每經記者｜肖世清    每經編輯｜廖丹    

作為高度數字化的行業，金融業對數據的收集使用不亞于任何行業，但隨之而來的“個人信息泄露”等問題也被監管屢屢提及到。金融機構要給用戶提供個性化、精準化的金融服務，必然會對用戶個人信息進行篩選建模。如何平衡業務創新和用戶隱私保護之間的關系，也成為銀行等金融機構面臨的一道考題。

在此背景下，聯邦學習作為一種新型技術產業在市場上嶄露頭角。星云Clustar作為國內率先開展聯邦學習等隱私計算技術應用探索的公司，已和建行、招行、微眾銀行等多家金融機構開展合作。星云Clustar CEO陳沫在接受《每日經濟新聞》記者專訪時介紹，該技術可以解決金融產業中數據跨機構互聯互通的安全性難題，降低隱私泄露風險，還可提升銀行在反洗錢上的監測效率和精準度。

那么，這項新技術當前在金融領域都有哪些應用？金融機構對技術的需求發生了何種變化？技術在實踐過程中出現哪些難點？未來能否實現大面積的推廣應用？陳沫在接每經記者采訪時也一一作答。

星云ClustarCEO陳沫 圖片來源：受訪者供圖

建立反欺詐機制是銀行風控重要環節之一

提及聯邦學習在金融領域的應用，陳沫稱，該技術可以解決金融產業中數據跨機構互聯互通的安全性難題，降低隱私泄露風險，在不泄露各方原始數據的前提下，幫助從事數字化轉型與智能化應用過程中的銀行、保險公司、互聯網金融機構等實現跨機構、跨部門的數據安全融合、聯合風控建模、聯合營銷篩選等，提升金融智能的準確性及完備性。

他以銀行業為例指出：“反洗錢一直是銀行業在風險控制時的一個重要任務。傳統做法是適用規則和模型，利用銀行自身的數據，來判斷交易是否為洗錢活動。但傳統方法效率比較低，覆蓋范圍也比較窄。而利用聯邦學習技術，銀行便能夠在銀行之間、銀行與其他機構之間進行合作，通過交換加密參數，聯合建模，解決反洗錢樣本少、數據質量低的問題，形成一個穩健、特征豐富的智能模型，通過調用聯合建立的模型，不用集合各方數據，銀行就能大大提高反洗錢能力。”

此外，陳沫表示，聯邦學習在銀行風控領域的應用很重要。他稱，銀行本質上是一門風險生意，要將高風險的客戶識別出來，風控的核心有幾項重要環節：一是建立反欺詐、黑名單機制；二是貸前做好信用審核；三是貸后觀察物流數據也特別關鍵。

當反欺詐黑名單遇到識別不了的情況時要如何解決？對此，陳沫稱：“反欺詐識別不了，可能因為用戶在A銀行有詐騙行為，在B、C銀行卻沒有。如果將幾家銀行數據進行核驗交叉對比，就可對該用戶進行精準識別。此外，不光是銀行，一些金融公司、互聯網公司都能夠進行反欺詐黑名單的補充對比，比如，在互聯網平臺擼羊毛也可以作為一個金融機構信貸黑名單的來源。”

此外，銀行對聯邦學習的另一大應用是營銷。陳沫表示：“原來的營銷跟現在的區別在于對數據的應用。比如，傳統的營銷是對潛在用戶先投放，再過風控，而通過聯邦學習可以將用戶風控前置化，進行更為精準的營銷，促進業務降本增效。”

據陳沫透露，某股份行在信貸營銷業務中，希望達到降低信貸風險的同時合理分配營銷資源的目的，為客戶提供精準信貸服務，并提高客戶的產品體驗。星云Clustar依托數據源為其搭建聯邦學習模型，并根據該算法模型為客戶評級打分，由此合理分配營銷資源，使該銀行信貸業務的當月營銷轉化率達3.5倍以上。

聯邦學習技術正處于發展的初期階段

據了解，星云Clustar目前與建設銀行、招商銀行、微眾銀行等金融機構達成合作，幫助銀行解決金融場景的數據安全及數據價值共享等問題。

陳沫表示：“金融行業其實是一個數字化程度很高的行業，大家都用網銀或者手機銀行。”

這就涉及到個人信息保護問題了，聯邦學習在這方面能發揮何種作用？對此，陳沫稱：“用戶申請金融服務時，銀行可通過聯邦學習，以‘數據可用不可見，數據不動價值動’的方式調用該用戶的多方數據，在保障用戶隱私安全的前提下，實現個性化的金融服務。”

他繼續解釋：“例如，銀行對用戶進行信用授分，傳統方式是直接使用用戶的各方數據，綜合評分，這就存在數據泄露風險，所以原來的數據通道就改成了聯邦學習，在數據源和數據使用方之間用兩個節點，數據不出域，也能獲取與傳統方式相同的效果，從技術上解決安全與合規的問題。”

提及該項技術未來的發展前景，陳沫對記者表示，目前，聯邦學習正處于發展的初期階段。未來，隨著政務、金融、醫療等產業的數字化轉型進程加速，以及大數據、人工智能等產業的突飛猛進，聯邦學習將作為一個組件嵌入到各類應用場景中，成為安全連接者，打通數據使用方和數據提供方。在此背景下，聯邦學習將不斷擴展應用邊界，創造更多價值。

畢馬威《2021隱私計算行業研究報告》顯示，未來，隱私計算受大數據融合應用和隱私保護的雙重需求驅動，國內市場規模迎來快速發展期。隨著相關技術與商業生態的發展，三年后技術服務營收有望觸達人民幣100億～200億元的空間，甚至將撬動千億級的數據平臺運營收入空間。