2020年9月，四川眉山高新區(qū)(甘眉園區(qū))公安分局破獲了該省歷史涉案金額最大、涉案人數(shù)最多的騙貸案，抓獲盤踞在四川、廣東等省的118位犯罪嫌疑人。

　　犯罪團伙通過所控制的130多家公司賬號，替他人補繳1年公積金，再以補繳公積金記錄作為信用評定的憑證，在銀行手機App申請個人信用貸款，共為6000多人(大多為邊遠地區(qū)農民)補繳公積金1.2億，詐騙多家銀行貸款超過10億元，大量貸款逾期造成全國范圍內信貸資金重大損失，影響極為惡劣。

　　這起無論是涉案金額，還是作案手段都震驚公安和金融系統(tǒng)的案件，將大數(shù)據(jù)時代的金融風控問題重新擺在了全社會面前。近些年，移動互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能等技術與金融業(yè)加速融合，推動了金融科技的勃興。金融科技在為用戶帶來更高效便捷金融服務的同時，也進一步放大金融風險，尤其是信貸欺詐風險。

　　因為欺詐行為攻擊對象不確定、犯罪主體難追蹤、外部欺詐風險涵蓋范圍廣、防范難度大，金融欺詐由此成為導致銀行業(yè)受損最嚴重的風險之一。據(jù)國外研究機構統(tǒng)計，欺詐風險每年導致全球銀行業(yè)受損金額高達近千億美元，而國內銀行每年因欺詐風險損失的金額也高達上百億元。

　　一、傳統(tǒng)信貸風控，弊端日益暴露

　　現(xiàn)階段，中國銀行業(yè)普遍使用人工審批和信用評分卡這兩種信貸風控手段。

　　人工審批是申請人提交申請資料，銀行根據(jù)一系列反欺詐規(guī)則進行初審、終審，直到最后一個審核環(huán)節(jié)通過，才最終確定是否放貸，期間，但凡有一個環(huán)節(jié)未通過審核，銀行都會拒絕放貸。

　　從對客戶的盡調到審查審批、放款、貸后走訪，人工審批模式均是由客戶經理或貸審經理通過訪談、走訪等方式完成。這種模式雖然靈活、有溫度、善于推理，但也可能受到審核人員的主觀人為因素影響。更大的缺點是人力密集、效率偏低，尤其是當面對下沉市場的小額分散信貸需求時，便會感到心有余力不足。

　　隨著信息技術的發(fā)展和數(shù)據(jù)量的豐富，人工審核模式的問題越來越多地暴露出來，銀行業(yè)開始引入智能信貸風控技術。其中，國內銀行普遍使用的智能信貸風控技術是信用評分卡模型。

　　信用評分卡，指的是銀行利用歷史數(shù)據(jù)和統(tǒng)計技術，通過數(shù)據(jù)算法建模，再借助模型來分析各種風險要素對違約率的影響程度，最終形成一個得分，根據(jù)該得分，再區(qū)分貸款申請的風險程度，發(fā)放不同的信用額度，制定相應的風控策略。

　　信用評分卡的出現(xiàn)，改變了傳統(tǒng)人工信貸審批模式人力成本高、效率偏低的局面，打開了自動化審批的大門，提高了客戶需求響應的速度，也為規(guī)模經濟優(yōu)勢的發(fā)揮奠定了基礎，因此成為當今銀行業(yè)的主流風控手段，但也存在明顯的不足。

　　問題主要出在建模方式上。

　　眾所周知，在大數(shù)據(jù)領域，數(shù)據(jù)是基礎要素，數(shù)據(jù)的量越大、維度越豐富，算法模型就越精準。但正常情況下，金融企業(yè)僅擁有用戶在本機構的、單一金融維度的數(shù)據(jù)，比如財力證明、信貸歷史申請記錄等數(shù)據(jù)，既不掌握用戶在其他銀行的數(shù)據(jù)，也不了解用戶的住址、消費能力、消費習慣等其他維度的數(shù)據(jù)，這就導致銀行僅憑自有數(shù)據(jù)，難以構建高精準度的算法模型。

　　所以，為了提升模型精準度和預測能力，降低潛在的逾期風險，銀行或者信貸機構等數(shù)據(jù)使用方會借助外部力量獲取更大量、更多維的數(shù)據(jù)，將其融合到自有數(shù)據(jù)進行聯(lián)合建模，進而評估用戶的信貸風險。獲取數(shù)據(jù)的方式，通常是購買第三方數(shù)據(jù)提供商出售的數(shù)據(jù)。

　　在聯(lián)合建模過程中，銀行把Y(目標變量，比如什么樣的客戶是好客戶，什么樣的客戶是壞客戶)給到數(shù)據(jù)商的X(數(shù)據(jù)商掌握的其他用戶數(shù)據(jù))，雙方交換數(shù)據(jù)、聯(lián)合建模，再將模型和數(shù)據(jù)部署在數(shù)據(jù)商或者第三方云服務器之上，最后從線上調用處理后的數(shù)據(jù)。

　　在整個過程中，因為銀行掌握的用戶原始數(shù)據(jù)、目標變量都離開本地，算法模型部署在數(shù)據(jù)商或者第三方云服務器之上等原因，就很容易導致數(shù)據(jù)、算法模型等泄露，給不法分子從事信貸欺詐、金融黑產留下可乘之機。

　　二、監(jiān)管趨嚴，金融風控亟待模式創(chuàng)新

　　2017年，十九大指出，決勝全面建成小康社會，必須打贏三大攻堅戰(zhàn)，其中一項重要內容是防范化解重大風險。而防范化解重大風險攻堅戰(zhàn)，重點是防控金融風險。同年，維護國家金融安全第四十次集體學習會議提出，金融安全是國家安全的重要組成部分，是關系我國經濟社會發(fā)展全局的一件帶有戰(zhàn)略性、根本性的大事。

　　在防范金融風險當中，一個重要的課題是防范金融數(shù)據(jù)泄露風險。為此，最近幾年，監(jiān)管部門連續(xù)出臺了一系列針對金融數(shù)據(jù)的監(jiān)管文件。

　　2020年2月，中國人民銀行印發(fā)《個人金融信息保護技術規(guī)范(JR/T 0171-2020)》，對個人金融信息范圍，收集使用行為，安全技術標準、機構安全崗位設置等方面做出詳細規(guī)定。同年9月，中國人民銀行又印發(fā)《金融數(shù)據(jù)安全分級指南》，特別強調金融業(yè)機構應高度重視個人金融信息相關數(shù)據(jù)，在數(shù)據(jù)安全定級過程中從高考慮。

　　除此之外，2021年，從全社會層面對數(shù)據(jù)安全進行規(guī)范監(jiān)管的《數(shù)據(jù)安全法》《個人信息保護法》，也相繼執(zhí)行。

　　伴隨著監(jiān)管迅速收緊，金融數(shù)據(jù)的使用與管理愈加嚴格，傳統(tǒng)的明文數(shù)據(jù)建模方式越來越難以適應當今時代的要求。銀行必須創(chuàng)新信貸風控模式，摒棄不合規(guī)的數(shù)據(jù)使用方式和數(shù)據(jù)提供商，安全合規(guī)地使用金融數(shù)據(jù)，開展金融風控工作。

　　但如何在數(shù)據(jù)和模型都不出域，并確保數(shù)據(jù)安全的前提下，合法合規(guī)地利用內外部數(shù)據(jù)，進行聯(lián)合建模，構建更精準的反欺詐風控模型，提升反欺詐能力，卻考驗著當前各大金融機構，尤其是大型商業(yè)銀行。

　　三、有了隱私計算，聯(lián)合建模更安全合規(guī)

　　各項前沿技術當中，隱私計算憑借著獨一無二的優(yōu)勢——在充分保護數(shù)據(jù)和隱私安全的前提下，轉化和釋放數(shù)據(jù)價值，實現(xiàn)“數(shù)據(jù)可用不可見”“數(shù)據(jù)不動價值動”——成為了在全球數(shù)據(jù)監(jiān)管日趨嚴格的當下，最受熱捧的新技術。

　　而在金融風險管理領域，隱私計算也有著不可替代的價值。以八分量推出的隱私計算平臺為例。

　　八分量隱私計算平臺，由八分量基于多方安全計算、聯(lián)邦學習、可信執(zhí)行環(huán)境與區(qū)塊鏈技術推出。相比于很多同類型的產品，八分量隱私計算平臺采取多技術路徑，并且產品全自研，因此性能過硬，場景功能更豐富，而且安全、自主、可控，因而更能滿足金融機構的數(shù)據(jù)安全合規(guī)需求。

　　在基于八分量隱私計算平臺的聯(lián)合建模模式下，銀行和數(shù)據(jù)商先在本地對數(shù)據(jù)進行加密;其次，八分量隱私計算平臺對銀行和數(shù)據(jù)商的脫敏數(shù)據(jù)進行加密調用;然后，通過不可逆的密文交互實現(xiàn)聯(lián)合建模;接下來，系統(tǒng)將算法模型部加密部署在第三方云服務器之上;最終，銀行對部署在服務器上的數(shù)據(jù)，進行加密調用。

　　在傳統(tǒng)的聯(lián)合建模模式中，從銀行與數(shù)據(jù)商交換數(shù)據(jù)，到算法模型部署在數(shù)據(jù)商或者第三方云服務器之上，到從數(shù)據(jù)商和第三方云服務器上調用處理后的數(shù)據(jù)，數(shù)據(jù)泄露風險遍布每一個數(shù)據(jù)處理環(huán)節(jié)。

　　而相比之下，基于八分量隱私計算平臺進行聯(lián)合建模，就不僅能對上述風險實現(xiàn)全流程的規(guī)避，而且具備更多傳統(tǒng)建模方式不具備的好處——

　　首先，銀行數(shù)據(jù)不出域，數(shù)據(jù)商數(shù)據(jù)也不出域，數(shù)據(jù)交互方式、算法模型、調用方式全部加密，因此原始數(shù)據(jù)X和Y、算法模型等等都不會泄露，安全合規(guī)問題有保障;

　　其次，因為安全合規(guī)，無需駐場建模，外部數(shù)據(jù)平臺能放下顧慮和戒備，消除數(shù)據(jù)壁壘，將更豐富、更多維數(shù)據(jù)開放數(shù)據(jù)商和銀行。這就使得銀行有機會使用更多來源、更多維度、更大量的數(shù)據(jù)，從而提升反欺詐模型的精準度、預測能力，優(yōu)化產品和服務的質量;

　　第三，銀行無需自己編寫代碼，簡單點擊即可實現(xiàn)加密訓練、加密分析、加密部署、加密調用，工作流程更加簡單便捷，工作效率顯著提高;

　　第四，對銀行來說，過去的駐場建模人力資源投入大，如今，基于隱私計算的聯(lián)合建模模式，無需駐場建模，因此能明顯降低數(shù)據(jù)引入、人工成本。

　　從八分量隱私平臺聯(lián)合建模方式可以看出，基于隱私計算進行聯(lián)合建模，不僅能確保全部信貸審批流程的數(shù)據(jù)安全、合規(guī)，幫助企業(yè)降本增效，也有助于各數(shù)據(jù)平臺之間打破數(shù)據(jù)孤島現(xiàn)象，讓數(shù)據(jù)要素更加順暢高效地流動起來，推動金融數(shù)據(jù)的市場化配置，助力金融風險的防范，為消費者營造一個更為安全的金融生活環(huán)境，可謂一舉多得。

　　四、隱私計算，讓銀行不良貸款率下降79%

　　也正是因為最需要給客戶“信賴感”，產品與服務的底線是保護客戶資產和隱私的絕對安全，因此，金融業(yè)成為了大多數(shù)隱私計算技術應用落地的首選領域。根據(jù)中國信通院云大所發(fā)布的《隱私計算白皮書(2021)年》，在隱私計算應用領域中，聯(lián)合風控占比排名第一，高達38%。

　　而無論是從算法模型的演練論證，還是深入具體場景的落地應用看，隱私計算對于金融風控的賦能，都是顯而易見的。

　　據(jù)中國信通院發(fā)布的《數(shù)據(jù)價值釋放與隱私保護計算應用研究報告(2021年)》，基于區(qū)塊鏈和隱私保護計算技術訓練得到的信用評分模式，無損于傳統(tǒng)方式得到的模型——其AUC(Area Under the Curve，越接近1，代表模型效果越好)提升11%，F(xiàn)1 Score提升42%，精度從62.2%提升到70.0%，召回率提升59%，大幅提升銀行的大數(shù)據(jù)風控應用能力。綜合工商、稅務、水電、司法、電信、征信機構等十余家跨行業(yè)數(shù)據(jù)源提供的上千個維度的外部數(shù)據(jù)，進行聯(lián)合建模后，商業(yè)銀行的不良貸款率從原有的1.81(%)大幅下降至0.38(%)，降幅高達79%。

　　所以，截至目前，金融機構紛紛將隱私計算技術應用于金融業(yè)務場景之中。比如中國工商銀行引入北京金控的不動產數(shù)據(jù)，與行內貸款企業(yè)的時點貸款余額、注冊資本、賬戶余額等數(shù)據(jù)聯(lián)合建立企業(yè)貸中預警監(jiān)測模型，此聯(lián)邦模型提升準召率約 4%，從而提升了工商銀行風險監(jiān)測業(yè)務能力。

　　工行還通過聯(lián)邦學習，與互聯(lián)網(wǎng)公司的客戶特征數(shù)據(jù)完成聯(lián)合建模，將信用卡申請反欺詐模型的 KS 值(一種模型風險區(qū)分能力評估指標：其值越大，模型的風險區(qū)分能力越強)提升了 25.1%。

　　此前，八分量的持續(xù)免疫系統(tǒng)和可信數(shù)據(jù)服務平臺，已先后在公安、銀行、證券、政務、工業(yè)等場景當中落地應用，服務于這些行業(yè)的數(shù)字化轉型。未來，八分量隱私計算技術也有望為更多金融機構的風險管理和提質增效，提供保駕護航。

　　五、結語

　　在2021中國互聯(lián)網(wǎng)大會數(shù)據(jù)安全論壇上，中國信通院安全所信安部主任魏薇表示，有研究機構統(tǒng)計，2020年全球數(shù)據(jù)泄露的數(shù)量，已經超過此前15年的總和。一些不法機構通過非法獲取、販賣黑產數(shù)據(jù)，從事金融欺詐等違法活動，給個人、金融企業(yè)乃至國家造成巨大的損失。

　　不過，好在技術的進步，讓困擾各方的數(shù)據(jù)安全和隱私保護問題，逐漸有了強有力的解決手段?；陔[私計算技術的聯(lián)合建模，不僅可以盡可能地堵住傳統(tǒng)風控模型中數(shù)據(jù)泄露的風險，讓金融騙子的生存空間變得越發(fā)逼仄，還能幫助金融機構提高經營質量和服務能力，給普通消費者獲得更安全的金融生活。

　　解決生活中出現(xiàn)的種種難題，幫助人類享受技術帶來的福祉，推動社會的發(fā)展，無疑正是科技創(chuàng)新的第一初衷和最佳歸屬。

（免責聲明：本網(wǎng)站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。 ）