为什么需要银行隐私计算？
以大数据、人工智能、区块链为代表的数字科技勃兴的今天，各行各业都被新技术注入了新的动能。而数据隐私泄露、流量欺诈、网络欺诈等现象的存在也成为数据要素健康流通的阻碍，为互联网治理带来了严峻的挑战。尤其是《中华人民共和国数据安全法》《个人信息保护法》的颁布和实施，对企业合规合法安全地使用数据提出了更高的要求。既要充分应用数据，又要保证数据安全，如何在保障安全的前提下充分发挥数据价值，成为了当前面临的重要课题。
隐私计算可以在数据不泄露的前提下，对数据进行计算并得到结果，在创造更好的数据底层环境的同时，挖掘数据深层价值，推动传统业务转型。
金融行业对于数据安全和隐私保护高要求、严监管的现状对隐私计算在金融场景中的落地起到了极大的推动作用。金融领域尤其是银行隐私计算正是隐私计算在当下应用实践中的最前沿、最成熟的场景之一。
什么是银行隐私计算？
中国信通院云计算与大数据研究所副主任闫树对隐私计算的定义是，在保护数据本身不对外泄露的前提下实现数据分析计算的技术集合。
在信通院发布的《隐私计算白皮书（2021）》中指出，目前主流的隐私计算技术主要分为三大方向：第一类是以多方安全计算为代表的基于密码学的隐私计算技术；第二类是以联邦学习为代表的人工智能与隐私保护技术融合衍生的技术；第三类是以可信执行环境为代表的基于可信硬件的隐私计算技术。不同技术往往组合使用，在保证原始数据安全和隐私性的同时，完成对数据的计算和分析任务。
银行隐私计算技术，是指隐私计算在银行领域内的应用。
银行隐私计算应用场景
加拿大工程院及加拿大皇家科学院两院院士杨强表示，隐私计算可以将小数据聚合起来，以“数据可用不可见，数据不动价值动”的形式保障数据安全，发挥数据的价值，进一步提升金融核心业务能力。
1、银行隐私计算在营销场景的应用：传统银行如果要给客户打电话营销信贷产品，过去的办法是随机盲选，但这样操作的结果是客户转化效率并不高。隐私计算则能通过为客户画像等方式帮助银行进一步提高营销转化率。
2、银行隐私计算在反欺诈场景的应用：基于金融行为特征、消费行为特征、通信行为特征、社交行为特征等，融合银行、电商、运营商、政务等多元数据，依托隐私计算技术构建风险控制模型，实现跨行业、跨机构的反欺诈体系建设，提升银行的整体反欺诈能力。
3、银行隐私计算在信贷场景的应用：银行在面对企业尤其是小微企业信贷需求的时候，常常因为缺乏企业经营情况等有效数据而无法进行准确的风控，间接导致中小微企业融资难、融资贵问题成为长久以来的难题，而审批贷款需要调用不同的数据接口，也同样使得银行面临信审成本昂贵的问题。基于银行隐私计算技术，可以在确保数据安全以及隐私保护的情况下，汇集企业更加多源的信息，丰富建模特征体系，从而提升模型和风控的有效性。
据了解2021年中国的隐私计算市场规模已到达4.9亿元，预计到2025年将达到145.1亿元。如冰鉴科技为代表的人工智能高科技公司也早早开始了隐私计算尤其是银行隐私计算的研究和布局，助力实现数据可用不可见，全面提升银行业务质效，进一步推动银行数字化转型和智能化发展。
