进军超级场景：隐私计算金融风控应用报告 2021 !"#$%&' ()*+,-./0123 456578! 0 A bstract !"# ü 隐私计算在金融风控场景的最初探索开始于金融科技巨 头蚂蚁集团与微众银行。但是，真正大量进入实际应用 场景则是在 2019 年 9 月的“净网行动”之后。 ü 目前，隐私计算技术在金融风控场景的应用探索覆盖了 信贷领域的贷前、贷中、贷后的各个环节，在面向个人 的消费金融贷款和对公贷款当中都有尝试。而且，目前 的应用不仅局限于信贷领域，在反洗钱、保险和资管场 景中亦有应用前景。 ü 隐私计算厂商在金融风控领域的服务方式有四种：提供 一站式服务、提供全流程解决方案、提供数据运营解决 方案、提供纯技术服务。这四种服务方式的不同，源于 厂商背景和资源的不同。从服务方式的差异，能够更清 晰地看到隐私计算厂商在商业模式上的差异，这在很大 程度上也决定着隐私计算厂商的方向和终局。 ü 隐私计算厂商在金融风控领域的竞争力是个综合指标， 主要体现在技术、数据、对业务的理解三个方面。 ü 隐私计算技术未来将在数据来源、数据分析、数据应用 三个层面重构金融风控。 进军超级场景：隐私计算金融风控应用报告 C ontents $%# 一、隐私计算在金融风控领域的应用历程 ................................................ 3 （一）前瞻性技术布局 ................................................................ 3 （二）危机引发质变 .................................................................. 4 二、隐私计算在金融风控领域的应用现状 ................................................ 6 （一）隐私计算厂商在金融风控领域的服务方式 .......................................... 6 1、提供一站式服务 ................................................................. 6 2、提供全流程解决方案 ............................................................. 8 3、提供数据运营服务 ............................................................... 9 4、提供纯技术服务 ................................................................ 10 （二）隐私计算在金融风控场景的应用案例 ............................................. 12 1、信贷风控 ...................................................................... 12 2、反洗钱 ........................................................................ 22 3、保险风控 ...................................................................... 23 4、资管风控 ...................................................................... 25 1 进军超级场景：隐私计算金融风控应用报告 三、隐私计算厂商在金融风控领域的竞争力分析 ......................................... 27 （一）技术 ......................................................................... 27 （二）数据 ......................................................................... 28 （三）对业务的理解 ................................................................. 29 四、隐私计算将如何改变金融风控 ..................................................... 30 （一）数据来源 ..................................................................... 30 （二）数据分析 ..................................................................... 32 （三）数据应用 ..................................................................... 33 2 进军超级场景：隐私计算金融风控应用报告 &'()*+,-./01234567 !"#$%&'()*+ 在中国，金融领域对隐私计算的应用，最早是从以蚂蚁集团和微众银行为代表的 一批金融科技领域的先行者开始的。 最早是 2016 年，从蚂蚁集团开始。根据公开资料1，为了更好地应对形势的变 化，解决数据共享的需求与隐私泄露和数据滥用之间的矛盾，蚂蚁集团 2016 年提出了 希望通过技术手段，在多方参与且各数据提供方与平台方互不信任的场景下，能够聚 合多方信息进行数据分析和机器学习，并确保各参与方的隐私不被泄漏，数据不被滥 用，蚂蚁集团当时称之为“共享智能”。 欧洲议会于 2016 年 4 月通过《欧盟一般数据保护条例》，是世界范围内加强数据 安全和个人隐私保护立法的开端。蚂蚁的共享智能研究在同一年启动，可视作是对数 据合法合规利用的前瞻性技术布局。 蚂蚁集团最初在可信执行环境（TEE）和多方安全计算（MPC）两个方向进行探 索。在实践中，蚂蚁集团逐渐发现，不同技术都有各自的优势，同时在业务发展的不 同阶段用户对隐私保护的需求是不同的。把不同的技术融合到一起，发挥各自技术的 优势，往往会达到一个更为理想的效果。因此，在实际的应用中，基于用户的需求， 蚂蚁集团逐渐尝试灵活应用多种技术提升实际应用效果。 与此同时，2018 年微众银行人工智能团队也开始关注到隐私计算技术。2018 年， 在业务实践和行业观察中，微众银行人工智能团队发现训练 AI 所需要的大数据实际上 很难获得，数据的控制权分散在不同机构、不同部门，“数据孤岛”问题严重，加之 政策法规对数据隐私和数据安全的要求让数据共享和合作更加困难。 针对实际的业务痛点，他们发现联邦学习是一种行之有效的解决方案，并开始进 行研究和探索。从 2018 年到 2019 年初，微众银行发表了多篇联邦学习相关论文，对 于联邦学习的概念、分类、基本原理等基础理论进行系统性研究。同时，2018 年起， 1 《蚂蚁金服共享智能实践》 ，来源于知乎号“蚂蚁共享智能” ，https://zhuanlan.zhihu.com/p/146954520。原文首发 于期刊《中国计算机学会通讯》 （CCCF）2020 年第 5 期。 2 《对金融领域而言，联邦学习的实际价值是如何体现的？》 ，来源于 InfoQ 访谈，载于 FATE 开源社区微信公众 号，网址 https://mp.weixin.qq.com/s/Vg71N3RC3u93X7gRr6iCWQ。 3 进军超级场景：隐私计算金融风控应用报告 微众银行人工智能团队基于联邦学习理论研究进行相关开源软件研发。经过探索，微 众银行搭建起了理论研究、工具软件、技术标准、行业应用的多层级联邦学习生态框 架，并且开始有腾讯、华为、京东、平安等生态合作伙伴加入。 2019 年初，微众银行正式开源全球首个工业级联邦学习框架 FATE（Federated Learning Enabler），并开始尝试将联邦学习应用于金融业务中。FATE 的开源，使得联 邦学习的应用门槛大幅降低。2020 年初，针对金融应用中联合风控、匿踪查询等业务 需求，微众银行进一步给出了场景式隐私保护解决方案 WeDPR，并基于 WeDPR 在 2021 年 5 月发布多方大数据隐私计算平台 WeDPR-PPC。WeDPR 方案组合了多种隐私保护策 略，融合安全多方计算、同态加密、零知识证明、选择性披露等算法，满足多变业务 流程。 !,#-./012+ 2019 年 9 月，中国金融科技领域迎来一场前所未有的整顿风暴。 这场监管风暴源自 2019 年 1 月公安部组织部署全国公安机关开展的“净网 2019” 专项行动。这次专项行动的目标是，依法严厉打击侵犯公民个人信息、黑客攻击破坏 等网络违法犯罪活动。 “净网行动”始自 2011 年，是由公安部发起的网络犯罪专项打击行动。2011 年首 次“净网行动”的主要打击目标为网上涉枪涉爆违法犯罪活动。此后，随着互联网的 发展，净网行动的内容根据实际情况不断变化。 “净网 2019”专项行动开始后，很快聚焦于对“套路贷”及其生态的打击。根据 公安部 2019 年 11 月 14 日在北京召开的通报全国公安机关开展“净网 2019”专项行动 工作情况及典型案例的新闻发布会上披露的信息： 2019 年 5 月 25 日，黑龙江省七台河市接到居民报案，之后七台河市公安局成立专 案组，从本地被“套路贷”受害者和催收团伙入手，延伸打击触角、持续经营攻坚， 侦获一条集实施“套路贷”犯罪团伙、催收团伙以及帮助“套路贷”犯罪的技术服务 商、数据支撑服务商、支付服务商的完整犯罪链条。 8 月 10 日开始，上述专案组对“7·30”网络“套路贷”专案开展集中收网行动， 打掉犯罪团伙 9 个，抓获犯罪嫌疑人 80 名，查封冻结涉案资产 7 亿元，提取各类涉案 4 进军超级场景：隐私计算金融风控应用报告 数据 205T，涉及被催收人员 7 万余人。 在此过程中，公安部网络安全保卫局从这些案件线索出发，组织全国展开集群战 役。9 月 1 日以后直至 11 月间，各地网安会同刑侦部门收网打掉团伙 147 个，抓获嫌 疑人 1531 名，采取刑事强制措施 798 名，铲除了一批帮助犯罪的技术服务商、数据支