金融领域隐私计算主要应用于风险控制和营销两个领域

数据已经成为当今时代的重要标签一方面，人们受益于平台算法，在日常生活中享受便利，另一方面，多巴胺虽然满足了人的大脑，但算法正在吞噬人的智商，个人隐私逐渐成为社会痛点因此，针对可用和不可用数据的隐私计算应运而生

2019年的净净行动首先引发了金融科技领域对隐私计算的强烈需求经过2019年的技术普及和市场教育阶段，以及后续2020年的大规模概念验证和试点部署阶段，隐私计算技术在实际业务场景中已经基本具备伴随着一系列法律和政策的出台，私有计算技术已经成为未来商业世界的迫切需求隐私计算落地

金融风险控制和营销场景。

最近几年来，金融科技领域发展迅速，金融业基础设施建设经历了数字化，智能化升级，为私有计算技术落地奠定了良好基础。然而，数据安全，数据孤岛等问题制约了数据价值的释放。。

私有计算技术的应用可以提高金融机构的效率贵州数据宝藏产品研究院院长李克顺对《证券日报》记者表示，所有多方数据交互计算场景都刚好需要私有计算技术，金融场景是其主要落地场景之一金融风险控制的核心是数据，所有金融机构的风险控制能力都需要三方数据作为交叉验证或联合建模，以提高风险控制效果其中大部分涉及敏感数据隐私计算可以在数据不可见，结果有保障的基础上，解决金融机构的后续数据需求

零壹智库最近几天发布的《隐私计算在金融领域应用发展报告2021》显示，在金融领域，隐私计算主要应用于风险控制和营销两个领域。如何充分保证数据安全，增强数据融合能力成为一个重要问题。

在风险控制上，隐私计算可以帮助金融机构结合自身和外部数据进行分析，从而有效识别信用评级，降低长期信用，欺诈等风险，有助于信贷，保险等金融产品的精准定价，多方数据的共享整合，将有助于提升金融机构反洗钱甄别能力在营销中，通过应用隐私计算技术，可以利用更多的维度数据为客户制作更精准的画像，从而提高精准营销的效果因此，目前银行等金融机构有动力投入更多预算应用隐私计算技术

据《证券日报》记者了解，工行的联邦研究将隐私计算技术应用于风险控制等多个场景比如通过引入北京金控的房地产数据，联合时间点贷款余额，注册资本，账户余额等数据，共同建立企业在贷预警监测模型该模型将准调用率提高了4%左右，从而增强了工行的风险监控业务能力工行还通过联邦学习完成了与互联网公司客户特征数据的联合建模，提升信用卡应用反欺诈模型K—S值25.1%此外，交通银行，招商银行，平安银行也在积极探索和落地隐私计算应用

在企业层面，星云Clustar依托海量安全可靠的数据源，为一家大型股份制银行构建了联邦学习模型，并根据算法模型对客户进行分级，从而合理配置营销资源，使得该行个人信贷业务当月营销转化率达到3.5倍以上，联邦模型AUC达到0.73，大大提升了营销准确率和客户转化率。作为数字经济时代的关键要素，数据资产的重要性被提升到了前所未有的高度。

隐私计算在金融领域的应用并不局限于上述两个方面隐私和区块链技术的结合可以改变更多的金融场景，例如跨境支付和供应链金融

数据现在已经成为生产要素区块链可以有效建立数字身份系统，实现数据确认和可信共享，建立多方监管模式下的大数据交易系统，结合隐私计算技术，数据可得而不可见，解决了数据权属不清，隐私滥用等问题

最近几年来，私有计算已经开始在许多真实的商业场景中落地，但距离私有计算市场的全面爆发还有很长的路要走要实现大规模商业应用，隐私计算技术的性能提升至关重要，这不仅决定了数据处理效率，也决定了隐私计算进入实际应用场景的可行性

零一研究院院长于百成向记者解释，业绩提升不会一蹴而就一方面，业绩提升需要大量的资金投入很多团队需要关注业务落地和技术升级，边发展边赚钱，这是一个根据实际需要不断改进的渐进过程另一方面，性能提升是由需求驱动的隐私计算尚处于市场发展初期，应用场景相对简单，处理的数据量不大但是未来的应用会越来越多，需要处理的数据也会越来越大，对计算能力和性能的需求也会更强

全国M&A协会信用管理委员会专家安永光向《证券日报》记者指出，数据保护贯穿整个生态链，每一个链条都会有泄露问题隐私计算不是万能药例如，一个组织的内部披露不能单靠技术来解决，需要有内部管理，外部监督和相应的问责制度来配合

李克顺认为，现在私有计算面临的主要问题是，每个需要在前期部署私有计算环境的企业，都需要做数据对齐等长时间周期的工作对于大多数组织来说，人力和物力的投入无法评估后续的产出

隐私产品被市场接受，也需要一个市场教育的过程003010指出，目前很多金融机构的风险控制部门并没有意识到隐私计算的重要性目前对于一些业务量较小的金融机构来说，隐私计算的产品价格与收入相比并不是很划算因此，许多金融机构仍在观望是否购买私有计算产品