（三）瑞萊智慧

瑞萊智慧是零壹財經在調研中發(fā)現的一家具備硬核科技創(chuàng)新實力的公司，在隱私計算技術方面取得了重大的創(chuàng)新突破。

瑞萊智慧成立于2018年7月，孵化自清華大學人工智能研究院，是全球領先的安全可控人工智能基礎設施和解決方案提供商。團隊由中國科學院院士張鈸、清華大學人工智能研究院基礎理論研究中心主任朱軍共同擔任首席科學家。目前，公安部、多家股份制銀行、頭部城商行等都是瑞萊智慧的合作伙伴。

2020年12月，瑞萊智慧首次發(fā)布了隱私保護計算平臺RealSecure。

1、RealSecure技術特點

隱私保護計算平臺RealSecure是一款數據安全共享基礎設施，通過將計算移動到數據端，打通數據孤島，實現數據可用不可見，解決跨機構數據合作過程中的數據安全和隱私保護問題，驅動聯(lián)合風控、聯(lián)合營銷等金融場景業(yè)務增長。平臺主要包括安全多方計算、聯(lián)邦學習與匿蹤查詢三大功能模塊。

圖：瑞萊智慧隱私計算平臺RealSecure

RealSecure平臺具備以下優(yōu)勢：

首先，RealSecure是業(yè)內首個“活字印刷”級隱私計算平臺，搭載了瑞萊智慧自主研發(fā)的聯(lián)邦AI編譯器。一般開發(fā)過程中，大部分隱私計算的技術棧在遇到不同機器學習算法時，需堆人力逐個進行安全加密改寫，被視作一項“勞動密集型”工作。瑞萊智慧通過對人工智能和密碼學底層原理的融合突破，實現“一鍵改寫”，首創(chuàng)“底層數據流圖”實現自動編譯，集成新機器學習算法（例如SVM， Matrix－Factorization）時，無需針對每個參與方編寫對應的計算邏輯，同時支持適配上層多種機器學習算法，極大提高了易用性與可擴展性。

第二，RealSecure革命性地使用了全同態(tài)加密技術，實現性能和安全性的雙重提升。一般來說，全同態(tài)在加密和計算方面比半同態(tài)會更耗時，但瑞萊智慧利用SIMD（全稱Single Instruction Multiple Data，單指令多數據流）技術對多條數據進行同時處理，在整體上實現比半同態(tài)方案更快的效果。通過編譯器驅動高效加密算法的優(yōu)化，隱私保護下完成全流程建模，總耗時從日級別縮短到小時級別，領先業(yè)內平均水平數十倍。同時基于格密碼的加密方案能夠對抗量子攻擊，比傳統(tǒng)半同態(tài)方案具有更高的安全性。

第三，直觀可驗證的安全性。傳統(tǒng)隱私計算模式的安全性依賴于“專家驗證”，無法做到自動驗證。RealSecure則通過把聯(lián)邦算法協(xié)議抽象為中間層表示（IR），以數據流圖的形式直觀展示加密過程，底層執(zhí)行的計算公開可審計，同時深度結合密碼學證明，支持完整證明聯(lián)邦算法協(xié)議的安全性。基于此，瑞萊智慧也構建了嚴謹且可論證的“事前”“事中”“事后”安全體系，提供“協(xié)議模型及安全性假設、技術實現原理、數據抓包監(jiān)測、運算日志打印審計”全方位的安全評估驗證。

2、RealSecure應用案例

2．1橫向反欺詐建模及黑名單共享案例

（1）業(yè)務背景

銀行的風控能力一直被視為核心能力，但相較于大型銀行，中小型銀行在風控技術和經驗上一直處于劣勢。一般來說，各銀行在自身業(yè)務的開展過程都會積累沉淀黑名單，用來在前置風控環(huán)節(jié)識別并剔除不良用戶，但對中小銀行來說，因為其業(yè)務開展的時長及覆蓋的客戶有限，積累的黑名單普遍較為局限，難以用于精準高效的識別不良客戶。而且中小行積累的欺詐樣本不足，無法支撐其構建效果優(yōu)良的交易反欺詐模型，導致行方反欺詐工作開展的效果一般。

在此背景下，中小銀行迫切希望能夠獲得其他金融機構尤其是同類銀行的黑名單以及欺詐樣本數據，實現自身風控能力的提升。但隨著《數據安全法》、《個人信息保護法》等政策的相繼出臺，銀行機構之間的數據輸出與共享受到限制。

（2）解決方案
為應對以上痛點，瑞萊智慧基于RealSecure平臺提供了“橫向反欺詐建模及黑名單共享”解決方案，幫助各家中小銀行在安全合規(guī)的前提下實現黑名單的共享、金融聯(lián)盟風控反欺詐共建。

1）橫向聯(lián)邦反欺詐

具體實施中，參與的銀行方需部署RealSecure平臺節(jié)點，實現互聯(lián)對接。項目前期以銀行A和銀行B作為試點進行方案的落地。

圖：RealSecure橫向聯(lián)邦交易反欺詐示意圖

基于RealSecure平臺，銀行A和銀行B分別準備相關反欺詐樣本數據，包括標簽和特征，上傳至隱私保護計算節(jié)點，通過橫向聯(lián)邦的方式，基于雙方銀行準備的反欺詐樣本數據進行特征對齊及建模。在雙方數據可用不可見的情況下，構建效果更優(yōu)的反欺詐模型。

2）黑名單共享

具體實施中，由某大型股份制商業(yè)銀行牽頭，與N家銀行分別各自部署RealSecure平臺節(jié)點，基于匿蹤查詢技術分別為對方提供隱私黑名單查詢服務，如下圖所示。

圖：銀行間基于匿蹤查詢技術查詢黑名單示意圖

匿蹤查詢是在發(fā)起方不暴露查詢ID的前提下，能夠獲得該ID在其他機構的信息。在黑名單共享場景中，ID為用戶三元組，待查詢的信息為是否在黑名單中，通過同態(tài)加密技術，對ID和信息進行加密，并對外提供黑名單服務。查詢方可獲得黑名單信息的密文結果，并且僅能解密查詢方發(fā)起請求的用戶ID的黑名單標簽值。

在實際業(yè)務中，銀行一要判斷一個用戶是否是黑名單用戶，首選會以用戶ID作為Key，在本地查詢該用戶是否在黑名單內，若命中，則返回。若未命中，則通過匿蹤查詢技術，向銀行一、銀行三、銀行四查詢用戶ID是否在在黑名單內，返回結果。業(yè)務流程如下圖所示：

圖：運用匿蹤查詢技術查詢黑名單業(yè)務流程圖

    （3）方案效果      

表：應用RealSecure前后銀行反欺詐效果差異

模型效果方面，在橫向聯(lián)邦反欺詐場景中，銀行A、銀行B在本地構建的模型，AUC值分別為0．71和0．72，KS值為0．31和0．32，而通過RealSecure平臺構建的模型AUC和KS分別是0．74和0．35，一定程度上為行方反欺詐業(yè)務帶來了顯著的指標提升。性能方面，銀行A和銀行B分別提供百萬級別的訓練樣本，平臺每進行一次聯(lián)邦建模的總耗時僅在分鐘級別內，接近模型本地訓練的性能。

（四）金智塔科技

在零壹財經調研接觸的案例當中，金智塔科技的隱私計算產品是屈指可數的由國家重點研發(fā)項目轉化的成果。金智塔科技由浙江大學人工智能研究所和浙江大學互聯(lián)網金融研究院聯(lián)合孵化的國家高新技術企業(yè)，是國內領先的隱私計算行業(yè)服務商，致力于大數據和隱私計算領域的技術攻堅，為金融機構、政府、大型企業(yè)提供數字化轉型解決方案，擁有三十余項專利和軟著并先后通過CMMI3、ISO9001、ISO27001、工信部隱私計算評測等資質認證。公司由斯坦福大學訪問學者、浙江大學人工智能研究所博導創(chuàng)立，核心團隊來自浙大、阿里、螞蟻、網新、同花順、挖財，具有豐富的實踐運營經驗。

1、金智塔隱私計算解決方案

“金智塔”隱私計算平臺是國家重點研發(fā)項目“大數據征信及智能評估技術（2018YFB14030003 ）落地成果。

金智塔科技作為早期得到國家重點研發(fā)項目支持，開展多源多模態(tài)數據融合與跨域聯(lián)合建模的企業(yè)，與浙大、清華、北郵、中科院、國家計算機網絡與信息安全管理中心、浙江省農信聯(lián)社等共同研發(fā)打造“大數據征信服務平臺”，平臺已匯聚包括征信、房產、發(fā)票、知識產權、移動運營商等海量權威數據合作伙伴，同時結合公司豐富的行業(yè)經驗，平臺內嵌了支持多應用場景的常用聯(lián)邦學習和多方安全計算模型，實現了數據分級分類管理、數據質量審計、模型效果審計、數據應用存證等數據安全與隱私保護全流程管理。具有節(jié)點擴展成本低、部署迭代便捷、運算效率高、算法擴展靈活等優(yōu)勢。經工信部信通院最新評測結果表明，全部指標位于行業(yè)頭部，部分指標位居第一。

目前該平臺已在金融智能風控與智能營銷、政務數據合規(guī)共享、傳統(tǒng)產業(yè)數據資產建設與數字化轉型等領域實施運營，助力數智化應用，推動數字經濟發(fā)展。

圖：金智塔隱私計算平臺框架

此外，由于學術背景深厚，金智塔科技在基礎研究方面實力較強。金智塔科技目前為2021年人民銀行杭州中心支行研究課題《金融科技倫理發(fā)展背景下的數據治理問題研究》。項目研究成果將推進央行金融數據綜合應用試點，推動金融科技倫理體系建設及數字治理高質量發(fā)展。

2、金融科技實戰(zhàn)經驗豐富

在進入隱私計算領域之前，金智塔科技在金融科技的實際應用方面積累了豐富的經驗，這也為金智塔科技的隱私計算產品在金融場景中更好地落地打下了堅實的基礎。

2019年5月，金智塔科技推出“知他”一站式大數據分析建模服務平臺，運用大數據、人工智能技術，深入業(yè)務場景，實現在營銷、風控、運營等方面的智能化應用，推動金融機構數字化轉型。這是金智塔科技在為多家銀行提供建模的經營積累基礎上搭建的平臺，提供營銷和風控兩大類模型。

基于這個平臺，金智塔科技推出一些列產品，包括“知他”企業(yè)貸款、“知他”房產貸、“知他”房產貸、“知他”智能營銷、“知他”智能建模、“知他”大數據建模平臺。

3、落地成果與未來展望

金智塔隱私計算平臺經過多年技術積淀，不僅服務于金融領域，同時也在智慧政務、智慧產業(yè)等領域產出豐富落地應用效果。

金融智能領域，已將基于金智塔隱私計算的聯(lián)合智能授信推廣到數十家農商行、城商行和股份制銀行，取得了良好的社會效益和經濟效益。同時，還為多家機構開發(fā)了聯(lián)合智能營銷解決方案，受到了金融機構的歡迎。

智慧政務領域，金智塔隱私計算平臺通過與省市數據管理部門和業(yè)務管理部門合作，在政務部門內部數據共享、數據交換、數據校驗等方面提供隱私保護技術支持，同時為政務數據的社會開放提供解決方案。

智慧產業(yè)領域，金智塔隱私計算平臺依托其技術優(yōu)勢，積極賦能傳統(tǒng)產業(yè)轉型升級，近年來在零售企業(yè)智慧選址、銷售預測、智能營銷推薦等領域逐步積累經驗，助力企業(yè)數據資產建設，賦能企業(yè)數字化轉型。

（五）天冕科技

天冕科技是金融科技集團WeLab匯立集團旗下一站式金融科技服務商。在入局隱私計算的廠商當中，天冕科技是有深厚智能風控業(yè)務積累的非常典型的廠商。

金融科技集團WeLab匯立集團創(chuàng)立于2013年，運營亞洲首批持牌虛擬銀行——WeLab Bank（匯立銀行）以及提供其他純線上消費金融服務。在過去八年中，WeLab匯立集團自主研發(fā)的多維度風控系統(tǒng)WeDefend在業(yè)界已經頗有聲望。

早在2017年，天冕科技的前身、WeLab匯立集團旗下一站式金融科技服務商“天冕大數據實驗室”已經開始密切關注隱私計算的進展，并于2019年啟動研究，2020年下半年開始嘗試將隱私計算產品落地。

天冕科技的隱私計算服務有幾個顯著的特點：

第一，有硬核科技支撐。隱私計算技術的應用，技術難度較大，需要硬核科技的支持。廠商要在場景中做好服務，是對自身科技實力的考驗——因為在場景應用中，有不少復雜難題需要解決，要解決這些問題，必須將技術中的難點攻克。

天冕科技的隱私計算業(yè)務一直堅持自主研發(fā)和創(chuàng)新，目前在隱私計算方面已經積累了11項專利。

表：天冕科技隱私計算相關專利列表

資料來源：天冕科技

這些專利聚焦于解決技術應用過程中的復雜難題。這些難題主要分布在三個方向上，即如何提高產品的安全性、性能和效果。

天冕聯(lián)邦學習平臺就應用了多項業(yè)界首創(chuàng)技術，譬如支持輕量級、一鍵部署的計算框架——函數計算。具體來說，市面上現有的聯(lián)邦學習產品，其計算框架層大部分集成的都是計算引擎Spark（Apache Spark是專為大規(guī)模數據處理而設計的快速通用的計算引擎），使用Spark可為建模過程中提供高效的運算，但是部署一套Spark集群相對來說，比較耗時、耗力，且大部分情況是使用云服務器，從而導致聯(lián)邦成本比較高。WeFe平臺另辟蹊徑首創(chuàng)支持在為用戶提供Spark集群的基礎上，還可選擇使用函數計算，從而實現彈性計算，動態(tài)擴展資源，節(jié)省成本、提高效率。

再比如，其中一項專利是“基于聯(lián)邦學習的建模數據集推薦方法”。

聯(lián)邦學習是由多方參與進行聯(lián)合建模，在建模過程中需要聯(lián)邦成員去根據各方的數據集簡述，選擇各方都認可的數據去進行聯(lián)合建模。這種數據集簡述比較片面，只能反饋一個大概，沒有建模成功的案例參考，在雙方認可后需要反復去建模嘗試才找到自己滿意的數據集，這樣導致參與各方建模效率不高。

“基于聯(lián)邦學習的建模數據集推薦方法”，通過對用戶自身畫像和每次建模后的結果記錄以及反饋進行權重劃分，計算出一個用戶評分，根據用戶所屬領域、數據類型等條件進行評分排序，將評分較高的可用數據集推薦給需要進行聯(lián)邦建模的參與方。這樣做可以使建模各方能夠快速找到需要去建模的數據集，并且能夠快速的達到建模效果，減少建模的嘗試次數。

這種方法可以將匹配率高的數據集推給參與方進行建模，方便各參與方選擇匹配的數據集，提高建模效率。

第二，有豐富的智能風控經驗。

過去八年，WeLab匯立集團已經擁有近5000萬用戶以及超過700家企業(yè)客戶。WeLab匯立集團自主研發(fā)的大數據風控系統(tǒng)WeDefend在業(yè)界已經樹立了品牌。中國郵儲銀行的首個互聯(lián)網信貸產品“郵e貸”正是與天冕科技合作推出。

目前，在用戶側，天冕科技已經與10多家金融機構建立了合作，合作的內容主要是聯(lián)合數據提供方，在各方數據不出私域的情況下，進行聯(lián)合風控建模和聯(lián)合營銷。

下沉市場是金融機構未來拓展新客戶的關鍵，而對下沉市場風控的把握正是WeDefend的強項。

風控經驗在金融隱私計算的應用中非常關鍵。數據在金融風控領域的應用非常復雜，哪些數據和算法對提升實際業(yè)務價值最大，這些數據和算法應當如何運用，只有通過大量的實際業(yè)務運行才能掌握。同時，在實際應用中，如何從大量的數據提供商中挑選中真正優(yōu)質的供應商，也是必須用真金白銀和長時間的經驗教訓去換取的。

第三，“開包即用”，采用低學習成本、簡易的可視化操作。

早期的隱私計算產品，使用起來比較復雜，需要編寫代碼。但是天冕科技的隱私計算平臺實現了可視化操作，極大地降低了產品的使用和操作門檻，使得許多初級的算法和建模人員也能很方便地應用產品。

圖：天冕聯(lián)邦學習平臺WeFe操作界面

資料來源：天冕科技

第四，將性價比做到極致。

在讓產品好用的同時，天冕科技窮盡一切努力降低產品的價格。要將產品的性價比做到極致，是對廠商巨大的考驗，這需要隱私計算廠商將那些經過實踐檢驗最有用的產品功能做到最好，同時還要舍棄產品的很多設計，將價格降到最低。

比如，現在有隱私計算廠商開發(fā)出許多看上去非�？犰�，然而在風控實戰(zhàn)中不一定能用到的算法，因為其大幅度提高了產品的價格。天冕科技則主要輸出那些在風控實踐中被驗證過的最有效的算法。

再比如，現在要優(yōu)化隱私計算的性能，有非常多的途徑可以做到這一點。其中，用加速卡和專用芯片提升性能的成本較高，天冕科技優(yōu)先采用了成本更低的通過GPU加速的方法。

隱私計算在金融市場的推進節(jié)奏

2021年，隱私計算開始在真實商業(yè)場景中全面落地。但是，這距離隱私計算市場的全面爆發(fā)還有距離。

根據零壹智庫的調研，我們目前看到的原因有如下幾個方面：

第一，是隱私計算技術自身的原因。

首先，性能的提升需要時間。

對隱私計算的大規(guī)模商業(yè)化應用來說，隱私計算性能的提升至關重要。因為它決定著隱私計算的數據處理效率，進而決定著隱私計算進入實際應用場景的可行性。

但是，性能的提升不是一蹴而就的。一方面，性能的提升需要大量的資金投入，對許多團隊來說，需要兼顧商務落地與技術提升，即邊賺錢、邊研發(fā)，因此這將是一個根據實際需求的漸進的過程；另一方面，性能的提升也是由需求拉動的。隱私計算目前尚處于市場開拓初期，應用場景比較簡單，處理數據量還不大，未來應用越來越多，需要處理的數據規(guī)模越來越大，對算力、性能的需求會更強。

其次，隱私計算的安全性要建立標準、贏得市場信任還需要時間。對于隱私計算的安全性，目前行業(yè)內缺乏統(tǒng)一的標準。目前，市場上已經出現一些不規(guī)范的操作，這有可能使得隱私計算在贏得信任方面走一些彎路。

再次，從業(yè)務效果來說，由于數據流通市場尚未成熟，所以數據的開放程度仍然有限，導致具體業(yè)務場景中可應用的數據資源也有限，這使得應用隱私計算技術為業(yè)務帶來的提升效果目前還沒法充分體現出來。

第二，是隱私計算產品價格與市場接受度的原因。

首先，目前隱私計算產品落地速度緩慢。雖然今年隱私計算平臺開始規(guī)�；�落地，但是總體來看尚處于初期，大多數廠商目前還處于一對一地為客戶提供解決方案的階段，產品還沒達到可以大批量復制的程度。

其次，因為目前大多為一對一提供解決方案，所以隱私計算產品成本較高，這使得價格一時無法降下來。價格要降下來，需要產品達到可以標準化復制的程度才可以。

再次，隱私計算產品要被市場接受，需要經歷一個市場教育的過程。零壹智庫在調研中發(fā)現，不少金融機構的風控部門目前并沒有意識到隱私計算能給業(yè)務帶來多少提升。許多機構對隱私計算產品的采購，需要考慮其能帶來的業(yè)務增量收益，要對比成本與收益。目前隱私計算的產品價格相對于收益來講，對一些業(yè)務體量不大的機構還不太劃算。因此，許多機構對是否采購隱私計算產品仍處于觀望狀態(tài)。

第三，從市場宏觀環(huán)境來看，要分析隱私計算市場的發(fā)展，首先要看數據流通市場的發(fā)展，目前數據流通市場的發(fā)展尚未成熟。

目前，隱私計算廠商的收入主要是軟件系統(tǒng)的銷售收入，這只是隱私計算市場極小的一部分。未來，隱私計算更大的收入來源于數據的流通使用。因此，數據流通市場的成熟度，對隱私計算市場的發(fā)展至關重要。

作者目錄

致謝

End．

       原文標題 : 春節(jié)特輯 |  隱私計算在金融領域應用發(fā)展報告2021