資料隱私之下，聯邦學習與銀行“開放”機遇｜新基建·產業科技③

作者 | 產業君

來源 | 產業科技

編者按：

多年前，在安全計算領域有個知名的小問題：兩個百萬富翁在街頭邂逅，他們都想小炫富一把，比比到底誰更有錢。但出於隱私，都不想讓大家知道自己到底有多少財富，在尊重隱私的情況下，如何知道他們誰更有錢？加密演算法此刻就派上用場了。

近年來，每次公共資料的洩露都會引起公眾極大的關注。在資訊化高度發達的當下，資料隱私安全正被日益重視。因而，作為可同時兼顧資料共享和隱私問題的技術，聯邦學習在近兩年發展迅速，並已在金融行業有諸多實踐。

與此同時， “開放銀行”已成為商業銀行轉型突破的重要方向，銀行與金融科技企業的開放合作也日益頻繁，聯邦學習正在成為雙方資料交流的重要驅動。

01  銀行“開放”：如何兼顧安全與效率

據中國人民大學金融科技研究所《開放銀行全球發展報告》，關於“開放銀行”，目前接受程度最高的是諮詢公司Gartner的定義，即是一種與商業生態系統共享資料、演算法、交易、流程和其他業務功能的平臺化商業模式。

簡而言之， 開放銀行是指一種銀行向第三方開放資料和服務的模式。在這種模式之下，銀行和其他各方能夠在共享資訊服務資源的基礎上進行協調合作，最終給客戶帶來更加高效貼合的服務體驗。

而資料安全，是開放的重要前提。

畢馬威在系列研究“開放銀行，中國銀行業發展必然路徑”中指出，法律的監管是不可缺失的。開放銀行“開放”的核心是資料，涉及隱私。

普華永道在2018年進行的一項調查顯示， 面對開放銀行這個概念時，95%的受訪者擔心自己的個人資訊將會被洩露；68%的受訪者第一印象是個人隱私將會受到一定影響。

在安永2018年的調查中，71%的受訪公司認為取得使用者授權同意是實施開放模式過程中的巨大挑戰，超過半數的公司更是將其列為“首要考慮”的問題。

因此，開放銀行的構建，需要法律和監管充分保障資料的安全性、採用可信且規範化、標準化的程式和模式。而在安全有效的資料開放機制落地之前，業務能力仍需提升，資料的生產力也在不斷釋放，如何兼顧資料開放的安全與效率，依然是銀行、消費金融等機構面臨的現實問題。

02  聯邦學習的作用與機遇

隨著雲端計算和大資料技術的不斷進步，無論是機構和個人，每天都會源源不斷地產生大量資料。並且，無論是對於機構還是個人而言，這些資料中或許包含商業機密，或許包含大量個人隱私，如果機構之間要交換學習，首先要解決隱私保護問題。

為保護資料隱私安全，在世界範圍有歐盟《通用資料保護條例》（GDPR）、美國《美國加州消費者隱私法》（CCPA）、新加坡《個人資料保護法案》、中國《資訊保安技術網路安全等級保護基本要求》等。

其中，中國也在相關法律法規中明確指出，“網路運營者不得洩露、篡改、毀壞其收集的個人資訊，並且與第三方進行資料交易時需確保擬定的合同明確約定擬交易資料的範圍和資料保護義務。”

如何在不侵犯使用者資料隱私的情況下，實現資料流通與金融服務能力的提升，成為銀行實現“連線”和“開放”需要解決的首要問題。而解決大資料安全計算問題，可以有不同技術流派提供不同的解決方案，為什麼大家都不約而同發力聯邦學習？聯邦學習是否會成為未來金融行業科技合作的主流？

但實際上，聯邦學習未來會不會成為主流並不重要，重要的是要有為企業解決問題的技術能力和服務能力，並且不斷提升這些服務的能力。

的確，為炫技而炫技，本身沒有任何意義。 正因為具備解決痛點的能力，也具備釋放大資料生產力的能力，聯邦學習正在引起越來越多金融機構的共鳴。

近日，江蘇銀行就成為業內首家透過聯邦學習實現融合騰訊安全黑灰產庫的銀行，也是第一家借力騰訊業務環節，實現信用卡智慧化管理、助力信用卡盈利規模化的銀行。據悉，騰訊是國內最早倡導“聯邦學習”的企業之一，其聯邦學習技術已覆蓋PaaS級和SaaS級領域，形成產業鏈協同互補關係。

03  炫技無用，服務能力才是關鍵

從目前聯邦學習的應用案例來看，服務能力和解決問題的能力，才是各方聚焦的重點。目前， 越來越多銀行已開始在利用外部資料來源提升風控能力，網際網路聯合貸款往往是此類合作的“試金石”。

據悉，微眾銀行AI團隊也在2019年對外發布了自主研發的開源專案FATE（Federated AI Technology Enabler）作為全球首個聯邦學習開源框架，提供了一種基於資料隱私保護的分散式安全計算框架。目前，FATE已在信貸風控、客戶權益定價、監管科技等領域推動應用落地。作為一種新型人工智慧技術，目前還有螞蟻金服、富數科技、華控清交、京東數科等頭部機構入局聯邦學習應用。

根據微眾銀行釋出的《聯邦學習白皮書V2.0》披露， 透過合規的多維度聯邦資料建模，風控模型效果通常約可提升12%，消費金融類企業機構有效節約了信貸稽核成本，整體成本預計下降5%-10%，並因資料樣本量的提升和豐富，風控能力進一步增強。

而對合作方信貸機構而言，信貸風控能力也大幅度提升，透過初審篩選掉黑名單和不可能轉化貸款客戶，在“信審漏斗第一步”減去無效客戶，從而在信貸預審階段使單介面呼叫成本預計節省20%-30%，信貸稽核成本得以有效控制。

基於聯邦學習的信貸解決方案，只是金融服務的其中一個領域。更多的精細化運營，同樣可以透過聯邦學習解決。以信用卡業務為例，銀行和騰訊各自擁有的資料特徵是不一樣的，一個偏金融特徵，一個可能偏社交特徵。在保障隱私安全的情況下，聯邦學習就是打破雙方資料壁壘，實現信用卡的精細化管理和運營的方式。

再以新零售為例，涉及的資料往往包含使用者購買能力、使用者個人偏好、產品特點三部分，而這三種資料可能都分散在不同的部門或企業：如銀行擁有使用者購買能力特徵，社交網站擁有使用者個人偏好特徵，購物網站則擁有產品特點特徵。利用聯邦學習，則可在保護使用者隱私的情況下聯合建模，提升企業運營管理的同時也最佳化使用者體驗，實現多方受益。

在移動開放的時代背景下，預計今年將會有更多巨頭在聯邦學習領域有新擴充套件應用。在銀行資料開放制度尚未健全的當下，聯邦學習解決問題的能力，也將日益引起機構們的共鳴和重視。