近年來,數(shù)據(jù)融合應用驅(qū)動著各行各業(yè)走向數(shù)字化、網(wǎng)絡化和智能化。為防止個人信息泄露和濫用風險,促進金融和網(wǎng)絡數(shù)據(jù)合理有序流動,助力數(shù)字經(jīng)濟高質(zhì)量發(fā)展,金融和通信兩大行業(yè)積極制定標準規(guī)范。人民銀行牽頭制定了《個人金融信息保護技術規(guī)范》、《金融數(shù)據(jù)安全數(shù)據(jù)安全分級指南》及《多方安全計算金融應用技術規(guī)范》等多個規(guī)范性文件。在此背景下,聯(lián)通數(shù)字科技有限公司率先推進多方安全計算、聯(lián)邦學習等新技術落地,在保護數(shù)據(jù)安全的同時實現(xiàn)多源數(shù)據(jù)跨域合作,破解了數(shù)據(jù)保護與融合應用難題,助力金融產(chǎn)業(yè)健康發(fā)展。
聯(lián)通數(shù)科于2020年便率先布局投入了隱私計算的算法研究與平臺開發(fā)?；趥鹘y(tǒng)聯(lián)合建模經(jīng)驗的積累,聚焦金融客戶,在銀行反詐、風控、營銷以及保險行業(yè)進行創(chuàng)新和探索。同時充分發(fā)揮自身數(shù)據(jù)技術優(yōu)勢,在積極向合作伙伴輸出算法技術的同時,還將海量的數(shù)據(jù)以“可用不可見”的形式融入到金融行業(yè)的C端場景中。
場景一:反欺詐提升網(wǎng)絡詐騙監(jiān)管
在對金主、窩點、平臺、資金鏈等問題的信息研判支撐和抓捕線索獲取中,公安機關同運營商和金融機構通過可信方式進行數(shù)據(jù)共享和聯(lián)合建模,綜合利用運營商數(shù)據(jù)和金融數(shù)據(jù),形成包括人機識別、窩點(貓池)識別、資金鏈溯源等一系列的信息研判和抓捕線索支撐,有效提升了電信網(wǎng)絡詐騙犯罪打防管控的精準度和時效性。
場景二:黑名單共享降低犯罪風險
圍繞電信網(wǎng)絡詐騙,公安和金融機構根據(jù)自身業(yè)務此前都已經(jīng)建立各自的黑名單。各部門和機構間合理共享黑名單,可以有效降低犯罪風險發(fā)生,形成系統(tǒng)管控和預防能力。但在實際業(yè)務中,黑名單屬于各機構私有財產(chǎn),直接明文共享會導致數(shù)據(jù)庫泄露,同時也有用戶隱私的法律風險。
現(xiàn)在,基于借密碼學、多方隱私計算、不經(jīng)意傳輸?shù)燃夹g,使得各部門在不泄露原始數(shù)據(jù)的情況下實現(xiàn)匿名查詢,有效保護了本方數(shù)據(jù)庫信息。
場景三:助力保險行業(yè)私域流量運營
在保險行業(yè),用戶數(shù)據(jù)信息是其核心資產(chǎn)。同時,對用戶的隱私保護關系到企業(yè)形象和社會責任,保險公司非常注重用戶隱私數(shù)據(jù)的安全保護。目前,保險公司基本都擁有完整的客戶管理系統(tǒng),并且建立了客戶層級分類模型。但依靠自身有限的歷史數(shù)據(jù),導致客戶分層模型精度不高,優(yōu)先級判斷效率低下。而保險公司與運營商建立的聯(lián)合客戶分層模型,有效改善了模型精度。
聯(lián)通數(shù)科隱私計算技術的應用,一方面有效保護了個人信息在使用過程中的安全;另一方面能夠?qū)?shù)據(jù)融合應用于更多場景,實現(xiàn)數(shù)據(jù)價值的最大化,助力數(shù)字經(jīng)濟與社會高質(zhì)量發(fā)展。
（免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內(nèi)容或斷開相關鏈接。 ）
