随着金融科技的快速发展，金融机构在享受数字化转型带来的便利的同时，也面临着日益严峻的数据保护挑战。如何在保障客户隐私和数据安全的前提下，实现数据的高效利用，已成为金融行业亟需解决的问题。隐私科技，作为解决这一问题的关键技术，通过隐私计算、数据加密、安全多方计算等技术手段，为金融行业提供了数据保护与利用的新思路。
在数字化转型的浪潮中，政府和公共部门正面临着如何利用数据资源提供更高效、更精准的公共服务。特别是在金融服务领域，如何通过数据要素与金融服务的深度融合，提升服务的质量和效率，成为政府和公共部门亟需解决的问题。在本文案例中，将聚焦于上海市如何通过公共数据的融合应用，助力新市民服务应用，提高金融服务的可得性和便利性。
一、金融行业、政府和公共部门数据保护痛点
金融行业拥有海量的用户数据，包括交易记录、账户信息、信用评分等敏感数据。这些数据不仅对金融机构至关重要，也极易成为黑客攻击的目标。同时，金融行业还存在一些特殊的业务场景。例如，金融行业越来越多地采用生物识别技术（如指纹、面部识别、声纹等）进行支付或身份认证，这些生物特征数据具有唯一性和不可更改性，一旦泄露或被滥用，将对用户隐私造成严重威胁；在对账过程中也会涉及大量敏感的财务信息，需要严格控制数据访问权限，并确保对账数据的访问范围最小化，同时对敏感信息进行脱敏或加密处理，以防止数据在对账过程中被泄露。
此外，风控系统在金融交易中用于识别和预防欺诈行为，但同时也涉及大量用户数据的处理。这些数据需要严格的权限管控和行为审计，确保风控数据的安全性和合规性。在使用用户数据进行风控模型训练时，也必须对数据进行去标识化处理，以保护用户隐私，防止个人敏感信息被泄露。尤其是金融机构在与其他机构进行联合风控时，需要明确各方在数据处理和保护方面的责任，确保数据在整个风控过程中的安全。
政府和公共部门在跨部门、跨地域、跨层级的数据共享中存在难题。数据管理各自为政，导致数据共享纵强横弱，部门获取地方信息容易，而地方获取部门信息困难。同时，数据共享开放的法律法规亟待完善，数据平台组网难和数据应用缺乏高效整合共享也是当前面临的挑战。
公共数据的有效治理和高效运营能够最大限度地挖掘价值红利。然而，目前公共数据治理在合规性、标准化水平、授权机制等方面存在不足，亟需构建更加完善的数据治理体系。
二、隐私科技核心应用
1、数据要素与金融服务的深度融合
金融行业的服务不仅依赖于传统的金融数据，还需要融合来自环保、工商、税务、气象、消费、医疗、社保、农业农村、水电气等多个领域的数据。这种跨行业的数据整合，能够为金融机构提供更全面的用户画像和风险评估，从而优化信贷业务管理和保险产品设计。
通过隐私科技，金融机构可以在不泄露个人信息的前提下，利用多方数据进行主体识别。这种技术手段使得金融机构能够更准确地识别客户的信用状况和风险特征，从而提高信贷审批的效率和准确性。同时，隐私科技支持金融机构间共享风控类数据，融合分析金融市场、信贷资产和风险核查等多维数据。这种数据的集成和分析能力，能够有效提升金融机构的反欺诈和反洗钱能力，增强金融抗风险能力。
此外，隐私科技还鼓励电子商务企业、现代流通企业和数字贸易龙头企业在安全合规的前提下，融合交易、物流和支付数据。这种跨境数据的流通能力，能够支撑提升供应链综合服务、跨境身份认证和全球供应链融资等能力，为国际贸易提供更为安全和高效的金融服务。
2、公共数据要素流通与保护
公共数据要素的流通是市民服务的核心。通过整合和治理多源数据，包括人口户籍、教育、人社、企业注册登记等信息，政府可以构建一个全面的数据资源库，为新市民提供更加精准和便捷的服务。这些数据不仅用于金融服务，还涉及到社会管理、城市规划等多个方面，能够极大提高政府服务的效率和质量。
此外，政府还可以通过数据服务接口的开放，支持金融机构开发创新金融产品，解决传统金融服务模式中对中小微创新企业服务不足的问题。在公共数据要素流通过程中，可以通过加强数据治理、实施数据加密、访问控制等安全措施，以及建立统一的数据开放平台，确保数据在流通过程中的安全。同时，通过隐私计算技术的应用，如联邦学习，可以实现数据的协同计算，使得数据在不出本地库的情况下，仍能为金融机构提供服务，从而在保护数据安全的同时，发挥数据要素的价值。
三、隐私科技解决方案
1、金融行业：基于联邦学习的隐私计算平台
某大型银行采用联邦学习技术，克服了数据共享的障碍，整合了多种来源的数据，如金融保险信息、位置信息和社交网络数据，共同构建模型。这一举措旨在构建一个既保护数据隐私又激励数据共享的生态系统，服务于信贷风险评估、跨机构的反洗钱和欺诈检测，以及金融产品的个性化推荐。同时，该银行还解决了内部子公司间的数据安全共享问题，促进了银行业务的数字化转型和智能化升级。
该银行的隐私计算平台具备分布式计算能力，其隐私计算引擎通过多方安全计算和联邦学习技术，支持隐私查询、数据的协同计算和可视化建模。此外，平台还提供了全面的服务，包括系统管理、用户管理、数据管理、项目管理、任务调度和日志记录等功能，构建了一个完整的系统架构。
该平台可以确保数据在不被泄露的前提下进行协同处理，实现数据的保密性和可用性。平台提供了包括联邦学习和多方安全计算等多种隐私保护功能，满足了银行内部数据挖掘、用户身份验证和监控等需求。它还确保了银行集团内部机构和子公司之间的数据安全流通，并且能够与外部合作伙伴进行数据的联合应用。
图 1 隐私计算平台系统架构
同时，为了在不直接共享敏感数据的前提下，实现数据价值的最大化，金融机构也开始探索与其他行业进行跨领域的联邦合作。以金融机构 + 运营商的合作为例，基于银行联邦学习平台，利用隐私计算技术，在安全隐私及合规的前提下，可以为银行引入通信运营商数据，共同开展在手机银行登录场景反欺诈模型的联邦学习建模和应用，为银行对风险账户提前管控提供模型依据，进一步减少银行客户的资产损失。
该银行的联邦学习系统保证了数据源和银行的数据安全存储在本地数据库中，计算过程仅在本地节点上执行，同时，所有计算过程中的加密信息仅在经过验证的节点间传递，实现了“数据可用不可见” “数据不动、模型动”。此外，平台还通过数据使用授权和精确的用量控制，确保了数据不会被未授权的第三方再次利用。
图 2 银行 – 通信联邦学习技术方案
2、政府和公共部门：新市民服务应用
在实践中，新市民服务应用的实施，体现了政府如何利用公共数据资源来提升市民的生活质量。政府通过提供新市民数据服务产品，使得金融机构能够更准确地识别和满足新市民的金融服务需求。这些服务产品不仅包括信贷风险评估，还涉及到个性化金融产品的设计和推广。通过这种方式，政府和金融机构共同为新市民提供了更加全面和贴心的服务，帮助他们更好地融入城市生活，同时也推动了城市经济的发展和社会的繁荣。
新市民群体通常包括外来务工人员、新就业大学生等，他们对金融服务的需求与本地市民有所不同。为了更好地服务这一群体，政府需要收集和处理大量个人数据，这就必须在确保数据安全和隐私的前提下进行。通过建立新市民服务应用，不仅提高了金融服务的可得性和便利性，还通过数据的合理利用，增强了对新市民群体的服务能力。例如，通过分析新市民的就业、居住和消费数据，政府能够更准确地评估他们的信用状况，从而提供更符合他们需求的金融产品和服务。
公共数据要素的流通在新市民服务应用中发挥了关键作用。政府通过整合各部门的数据资源，构建了一个跨部门的数据共享平台，使得数据能够在保护个人隐私的前提下，为新市民提供更精准的服务。这一平台不仅包括了人口基本信息、教育背景、社保缴纳等数据，还涵盖了企业的注册信息、财税信息、年报信息等，为金融机构提供了全面的客户画像。通过这些数据的融合应用，金融机构能够更好地评估新市民的信用风险，提高信贷审批的效率和准确性。
图 3 新市民服务应用概览图
新市民服务应用的实施，不仅提升了金融服务的质量和效率，还促进了政府服务的创新。政府通过新市民服务应用，能够更有效地响应新市民的需求，提供更加个性化和便捷的服务。例如，政府可以通过分析新市民的消费习惯和信用记录，为他们提供定制化的金融产品，如个人贷款、信用卡服务等。
同时，政府还能够通过数据的分析和挖掘，发现新市民群体中潜在的市场机会，促进经济发展和就业。此外，新市民服务应用还能够帮助政府更好地进行社会管理和城市规划，如通过分析新市民的居住分布和交通出行数据，优化城市基础设施建设和公共服务供给等。
四、结语
随着《个人信息保护法》等相关法律法规的实施，隐私科技产业也迎来了新的发展机遇。国内对于隐私计算技术的需求不断增长，特别是在金融、政务、医疗等数据敏感性较高的行业。隐私计算技术如多方安全计算、联邦学习、同态加密等，已经在多个行业中得到应用，以支持数据的安全共享和分析，同时保护个人隐私。
此外，政府在数据安全与算法应用方面的立法进程加快，推动了公共数据授权运营平台的建设，促进了数据要素的流通与循环，有效释放数据要素价值，增强数字经济发展效益。隐私计算作为其中的关键技术模块，将全方位助力公共数据授权运营安全有序开展，促进公共数据与社会数据融合。
来源：本文摘编自《2023-2024全球数据流通与隐私科技发展报告》，安永、赛博研究院。下载报告请在数治网微信公众号对话框发送“241120”获取链接。图片：Jason Dent， Unsplash
在此声明以上观点和内容，仅代表原作者和出处，与数治网DTZed 无关，如有出错或侵害到相关合法权益，请通过电邮与我们联系：cs@dtzed.com。
有数治Pro在手，年费￥999 起落政策、学法规、用标准、推业务、促客户、助招投不再愁，在下方扫码添加老邪企业微信即可。
欢迎先注册，登录后即可下载检索隐私计算等相关标准、白皮书及报告。更多高质量纯净资料下载，进入公众号菜单“治库”。
