案例名稱

隱私計算安全融合政務數據賦能銀行智能風控

(資料圖)

案例簡介

智能風控流程圖

針對銀行“斷直連”之后，小微科創企業因缺乏數據支持導致風險評估難的問題，金智塔科技聯合浙商銀行應用隱私計算技術對接浙江省金融綜合服務平臺，安全合規地融合了市場監督管理局、法院、稅務、環保等55個省級政府部門的政務數據，推出隱私計算安全融合政務數據項目，助力浙商銀行提升對風險的智能精準識別能力和風險篩查能力。

創新技術/模式應用

1、創新設計基于兩階段的隱私保護CDR框架，在保護數據隱私前提下，有效緩解數據稀疏性。

跨域推薦（CDR）被廣泛研究以緩解推薦系統中普遍存在的冷啟動和數據稀疏問題。大多數現有的CDR模型都假設信息可以直接跨域傳輸，而忽略了隱私問題。為了解決這個問題，在該案例中，金智塔科技提出了一種基于兩階段的隱私保護CDR框架。該方法既可以保護數據源的隱私，又可以緩解數據稀疏性。實驗結果表明，在兩個基準數據集上，金智塔科技的方法具有普遍的有效性，該項成果發表于WWW’22（Differential Private Knowledge Transfer for Privacy-Preserving Cross-Domain Recommendation）。

2、設計新型全對稱、去中心化的節點網絡架構，增強平臺在不同業務場景的靈活性和普適性。

針對本項目中節點橫向、縱向交叉分布的特點，金智塔科技提出了一種全對稱、去中心化的節點網絡架構。在該架構中，所有節點通過專線或者互聯網組成一個mesh網絡，互聯的一組節點可以組成一個group。組中的節點可以通過某個指定的節點調度，協同進行隱私保護機器學習。實踐表明，相對于傳統的集中式架構，金智塔科技的架構對不同的場景具有很強的靈活性、普適性。該項成果見專利《基于隱私保護的去中心化業務模型訓練方法及裝置》。

3、創新性提出了一種新型聯邦學習范式，解決在多數據源數據量不均衡、分布不一致下，進行高效機器學習建模。

金智塔科技提出了一種將隨機排列和秘密分享結合的隱私保護機器學習框架。這種方法比現有的加密方法更有效，可以顯著減少計算開銷。同時，該方法相比一般的聯邦學習算法更加安全。實驗結果表明，金智塔科技的方法不僅計算速度快了5倍，而且減少了80%的網絡開銷。該項成果發表于KBS’22（Towards Secure and Practical Machine Learning via Secret Sharing and Random Permutation）。

4、創新性設計聯邦學習算法，通過壓縮、量化、知識蒸餾等方式減少通信量，成倍提升算法效率。

常見的聯邦算法大多是基于企業方提出的FedAVG范式實現。然而隨著數據的復雜度與模型參數量的提升，模型采用這類算法訓練時的數據通信量和迭代輪數都會顯著提升，聯邦學習中的算法效率成為了瓶頸。因此，我們亟需一種有效的方案以解決上述問題。該項成果見專利《基于噪音蒸餾的聯邦學習系統及方法》。

項目效果評估

應用金智塔隱私計算平臺，安全合規引入金綜平臺500萬企業樣本數據，包括300多維企業特征，如：企業法人信息、企業年報信息、風險信息等，并融合行內400多維特征的10萬企業樣本構建了企業準入模型、企業貸后預警模型，相較于以往基于本地數據建立的模型，其KS值、AUC值等指標總體提升了15%，風險預警識別率提高了21%，極大的提升了風險的智能精準識別能力和風險篩查能力。項目上線后，在降低浙商銀行經營風險的同時，化解了部分小微科創企業貸款難、貸款貴的問題，實現了融資量增、面擴、價降、提質，有力推動了普惠金融的高質量發展。

本項目響應了國家關于數字經濟、普惠金融的政策要求，通過平臺實施落地，在降低銀行風險的同時，化解了小微、科創企業的貸款難、貸款貴的問題，實現了融資量增、面擴、價降、提質，有力推動了普惠金融的高質量發展。

本項目是浙商銀行首次應用隱私計算技術融入政務數據的創新實踐，也是浙江省金融綜合服務平臺通過隱私計算技術將公共政務數據向金融機構賦能的首次應用落地，具有強烈的示范效應。

目前，金智塔科技已聯合建設銀行浙江分行、寧波銀行、臺州銀行、浙江農商聯合銀行等十幾家銀行向浙江省金融綜合服務平臺申請利用隱私計算技術安全合規接入政務數據的需求，應用于包括營銷、授信、風控在內的各種業務場景，為金融機構的數字化轉型之路賦能。

項目牽頭人

鮑力成 項目總監

項目團隊成員

陳超超、巫錫斌

關鍵詞：