當前,數字化轉型發展的新時期,金融機構基于政策驅動和市場需求,紛紛借助數字化手段探索構建合規的數據共享智能體系、賦能業務發展。數據作為新型生產要素已成為國家基礎性戰略資源,但目前仍存在許多影響數據要素價值發揮的關鍵“命門”,如數據獲取困難、分析模型利用率不高、權屬界定不清、要素流轉無序、隱私保護不足等。
隨著金融業務智能化的發展,隱私計算、機器學習等技術在金融行業的廣泛應用為共享智能引擎在金融場景落地提供了基礎條件。
光大科技—共享智能決策引擎旨在實現數據、指標、規則、模型、決策流等模塊的統一管理與靈活配置,構建專業、強大、靈活的決策中臺,通過隱私計算、建模平臺和模型管理等模塊的開發和場景落地,有效攻克了數據使用中“獲取壁壘高”“模型重復建設”“管理效率低”“客戶信息易泄露”等難題,并提供用于獲客、授信、交易、零售、對公等場景整體的解決方案。
政策影響
“保護數據隱私”數據合規政策出臺
《中華人民共和國個人信息保護法》《中華人民共和國數據安全法》與《中華人民共和國網絡安全法》是我國數據合規的“三駕馬車”,三部法律的實施直接構建了我國數據合規的基本法律框架。此外,各級政府機構出臺了多項政策及發展規劃,明確提出了對數據安全合規流通的發展建議與規劃。
“三法聯動”
2021.11《中華人民共和國個人信息保護法》個人信息在數據流通過程中的安全合規性,確立了個人信息的“最小必要”原則。
2021.09《中華人民共和國數據安全法》確立數據安全與發展、數據安全制度、數據安全保護義務、政務數據安全與開放相關法律法規。
2017.06《中華人民共和國網絡安全法》個人用戶信息搜集的安全合規、網絡數據的完整性、安全性、保密性等。
金融機構數字化轉型、智能化發展
2021年3月,我國發布了《中華人民共和國國民經濟和社會發展第十四個五年規劃和2035年遠景目標綱要》,提出“數字中國”與數字化轉型路徑。2021年12月和2022年1月,兩份關于銀行數字化轉型的重量級指導文件——中國人民銀行的《金融科技發展規劃(2022—2025年)》和銀保監會的《關于銀行業保險業數字化轉型的指導意見》先后印發,指導以商業銀行為代表的各類金融機構的數字化轉型、智能化發展,金融科技逐步邁入高質量發展的新階段。
“數字化轉型”
2021.11《關于銀行業保險業數字化轉型的指導意見》對數字化轉型工作的整體框架進行了明確定義,對銀行保險機構在開展轉型工作中需重點關注的事項作了全面要求。
2021.12《金融科技發展規劃(2022-2025年)》提出在保障安全和隱私前提下推動數據有序共享與綜合應用。
2021.12《“十四五”數字經濟發展規劃》在創新數據要素開發利用機制中提到:在確保數據安全、保障用戶隱私的前提下,調動行業協會、科研院所、企業等多方參與數據價值開發。
2021.03《中華人民共和國國民經濟和社會發展第十四個五年規劃和2035年遠景目標綱要》第五篇為專門的數字化章節,介紹了數字化轉型的內涵和對數字化發展的各方面要求。
產品介紹
隱私計算
數據流通是釋放數據價值的關鍵環節,隱私計算技術為數據流通提供了解決方案。隱私計算在保障數據安全的前提下,充分釋放數據潛在價值和效益,成為數據合規可行的“技術解”。
該引擎隱私計算模塊除了包含聯邦學習建模服務,還升級了產品整體架構升級、集成了主流隱私計算平臺打造了互聯互通的生態、提升了跨域數據校驗等自研算法的性能。
建模平臺
該引擎建模平臺是集數據源管理、一鍵建模、拖拉拽建模、專家建模、系統管理于一體的全生命周期可視化建模平臺。
模型管理
該引擎模型管理平臺支持本地模型和隱私計算模型兩大類模型的管理。其包含模型管理、模型發布、模型監控等功能,可實現對本地和隱私計算模型進行統一集中的管理;完善模型工作流程,降低操作風險;幫助企業快速實現數據模型的應用與管理目標。
產品創新
平臺融合
該引擎通過對建模平臺、模型管理和隱私計算進行研發、建設、整合,實現了三大平臺之間的融合;同時,傳統機器學習與隱私計算技術相結合,實現了本地模型與聯邦模型的集成,達到補充數據源、增強模型效果的目的。
算法創新
通過業務實踐,光大科技研發了適應不同金融場景的創新算法。例如,在保證數據安全的前提下,利用自研算法可驗證秘密共享(VSS)實現跨機構聯邦統計,可聯合多個參與方計算出客戶的總資產,以挖掘潛力客戶,指導進一步業務開展。跨域數據校驗算法,可以在不泄露各方數據的前提下,有效利用數據源,實現跨域數據安全比對,實現數據的校驗目標。基于不經意傳輸(Oblivious Transfer,OT)的匿蹤查詢,能保證在數據查詢過程中數據接收方和發送方雙方的數據安全。
互聯互通
在本地建模過程中,成型的模型需要結合決策引擎共同發揮業務決策作用,該引擎可以有效支持多種決策引擎的集成與對接。其次,隨著隱私計算技術的發展,為打通因技術差異造成的壁壘,避免形成“計算孤島”,特別是作為數據流通產業的基礎建設,不同隱私計算平臺之間的互聯互通已經成為業內共識。同時,該引擎以互聯互通為目標,實現聯邦學習、多方安全計算等隱私計算技術的整合,并設計了互聯互通的標準,在已有平臺上疊加可管可控的跨平臺功能,來實現數據流通基礎設施的一種遞進式擴展,與其它平臺進行有效對接。
典型案例
該引擎現已在某大型金融控股集團、某金融機構和某政務機構等多個業務場景中得到驗證。
某大型金融控股集團數據共享
在數據治理、數據協同、數據安全和數據信任等基礎上,某大型金控集團依托聯邦學習、多方安全計算等先進技術,搭建數據共享智能體系,實現價值賦能。通過產品賦能協同營銷、聯合風控以及生態連通。
在監管要求的背景下,該客戶無法直接得到客戶資產明細進行統計。該引擎在不泄露各個機構數據信息的情況下,統計各機構的客戶總量、交叉客戶量、共同客戶量、遷徙客戶量等指標。為推動金控集團內部協同發展,加強銀行、保險、信托、證券等業務聯動,促進客戶協同營銷,通過產品隱私計算技術統計出共同客戶數、客戶遷徙數等協同類指標,同時打通金控集團的客戶資產視圖,實現內部高凈值客戶的共享,形成高凈值客戶管理能力的疊加,實現整個金控集團高凈值客戶總數增長。
某金融機構建模和管理平臺
為了更好的滿足業務發展需要,滿足監管要求,有效提升風險管理能力,某金融機構通過使用該引擎將數據智能模型進行集中統一管理,對模型開發、驗證、部署、評價、退出進行全流程管理,并提供專業支撐,避免多個引擎重復建設。
建模平臺內搭載目前金融領域機器學習主流算法和隱私計算建模服務,支持點擊式生成模型、拖拉拽流程建模、人工模型調參,自動生成高可解釋性的模型開發報告,提供易用、易讀的模型全流程功能,提高模型開發與迭代的工作效率。模型管理平臺具備“本地+聯邦”的模型管理、模型發布與生產模型監控等功能,可實現對模型服務進行統一集中管理,完善模型工作流程,降低操作風險。
某政務機構跨域數據校驗
金融智能的發展依賴于數據的準確性,通過與政務數據進行比對來了解已有數據的精確度是一種有效校驗方式。在查詢方數據與數據源方數據進行比對校驗的過程中,數據的保密性與安全性需要得到保障。該引擎通過在不泄露各方原始數據的前提下,有效利用數據源方數據,針對指定字段,為查詢方的企業客戶數據提供與數據源方對應數據的比對功能,并提供在一定閾值內的容忍度,提升金融智能的準確性及完備性,查詢方可依據各字段的數據校驗結果,掌握客戶信息的精確度。
