yōu)勢是分離數(shù)據(jù)所有權(quán)和使用權(quán)，開創(chuàng) “數(shù)據(jù)特定用途使用權(quán)流通”新范式。

“中國的大數(shù)據(jù)分布在一個又一個的數(shù)據(jù)孤島里，要精準(zhǔn)地為全體中國消費者打破信息不對稱，依靠某個數(shù)據(jù)孤島不行，需要整合各個數(shù)據(jù)孤島。從大數(shù)據(jù)應(yīng)用行業(yè)分布情況來看，金融、政府和通信是大數(shù)據(jù)領(lǐng)域投入最多的行業(yè)，這三個行業(yè)貢獻了2020年中國大數(shù)據(jù)市場38%的規(guī)模。”睿智科技董事長陳建稱。

釋放數(shù)據(jù)潛能

中國正邁進數(shù)字經(jīng)濟。中國信通院發(fā)布的《中國數(shù)字經(jīng)濟發(fā)展白皮書》顯示，2020年我國數(shù)字經(jīng)濟規(guī)模規(guī)模達到39.2萬億元，占GDP比重為38.6%，已成為國民經(jīng)濟的核心增長極之一。2021年，中國數(shù)字經(jīng)濟規(guī)模有望突破40萬億元。

中國金融機構(gòu)數(shù)字化轉(zhuǎn)型加快。銀保監(jiān)會數(shù)據(jù)統(tǒng)計，2020年銀行機構(gòu)信息科技資金總投入為2078億元，同比增長20%。此外，銀行科技投入占營業(yè)收入比重從2%向3%靠近，部分銀行科技投入占比甚至超過了4%。Gartner預(yù)計，2024年中國企業(yè)IT支出規(guī)模將達到2912億美元，年均增速6.04%。其中，銀行業(yè)IT投入居于各行業(yè)前列，預(yù)計到2024年將達到431億美元，年均增速5.29%。

“數(shù)據(jù)已成為金融數(shù)字化轉(zhuǎn)型的基礎(chǔ)性、戰(zhàn)略性資源。”中國人民銀行副行長范一飛發(fā)表在《金融電子化》2021年10月刊上文章顯示，從“千人千面”的創(chuàng)新產(chǎn)品設(shè)計到“一人一策”的金融服務(wù)模式，從“去蕪存菁”的業(yè)務(wù)流程優(yōu)化到“除險保安”的風(fēng)險安全防控，金融創(chuàng)新發(fā)展始終離不開數(shù)據(jù)的有力支撐。金融機構(gòu)要高度重視數(shù)據(jù)工作，充分釋放數(shù)據(jù)潛能，點燃金融數(shù)字化轉(zhuǎn)型的“數(shù)據(jù)引擎”。

然而，數(shù)據(jù)要素廣泛分布于銀行、互聯(lián)網(wǎng)公司、政府部門等眾多機構(gòu)中，它們都有隱私和安全的需求，要釋放數(shù)據(jù)潛能并不容易。

11月1日，《中華人民共和國個人信息保護法》（以下簡稱《個人信息保護法》）正式生效，與《民法典》、《網(wǎng)絡(luò)安全法》、《數(shù)據(jù)安全法》、《電子商務(wù)法》、《消費者權(quán)益保護法》等法律共同組成一張公民個人信息保護網(wǎng)。作為業(yè)務(wù)鏈路長而復(fù)雜，業(yè)務(wù)覆蓋零售、公司、金融市場、風(fēng)險管理等，沉淀了大量的復(fù)雜數(shù)據(jù)資產(chǎn)的機構(gòu)，商業(yè)銀行受到《個人信息保護法》的重要影響，而助力銀行數(shù)字化轉(zhuǎn)型的金融科技公司也格外關(guān)注法律對技術(shù)及業(yè)務(wù)的影響。

11月3日，中國人民銀行行長易綱在2021年香港金融科技周上的視頻演講中稱，中國人民銀行一直高度重視金融領(lǐng)域的個人信息保護工作，2005年以來在反洗錢、消費者權(quán)益保護和征信等領(lǐng)域陸續(xù)出臺了個人信息保護相關(guān)制度。近年來，著力治理金融活動中對個人信息的過度收集現(xiàn)象，以及不同意提供個人信息就無法獲取服務(wù)的“霸王條款”。同時，督促提供金融服務(wù)的各類機構(gòu)嚴格按照合法、正當(dāng)、最小必要原則收集、使用和保管客戶信息，規(guī)范機構(gòu)內(nèi)部為商業(yè)目的使用個人信息的行為，充分保障消費者隱私和合法權(quán)益。未來，中國人民銀行會進一步完善金融領(lǐng)域個人信息保護的法律制度，并加大對個人信息保護的監(jiān)管力度。

《白皮書》顯示，當(dāng)前，較多金融機構(gòu)或集團仍未實現(xiàn)數(shù)據(jù)集中，致使客戶數(shù)據(jù)散落于不同系統(tǒng)、業(yè)務(wù)部門或法人機構(gòu)，亟待破解生態(tài)內(nèi)外“數(shù)據(jù)孤島”問題。特別是對于交叉營銷，受數(shù)據(jù)來源限制，金融機構(gòu)無法準(zhǔn)確、全面、實時分析客戶需求及行為偏好，被迫采取“廣而告知”的傳統(tǒng)營銷方式， 讓客戶依據(jù)自身需求選擇產(chǎn)品。此類被動營銷服務(wù)模式的用戶體驗欠佳，金融產(chǎn)品營銷和服務(wù)效果有待提升。

陳建表示，打通數(shù)據(jù)孤島、通過虛擬整合數(shù)據(jù)方式實現(xiàn)對消費者信貸風(fēng)險的精準(zhǔn)評價，金融機構(gòu)可以決定是否為他們提供金融產(chǎn)品支持，從而可以有效促進金融需求和供給實現(xiàn)平衡，為金融普惠的實現(xiàn)打下了堅實的基礎(chǔ)。新一代的技術(shù)模式實現(xiàn)了大數(shù)據(jù)的生產(chǎn)力和數(shù)據(jù)隱私保護之間的隔離與融合，受到了行業(yè)的肯定。目前，比較主流的方式是將數(shù)據(jù)在不落地、不留痕、不存儲、不傳輸?shù)幕A(chǔ)上進行虛擬整合，既充分發(fā)揮數(shù)據(jù)的生產(chǎn)力，又能保護消費者隱私，充分實現(xiàn)數(shù)據(jù)的可用不可見。

隱私計算破解難題

“數(shù)據(jù)融合需求日益迫切，保障數(shù)據(jù)要素持有者權(quán)益是實 現(xiàn)數(shù)據(jù)要素有效開發(fā)利用的關(guān)鍵。然而，傳統(tǒng)隱私保護技術(shù)無法保護數(shù)據(jù)在計算過程中的隱私安全，難以保障數(shù)據(jù)要素持有者權(quán)益不受損害。”《白皮書》顯示，隱私計算技術(shù)因能在保護數(shù)據(jù)隱私同 時開發(fā)利用數(shù)據(jù)價值，備受各界廣泛關(guān)注。當(dāng)前，行業(yè)重點探索的隱私計算技術(shù)包括多方安全計算( Secure Multi-Party Computation，MPC)、聯(lián)邦學(xué)習(xí)(Federated Learning，F(xiàn)L )、可信執(zhí)行環(huán)境 (Trusted Execution Environment，TEE)等。

國外隱私計算金融應(yīng)用目前尚處于試點階段。長期以來，北美、歐洲金融監(jiān)管嚴格，金融機構(gòu)對新技術(shù)引進尤為審慎。同時，相關(guān)行業(yè)標(biāo)準(zhǔn)及監(jiān)管規(guī)則尚不明晰，導(dǎo)致隱私計算技術(shù)在當(dāng)?shù)亟鹑陬I(lǐng)域落地相對滯緩。國內(nèi)隱私計算金融應(yīng)用領(lǐng)先國際。在頂層設(shè)計推動下， 我國互聯(lián)網(wǎng)企業(yè)、科技公司及金融機構(gòu)近年來相繼研發(fā)多款 成型隱私計算產(chǎn)品，相關(guān)產(chǎn)品呈現(xiàn)平臺化發(fā)展趨勢，技術(shù)組合應(yīng)用日益明顯。國內(nèi)示范場景已包含授信風(fēng)控、產(chǎn)品營銷、 移動支付人臉識別、跨境結(jié)算、反洗錢等，其應(yīng)用范圍較國外更加廣泛、多元。

“隱私計算是把圍繞數(shù)據(jù)的AI、大數(shù)據(jù)處理和加密等幾種技術(shù)處理手段進行了綜合應(yīng)用，也讓數(shù)據(jù)生態(tài)中的數(shù)據(jù)高效、有序、合規(guī)流動成為可能，在過程中實現(xiàn)金融機構(gòu)與運營商或政府等機構(gòu)數(shù)據(jù)、場景數(shù)據(jù)、同業(yè)等各類數(shù)據(jù)源的安全流動。”藍象智聯(lián)創(chuàng)始人兼CEO徐敏稱，例如新網(wǎng)銀行和銀聯(lián)數(shù)據(jù)通過藍象多方安全技術(shù)來讓金融機構(gòu)間查詢貸款客戶的多頭信息，無論是查詢方的客戶信息、還是被查詢方的多頭信息都沒有明文出域。

“作為加密的分布式機器學(xué)習(xí)范式，聯(lián)邦學(xué)習(xí)使得各個僅擁有少量數(shù)據(jù)的參與方之間可以協(xié)同來完成一個模型的訓(xùn)練，訓(xùn)練出的模型是基于所有參與方的數(shù)據(jù)達到的效果，優(yōu)于他們各自獨立建模的結(jié)果，而參與方之間不泄露各自的原始數(shù)據(jù)。”索信達AI創(chuàng)新中心數(shù)據(jù)科學(xué)家邵俊博士稱，對于正在全力推進數(shù)字化轉(zhuǎn)型的金融業(yè)來說，數(shù)據(jù)的價值毋庸置疑。但AI技術(shù)在金融行業(yè)的應(yīng)用落地，以及在金融行業(yè)大數(shù)據(jù)分析應(yīng)用的過程中面臨著兩大挑戰(zhàn)：一方面，金融客戶擁有的數(shù)據(jù)難以聚沙成塔取長補短，數(shù)據(jù)孤島現(xiàn)象普遍存在；另一方面就是數(shù)據(jù)隱私與安全問題。而“聯(lián)邦學(xué)習(xí)”成為一種解決金融數(shù)據(jù)壁壘和隱私保護的有效之道。

邵俊舉例表示，在銀行風(fēng)控場景中，各家銀行擁有不同的客戶樣本數(shù)據(jù)，且數(shù)據(jù)量有限，如果僅僅基于自身的數(shù)據(jù)來訓(xùn)練模型，受樣本規(guī)模的限制，模型效果難以達到預(yù)期。如果能將各家數(shù)據(jù)聚合來訓(xùn)練，則可以大幅提升模型精度。然而出于機構(gòu)間的競爭以及對數(shù)據(jù)隱私的要求，銀行不可能將自身的客戶數(shù)據(jù)向任何第三方發(fā)布，直接將各家數(shù)據(jù)聚合到一起建模是行不通的。因此，聯(lián)邦學(xué)習(xí)技術(shù)應(yīng)運而生，讓金融機構(gòu)在不泄露自身原始數(shù)據(jù)的情形下，共同訓(xùn)練機器學(xué)習(xí)模型提供了可能。

雖然隱私計算正在金融機構(gòu)領(lǐng)域蓬勃發(fā)展，但主要集中在銀行業(yè)。北京金融科技產(chǎn)業(yè)聯(lián)盟、成方金融信息技術(shù)服務(wù)有限公司聯(lián)合中國農(nóng)業(yè)銀行發(fā)布的《隱私計算金融應(yīng)用調(diào)研報告》調(diào)查，共收到30家機構(gòu)的有效問卷，其中15家為金融機 構(gòu)(包括銀行、保險、證券、第三方支付機構(gòu)等)，15家從事金 融科技服務(wù)的科技公司。根據(jù)調(diào)查情況，科技公司提供的隱私技術(shù)產(chǎn)品，主要應(yīng)用于銀行業(yè)。

該報告顯示，金融機構(gòu)的隱私計算產(chǎn)品研發(fā)團隊規(guī)模以1-10人區(qū)間居多， 占比為60%，團隊規(guī)模在100人以上的占比僅為7%。而 科技公司則以51-100人規(guī)模居多，50人以上規(guī)模占比為 50%。 整體而言，科技公司的隱私計算研發(fā)團隊規(guī)模明顯超過金融機構(gòu)，表明科技公司在隱私計算相關(guān)研發(fā)人才投入上力度更大。

更為關(guān)鍵的是，科技公司在各個場景應(yīng)用程度比金融機構(gòu)要更加成熟，該報告認為，一方面是隱私計算技術(shù)新興程度高，科技公司作為技術(shù)供應(yīng)方對隱私計算技術(shù)的探索應(yīng)用相對積極。另一方面是金融機構(gòu)在安全性和合規(guī)性方面要求更為嚴格，符合行業(yè)相關(guān)要求后才推進新技術(shù)場景應(yīng)用。金融機構(gòu)比科技公司認為面臨的挑戰(zhàn)更多，但一 致認為相比于人力、運營、研發(fā)成本等，目前更多的挑戰(zhàn)來源于技術(shù)、數(shù)據(jù)、標(biāo)準(zhǔn)、規(guī)則法規(guī)等。

算力挑戰(zhàn)

“從2014年起，金融行業(yè)三個主要引擎級變革驅(qū)動力分別是計算、場景和數(shù)據(jù)。”徐敏稱。

當(dāng)前處于從前沿研究逐漸向金融生產(chǎn)系統(tǒng)落地的關(guān)鍵時期，隱私計算當(dāng)前所面臨的算力挑戰(zhàn)也尤為值得關(guān)注。運用于金融級的隱私計算，勢必會面臨跨行業(yè)、大規(guī)模、多模態(tài)的數(shù)據(jù)處理任務(wù)，最大程度擴展計算能力，解決性能和通信瓶頸是隱私計算加速落地首要任務(wù)之一。

《白皮書》顯示，多方安全計算涉及用密文轉(zhuǎn)換、密文計算、密文交換等技術(shù)環(huán)節(jié)，算力需求大、處理耗時長，近年來其計算性能雖已大幅度提升，僅達到明文計算性能的1/100-1/10。聯(lián)邦學(xué)習(xí)在采用不同方法訓(xùn)練模型、保護中間參數(shù)時，性能存在差異，目前業(yè)內(nèi)普遍采用的同態(tài)加密等密碼學(xué)方法交換參數(shù)會引起性能下降。可信執(zhí)行環(huán)境將密文在硬件環(huán)境內(nèi)解密后計算， 性能相比純密文計算更快，但遜于明文計算，性能主要受限于存儲空間的算力支持水平。差分隱私和數(shù)據(jù)脫敏技術(shù)一般由單個參與方完成數(shù)據(jù)處理，當(dāng)前性能相對最高。

“聯(lián)邦學(xué)習(xí)還有一些其他比如數(shù)據(jù)傳輸效率的問題。模型訓(xùn)練會涉及到大量的運算，各方聯(lián)合建模就會涉及到大量的數(shù)據(jù)進行交互的問題。比如像在梯度下降的時候，每一步的梯度迭代都會涉及到通信成本。因此，通信效率是聯(lián)邦學(xué)習(xí)在落地過程中會遇到的挑戰(zhàn)。此外，還有像機構(gòu)與機構(gòu)之間樣本分布不均衡的問題等等。”邵俊稱，聯(lián)邦學(xué)習(xí)的應(yīng)用落地還需要一個過程，無論從技術(shù)上還是行業(yè)生態(tài)上，都還有一些難度，需要業(yè)界不斷加碼投入，推動聯(lián)邦學(xué)習(xí)技術(shù)的進步和在產(chǎn)業(yè)生態(tài)的落地。

星云Clustar基于研發(fā)團隊在高性能算力、智能網(wǎng)絡(luò)加速等領(lǐng)域的積累，以及對隱私計算性能優(yōu)化的深入研究，推出了業(yè)界首款異構(gòu)算力加速方案，以單節(jié)點的算力優(yōu)化和多節(jié)點的通信優(yōu)化解決隱私計算的計算壓力與時延問題，實現(xiàn)50-70倍的算力提升，為隱私計算大規(guī)模落地場景賦能創(chuàng)造空間。

“星云Clustar希望成為隱私計算生態(tài)的算力提供者。我們不僅在積極與金融、政務(wù)的行業(yè)客戶進行合作，同時也會為云廠商、同行業(yè)合作伙伴開放算力服務(wù)，共同促進高性能隱私計算的產(chǎn)業(yè)落地，實現(xiàn)安全、有序、高效的數(shù)據(jù)流通。”星云Clustar方面表示，生態(tài)上，星云Clustar樂于與各界合作伙伴深度合作，以高性能算力深化隱私計算產(chǎn)品及服務(wù)易用性、可用性，進一步拓展隱私計算在聯(lián)合風(fēng)控、聯(lián)合營銷、數(shù)據(jù)要素流通、銀企融資對接等各細分領(lǐng)域的場景落地能力，共同探索數(shù)據(jù)高效連接、流通、應(yīng)用機制，構(gòu)建起面向未來的數(shù)據(jù)智能“新基建”，助力產(chǎn)業(yè)基于數(shù)據(jù)驅(qū)動的數(shù)智化轉(zhuǎn)型。