李立志　陳媚

摘? ?要：隨著商業(yè)銀行對數(shù)據(jù)共享的需求不斷增加及監(jiān)管對數(shù)據(jù)安全和隱私保護的嚴格要求，隱私計算技術(shù)作為解決數(shù)據(jù)共享與安全保護這對矛盾的最佳解決方案被引入銀行業(yè)。本文介紹了隱私計算發(fā)展背景、幾大主流技術(shù)及商業(yè)銀行當前數(shù)字化風控的痛點，探討了隱私計算技術(shù)在商業(yè)銀行數(shù)字化風控的主要應用場景，并對隱私計算技術(shù)當前存在的問題及未來發(fā)展提出了意見建議。

關(guān)鍵詞：數(shù)據(jù)安全;隱私保護;風險控制

DOI：10.3969/j.issn.1003-9031.2022.06.006

中圖分類號：F830? ? ? ? ? ? ? ? 文獻標識碼：A? ? ? ?文章編號：1003-9031（2022）06-0050-07

一、背景概述

（一）數(shù)據(jù)應用前景

隨著人類社會信息化、數(shù)字化的不斷發(fā)展，海量隱私和敏感數(shù)據(jù)得以存儲和積累，與此同時數(shù)據(jù)的利用水平也在不斷提高，數(shù)據(jù)挖掘、機器學習、AI等技術(shù)得到了長足進步，數(shù)據(jù)給社會帶來的價值日益凸顯。

2020年4月，國務院發(fā)布《關(guān)于構(gòu)建更加完善的要素市場化配置體制機制的意見》，將數(shù)據(jù)與土地、勞動力、資本、技術(shù)等生產(chǎn)要素并列。2020年10月，《國民經(jīng)濟和社會發(fā)展第十四個五年規(guī)劃和2035年遠景目標綱要》，提出加快建設數(shù)字中國，打造數(shù)字經(jīng)濟新優(yōu)勢，明確數(shù)據(jù)作為核心生產(chǎn)要素的重要性。

數(shù)據(jù)作為核心生產(chǎn)要素在眾多服務、場景和行業(yè)中的應用催生了活躍的數(shù)據(jù)交易市場。據(jù)國際數(shù)據(jù)公司（IDC）《全球大數(shù)據(jù)和分析支出指南》預估，2025年全球大數(shù)據(jù)交易市場規(guī)模將達到900億美元，其中中國大數(shù)據(jù)交易市場將達到200億美元。

（二）數(shù)據(jù)安全與隱私保護

隨著數(shù)據(jù)的廣泛使用和大規(guī)模流通，一些互聯(lián)網(wǎng)平臺企業(yè)和金融科技公司產(chǎn)生了過度采集、濫用權(quán)限和違法出售數(shù)據(jù)的行為，如通過“爬蟲”工具非法爬取互聯(lián)網(wǎng)或移動終端數(shù)據(jù)。這些行為不僅嚴重侵犯了公民隱私，亦可能危及國家安全，加劇了市場和監(jiān)管對數(shù)據(jù)安全的擔憂，數(shù)據(jù)安全合規(guī)逐漸成為整個社會關(guān)注熱點。

為加強數(shù)據(jù)安全和隱私保護，國家制定了《個人信息保護法》《網(wǎng)絡安全法》及《數(shù)據(jù)安全法》等，對數(shù)據(jù)的生產(chǎn)、使用、流通、保護等流程進行嚴格規(guī)范，有效保障了以隱私計算為代表的數(shù)據(jù)安全共享技術(shù)在各行業(yè)場景的廣泛應用。

（三）隱私計算金融應用背景

隨著金融信息化的不斷發(fā)展，金融行業(yè)積累了大量高質(zhì)量的敏感數(shù)據(jù)，金融數(shù)據(jù)的安全與風險防范一直是政府關(guān)注的重中之重。2021年12月，中國人民銀行在《金融科技發(fā)展規(guī)劃（2022—2025年）》中明確提出防范數(shù)據(jù)安全風險、共建數(shù)字安全生態(tài)，并制定了金融數(shù)據(jù)安全相關(guān)標準。

商業(yè)銀行作為對數(shù)據(jù)共享和流通需求最為旺盛的金融機構(gòu)，對隱私保護和數(shù)據(jù)安全的要求也最為嚴格，這大大增加了其與外部機構(gòu)之間數(shù)據(jù)共享的技術(shù)難度和成本。為解決銀行業(yè)數(shù)據(jù)共享難的問題，隱私計算技術(shù)作為滿足安全性的前提下，打破“孤島效應”，實現(xiàn)數(shù)據(jù)資源的有效配置的最佳解決方案，被引入銀行業(yè)并在精準營銷、反洗錢、信貸風控等業(yè)務實踐中發(fā)揮了重要作用。

二、隱私計算技術(shù)介紹

隱私計算技術(shù)是指一種在全生命周期內(nèi)保護隱私信息的計算方法及理論。通俗來講，就是在不獲取數(shù)據(jù)隱私的同時，實現(xiàn)數(shù)據(jù)安全、合規(guī)的計算和流通，最大可能地發(fā)揮數(shù)據(jù)的價值。隱私計算目前主要有三大主流技術(shù)：一是基于密碼學的多方安全計算（MPC）;二是融合了人工智能與隱私保護技術(shù)的聯(lián)邦學習（FL）;三是基于可信硬件的可信執(zhí)行環(huán)境（TEE）。

（一）多方安全計算

多方安全計算（Secure Multi-Party Computation，MPC）是指在分布式網(wǎng)絡環(huán)境下，由兩個或多個互不信任參與方在沒有可信第三方存在情況下，不泄露各自私有輸入信息的情況系協(xié)同計算一個函數(shù)，各自得到預定輸出的一種隱私計算技術(shù)。

（二）聯(lián)邦學習

聯(lián)邦學習（Federated Learning，F(xiàn)L）是指一種在原始數(shù)據(jù)不出庫、僅通過加密方式進行參數(shù)交換的方式，開展多方聯(lián)合模型訓練的機器學習框架。聯(lián)邦學習允許數(shù)據(jù)保留在各自本地不出庫，極大程度解決了一些組織的數(shù)據(jù)安全顧慮，實現(xiàn)了數(shù)據(jù)“可用不可見”。

（三）可信執(zhí)行環(huán)境

可信執(zhí)行環(huán)境（Trusted Execution Envirionment，TEE）是指一種通過硬件完成隱私計算的技術(shù)?？尚艌?zhí)行環(huán)境選擇在計算機硬件平臺上構(gòu)建一個安全的區(qū)域，采用可信計算及虛擬化隔離等技術(shù)，在保護數(shù)據(jù)的機密性和完整性的前提下，將各方數(shù)據(jù)匯聚到該安全區(qū)域內(nèi)進行計算。

（四）其他隱私計算技術(shù)

一是同態(tài)加密（Homomorphic Encryption），是一種確保密文直接進行處理跟對明文進行處理后再對處理結(jié)果加密得到的結(jié)果保持一致的加密方法。二是差分隱私（Differential Privacy，DP），是一種旨在提供最大程度保證數(shù)據(jù)查詢準確性的同時最大限度減少記錄識別機會的密碼學手段。換而言之，就是在保留統(tǒng)計學特征的同時去除個體特征以保護用戶隱私。三是零知識證明（Zero-Knowledge Proof，ZKP），是一種證明者向驗證者證實自己掌握某一特定信息但不向驗證者泄露該信息的方法。四是數(shù)據(jù)脫敏（Data Masking），又稱數(shù)據(jù)去隱私或數(shù)據(jù)變形，是一種通過一定的變形方法（如失真、去標識化）將生產(chǎn)環(huán)境中敏感數(shù)據(jù)進行打亂并復制到非生產(chǎn)環(huán)境的隱私處理方法。

業(yè)界通常選擇對以上隱私計算技術(shù)進行組合使用，在高效完成數(shù)據(jù)的計算、分析和模型建設任務的同時不犧牲數(shù)據(jù)安全和個人隱私。FD9ADB7E-CC50-4DF3-9964-C016BB612834

三、商業(yè)銀行數(shù)字化風控發(fā)展現(xiàn)狀

數(shù)字化風控是通過引入大數(shù)據(jù)、人工智能技術(shù)，對傳統(tǒng)風險控制全流程進行數(shù)字化改造，全面創(chuàng)新風控手段，提升風控效能的風險管理模式。近年來，金融科技的快速發(fā)展深刻變革了商業(yè)銀行的信貸服務模式，線上化的趨勢不斷加快，在向客戶提供優(yōu)質(zhì)便捷的金融服務的同時，也給風險控制帶來了不小的挑戰(zhàn)。而數(shù)字化風控在降本增效、改善資產(chǎn)質(zhì)量、提升用戶體驗、釋放業(yè)務生產(chǎn)力等方面起到了重要作用，成為了信貸業(yè)務線上化的強力保障。

數(shù)據(jù)作為數(shù)字化風控的“血液”，在商業(yè)銀行業(yè)務中日益受到重視。從需求角度來看，商業(yè)銀行需要收集宏觀經(jīng)濟、政策、市場、同業(yè)、客戶等全方位多維度數(shù)據(jù)并進行分析，以便更好地提供金融服務并且控制風險。尤其是一些區(qū)域性銀行受限于展業(yè)區(qū)域、業(yè)務范圍、歷史原因等，自身的數(shù)據(jù)積累相當有限，主要通過基于行內(nèi)數(shù)據(jù)和人行征信數(shù)據(jù)開發(fā)的風控模型評估欺詐風險和信用風險，但這些模型在面對社區(qū)居民、三農(nóng)群體、互聯(lián)網(wǎng)流量等“長尾”客戶效果不佳，導致銀行信貸投放信心不足。在過去一段時間里，商業(yè)銀行一般采用借助合作機構(gòu)的風控能力和信用兜底的聯(lián)合貸和助貸模式，來服務上述“長尾”客戶，實質(zhì)上推高了該類客群的融資成本，也客觀上增加了違約風險。

要做到風險可控和服務“長尾”客戶、“下沉”客戶之間的平衡，商業(yè)銀行有必要獲取政務、同業(yè)、通訊、電商等數(shù)據(jù)，但這些數(shù)據(jù)一般歸屬于不同的主體，由于缺少安全和便捷的數(shù)據(jù)共享機制，形成了一個個信息孤島，數(shù)據(jù)價值并未得到充分有效的利用。商業(yè)銀行需要和政府、社會等多方協(xié)作，建立安全合規(guī)的數(shù)據(jù)共享機制，實現(xiàn)風險的全面準確評估，從而推動業(yè)務快速發(fā)展。

四、隱私計算在銀行數(shù)字化風控中的應用

目前，隱私計算技術(shù)在銀行風控場景的應用覆蓋了包括貸前、貸中、貸后、反欺詐等環(huán)節(jié)在內(nèi)的信貸風控全流程，以及對公、小微、個人貸款等不同貸款分類。商業(yè)銀行在對信貸業(yè)務進行風險評估時，為了得到更加精準的風險預測結(jié)果，往往會采用兩種方式，一是直接從外部購買信用分或者欺詐分，此種方式受外部數(shù)據(jù)源影響較大，尤其是外部信用分或者欺詐分基于的客群和銀行自身客群差距較大時，會極大影響數(shù)據(jù)效果;二是結(jié)合行內(nèi)客戶基本信息、資金流水等自有數(shù)據(jù)和外部數(shù)據(jù)聯(lián)合建模，數(shù)據(jù)合作涉及到多方數(shù)據(jù)的共享和使用，傳統(tǒng)的技術(shù)方式主要通過數(shù)據(jù)脫敏等技術(shù)，但數(shù)據(jù)泄密事件仍時有發(fā)生，安全性未能得到充分保證，如采用隱私計算技術(shù)，銀行無需數(shù)據(jù)出行即可與外部數(shù)據(jù)源建立聯(lián)合風控模型。因此，隱私計算技術(shù)在保障數(shù)據(jù)安全合規(guī)的同時，促進了銀行和外部數(shù)據(jù)擁有方之間數(shù)據(jù)的共享，既提高了銀行風控控制水平，又更好地推動相關(guān)業(yè)務的發(fā)展。隱私計算技術(shù)在商業(yè)銀行有以下幾種應用場景。

（一）銀行與政府數(shù)據(jù)共享

目前，中央各部委及各級地方政府都在整合各類政務數(shù)據(jù)。以海南為例，為了發(fā)揮大數(shù)據(jù)在推進海南社會治理、護航自貿(mào)港建設等方面重要支撐作用，省級層面成立了海南省大數(shù)據(jù)管理局（以下簡稱“海南大數(shù)據(jù)局”），整合了全省教育、醫(yī)療、住房、稅務、社保、公積金、交通出行等高價值數(shù)據(jù)，通過“賽道機制”遴選大數(shù)據(jù)場景化應用場景并通過數(shù)據(jù)超市的方式進行數(shù)據(jù)輸出。

商業(yè)銀行與海南大數(shù)據(jù)局開展合作，應用多方安全計算等隱私計算技術(shù)，在雙方原始數(shù)據(jù)不出域、滿足用戶隱私保護及數(shù)據(jù)安全的基礎上，通過將客戶信息、流水數(shù)據(jù)等與大數(shù)據(jù)局的公積金、房產(chǎn)、稅務、社保等數(shù)據(jù)進行聯(lián)合建模，開發(fā)了個人客戶金融屬性畫像、個貸聯(lián)合營銷、個貸聯(lián)合風控等數(shù)據(jù)產(chǎn)品，為海南銀行個貸業(yè)務的快速發(fā)展提供了有力的支撐。

通過開展政銀合作，銀行獲得了高價值的政務數(shù)據(jù)資源，豐富了數(shù)據(jù)維度，提高信貸審批通過率及授信額度，降低了信貸風險。而對政府而言，在數(shù)據(jù)不出庫前提下發(fā)掘了數(shù)據(jù)資產(chǎn)價值對服務實體經(jīng)濟起到了良好作用。

（二）銀行與支付機構(gòu)數(shù)據(jù)共享

支付機構(gòu)掌握了大量的客戶流水數(shù)據(jù)，這些數(shù)據(jù)對評估客戶還款能力、消費習慣、資金流向等風險指標有重大的價值，但流水數(shù)據(jù)屬于高度隱私數(shù)據(jù)，支付機構(gòu)直接向商業(yè)銀行提供明細數(shù)據(jù)的合規(guī)性風險較大，如果只提供加工過數(shù)據(jù)（在目前的監(jiān)管要求下，需要通過持牌征信機構(gòu)作為通道提供數(shù)據(jù)），由于數(shù)據(jù)顆粒度過粗，失去了許多重要信息，這種情況下，隱私計算提供了一個良好的解決方案。

某股份制銀行為快速確認小微企業(yè)基本情況，對企業(yè)風險進行動態(tài)監(jiān)測，使用某支付清算機構(gòu)的流水等數(shù)據(jù)完善企業(yè)主風險畫像。在數(shù)據(jù)不出本地的監(jiān)管要求下，通過聯(lián)合聯(lián)邦學習等隱私計算技術(shù)構(gòu)建模型，用于評估客戶消費能力、信用評級等信息，解決機構(gòu)無法全面準確了解客戶真實能力的痛點。該案例利用某支付清算機構(gòu)的全國數(shù)據(jù)，在行內(nèi)已有風控模型入模特征基礎上進行篩選，同時增加了支付清算機構(gòu)的個人行為數(shù)據(jù)進行補充構(gòu)建聯(lián)邦學習模型，主要沉淀企業(yè)主能力模型，用于映射到企業(yè)的風控場景，和存量企業(yè)客戶違約預測。案例投產(chǎn)之后，銀行風控模型效果得到有效提升，有效控制了風險并平均提高授信額度30%，增加了銀行的經(jīng)濟效益。

（三）銀行與金融同業(yè)數(shù)據(jù)共享

單個銀行由于自身覆蓋的客群面有限，且只掌握客戶的部分金融信息，難以全面準確地評估客戶的真實信用水平。若能建立與同業(yè)的數(shù)據(jù)共享，如黑名單信息、客戶在其他金融機構(gòu)的資產(chǎn)負債信息、消費數(shù)據(jù)、流水數(shù)據(jù)、違約信息等，可以對客戶的風險進行全面的評估。但銀行和非銀行金融機構(gòu)受到嚴格的數(shù)據(jù)安全監(jiān)管，且存在一定的競爭關(guān)系，共享數(shù)據(jù)的意愿較低，若通過隱私計算技術(shù)，可在客戶信息不出機構(gòu)的情況下，整合金融同業(yè)的信息，實現(xiàn)風險的聯(lián)防聯(lián)控。

某銀行聯(lián)合多家同行在某云計算平臺上，基于多方安全計算技術(shù)，在貸前對客戶在各家金融同業(yè)的資產(chǎn)負債、消費支付、信用情況等進行聯(lián)合安全統(tǒng)計，該銀行收到聯(lián)合統(tǒng)計結(jié)果后，決定是否向客戶發(fā)放貸款以及如何進行額度及風險定價，以有效防范客戶多頭風險。FD9ADB7E-CC50-4DF3-9964-C016BB612834

（四）銀行與運營商數(shù)據(jù)共享

運營商存儲了海量的用戶個人信息和通訊數(shù)據(jù)，是信貸風險評估的高價值數(shù)據(jù)來源。當前商業(yè)銀行一般通過第三方數(shù)據(jù)公司間接獲取部分運營商通訊數(shù)據(jù)，主要用于信息驗證和欺詐風險評估。但實際上，目前銀行利用到的運營商數(shù)據(jù)還只是冰山一角，大量通訊數(shù)據(jù)由于其高度敏感性仍存儲在運營商的機房里面未得到充分利用。如果能利用隱私計算技術(shù)，將銀行的金融數(shù)據(jù)和運營商數(shù)據(jù)在彼此不出域的情況下進行聯(lián)合建模，可以大大提升數(shù)字風控模型效果。

某銀行開發(fā)了一款全線上無抵押的消費金融貸款，用于滿足客戶購物、裝修、旅游等多方面用款需求。該行在風險決策需要客戶信息、交易信息及征信數(shù)據(jù)，針對該狀況，該行選擇與運營商進行合作，利用運營商通話標簽數(shù)據(jù)和銀行數(shù)據(jù)進行聯(lián)合建模，采用隱私集合求交技術(shù)，確保雙方無法掌握對方客戶的關(guān)鍵信息。聯(lián)合模型相比銀行的原有模型，AUC值提高了約10%。

（五）銀行與互聯(lián)網(wǎng)平臺公司信息共享

互聯(lián)網(wǎng)平臺公司掌握了大量社交、電商、購物、交通等數(shù)據(jù)，商業(yè)銀行通過隱私計算技術(shù)與互聯(lián)網(wǎng)公司實現(xiàn)數(shù)據(jù)共享，可提升商業(yè)銀行風控模型效果，有助于銀行更好服務互聯(lián)網(wǎng)客群的金融需求。

1.信用卡風控

某頭部城商行與某頭部平臺聯(lián)合共建“信用卡聯(lián)合實驗室”，采用聯(lián)邦學習技術(shù)，在保證數(shù)據(jù)合法性、安全性的前提下共同對上百個頭部平臺生態(tài)特征變量與該行信用卡特征變量進行特征選擇以確定聯(lián)邦模型，與銀行自有信用卡風控模型進行疊加使用，對客戶違約風險進行評估，顯著提升了審批結(jié)果的準確性。雙方通過遠程模型訓練，僅3天就實現(xiàn)了聯(lián)邦模型的部署，數(shù)小時實現(xiàn)了模型的訓練，相比傳統(tǒng)的數(shù)月的模型開發(fā)和上線時間，建模效率大為提高。模型上線之后，該行對互聯(lián)網(wǎng)欺詐風險的識別能力得到了明顯提升。

2.長尾客戶信貸風控

長尾客戶由于缺少信用記錄，無法對其進行準確有效的風險評估，導致該類客戶能夠獲取的金融服務十分有限。為解決該情況，某股份銀行和某頭部互聯(lián)網(wǎng)平臺通過多方安全計算技術(shù)開展聯(lián)合建模，雙方各自將訓練樣本上傳到各自的數(shù)據(jù)存儲服務，建模人員通過多方安全計算平臺進行數(shù)據(jù)融合、特征工程、模型訓練及評估等工作，充分挖掘雙方掌握的不同數(shù)據(jù)的價值。最后的聯(lián)合模型相比原有模型KS平均提升5%以上。因此，銀行通過隱私計算技術(shù)，實現(xiàn)了對長尾客戶的精準風險評估，有效解決了長尾客戶不敢貸、不能貸的難題。

3.小微金融風控

由于小微企業(yè)數(shù)據(jù)不規(guī)范且缺失較多、企業(yè)經(jīng)營風險較大等原因，銀行提供信貸服務的意愿較低。在整個信貸領域中，小微企業(yè)信貸占比很小，且融資成本較高。但從促進經(jīng)濟發(fā)展、提供就業(yè)等角度出發(fā)，小微企業(yè)在我國國民經(jīng)濟中扮演了不可或缺的作用，對其提供融資服務是商業(yè)銀行履行其社會責任的重要舉措。

傳統(tǒng)小微金融風控非常依賴大量數(shù)據(jù)積累，但樣本量不夠、樣本數(shù)據(jù)維度不足是常見的痛點。某銀行與互聯(lián)網(wǎng)機構(gòu)合作，應用多方安全計算技術(shù)，將銀行信貸客戶申請信息、存款、理財、行為偏好、征信數(shù)據(jù)和互聯(lián)網(wǎng)合作方提供的數(shù)據(jù)進行了安全融合，在各自數(shù)據(jù)不出庫的基礎上構(gòu)建和訓練融合模型，極大地豐富了小微金融客戶風控模型的特征維度，提升了其風險評估的準確性。通過多方安全計算進行聯(lián)合建模，融合雙方數(shù)據(jù)訓練得到的模型在目標風險水平控制不變的情況下，提升20%的通過率，有效地踐行了“普惠金融”的理念。

（六）銀行與傳統(tǒng)企業(yè)信息共享

1.供應鏈金融

傳統(tǒng)供應鏈金融業(yè)務下，商業(yè)銀行需要核心企業(yè)協(xié)助對交易真實性進行確權(quán)，從而保障回款安全。然而部分核心企業(yè)對供應鏈金融認識不足，配合程度不高，尤其表現(xiàn)在不愿意共享數(shù)據(jù)上面，其原因除了科技能力不足外，對商業(yè)隱私泄露的擔憂也是主要因素之一。

為解決核心企業(yè)配合程度不高、數(shù)據(jù)共享較難的問題，商業(yè)銀行可考慮與核心企業(yè)共建隱私計算平臺，在雙方數(shù)據(jù)不出庫的前提下進行模型訓練，助力小微風控模型泛化能力提升，實現(xiàn)對核心企業(yè)上下游客戶的精準風險畫像刻畫。通過在供應鏈金融中應用隱私計算技術(shù)，商業(yè)銀行可有效擴大普惠金融服務半徑，提升向小微企業(yè)提供融資服務的效率。

2.其他場景

銀行業(yè)可以與航空公司、出租車公司、水電煤氣公司、物業(yè)公司等掌握大量用戶數(shù)據(jù)的公司開展隱私計算技術(shù)方面的合作，實現(xiàn)消費流水、收入、行為習慣等數(shù)據(jù)的安全合規(guī)共享，從而為這些企業(yè)消費者提供定制化的金融服務。

五、隱私計算未來展望

2020年至今，隱私計算技術(shù)逐步從理論概念走向商業(yè)應用，尤其是在商業(yè)銀行得到了廣泛的關(guān)注和應用。隱私計算技術(shù)在推動商業(yè)銀行與政務機構(gòu)、同業(yè)、運營商、互聯(lián)網(wǎng)平臺、企業(yè)進行數(shù)據(jù)共享有著廣闊的前景和極大的實用價值，能夠在數(shù)據(jù)安全和隱私得到保障的前提下，通過融合各方數(shù)據(jù)實現(xiàn)數(shù)據(jù)的最大程度挖掘和利用，真正發(fā)揮數(shù)據(jù)作為生產(chǎn)要素的價值。

目前隱私計算仍處于初級發(fā)展階段，有許多問題待解決。一是隱私計算產(chǎn)品在交互效率、模型性能等方面存在瓶頸，隱私計算平臺的軟硬件投入成本也相對較大，如果要大規(guī)模推廣仍需解決效率和成本的問題。二是目前相關(guān)隱私信息共享和數(shù)據(jù)交易流通的法律法規(guī)尚不完善，監(jiān)管當局雖然對隱私計算進行了一定的關(guān)注，但并未對其應用進行系統(tǒng)性規(guī)范，隱私計算應用的合規(guī)性仍存在變數(shù)。三是目前隱私計算在技術(shù)和行業(yè)標準方面存在空白，國內(nèi)亦缺乏權(quán)威規(guī)范的認證機構(gòu)，通過隱私計算實現(xiàn)數(shù)據(jù)共享，其安全性如何得到保障？這都是尚未解決的問題。

展望未來，商業(yè)銀行可以與政府、學術(shù)界、產(chǎn)業(yè)界攜手共進，通過以下幾方面共同推動隱私計算技術(shù)在數(shù)據(jù)安全合規(guī)共享方面的應用：一是持續(xù)優(yōu)化和迭代相關(guān)算法、協(xié)議、軟硬件，提升隱私計算效率和性能，實現(xiàn)降本增效。二是制定和完善隱私計算行業(yè)標準和認證體系，通過標準化建設，推動隱私計算技術(shù)的快速大范圍推廣。三是保持與監(jiān)管機構(gòu)的良好溝通，協(xié)助政府制定政策法規(guī)，解決隱私計算應用存在的合規(guī)痛點，推動隱私計算產(chǎn)業(yè)健康發(fā)展。FD9ADB7E-CC50-4DF3-9964-C016BB612834

（責任編輯：張恩娟）

參考文獻：

[1]搜狐網(wǎng).魔蝎科技和新顏科技同日被查，或涉嫌暴力催收和違規(guī)爬取數(shù)據(jù)[EB/OL].[2021-09-09].https：//www.sohu.com/a/339805968_465429.

[2]李鳳華，李暉，賈焰，俞能海，翁健.隱私計算研究范疇及發(fā)展趨勢[J].通信學報，2016（37）.

[3]王婷.安全多方計算理論研究綜述[J].信息安全與技術(shù)，2014（5）.

[4]王健宗，孔令煒，黃章成，陳霖捷，劉懿，何安珣，肖京. 聯(lián)邦學習算法綜述[J].大數(shù)據(jù)，2020（6）.

[5]楊波.面向移動平臺的可信執(zhí)行環(huán)境構(gòu)建方法與應用研究[D].北京：中國科學院大學，2017.

[6]CSDN.智能合約隱私保護技術(shù)之同態(tài)加密[EB/OL].[2020-03-09].https：//blog.csdn.net/jingzi123456789/article/details/104761739.

[7]寧敏，羅婷，程璞，郭建勇，王青春.數(shù)字身份在商業(yè)銀行個人客戶盡職調(diào)查中的應用探究[J].海南金融，2020（6）.

[8]Dwork C.Differential Privacy：A Survey of Results[J].Springer，Berlin，Heidelberg，2008.

[9]Shafi Goldwasser，Silvio Micali，Charles Rackoff.The knowledge complexity of interactive proof systems[J].SIAM journal on computing，1989（18）.

[10]Oracle Database Online Documentation.Database Real Application Testing User's Guide[EB/OL].[2020-06-01].https：//docs.oracle.com/cd/E11882_01/server.112/e41481/tdm_data_masking.htm#RATUG04000.

收稿日期：2022-04-05

作者簡介：李立志（1984-），男，湖南衡陽人，現(xiàn)供職于海南銀行股份有限公司;

陳? ?媚（1989-），女，海南?？谌?，現(xiàn)供職于海南銀行股份有限公司。FD9ADB7E-CC50-4DF3-9964-C016BB612834