2021隐私计算金融应用调研报告-20页_10mb

隐私计算金融应用调研报告总结

核心内容概述

本报告由北京金融科技产业联盟联合成方金融信息技术服务有限公司和中国农业银行共同完成，旨在分析隐私计算技术在金融领域的应用现状、挑战及发展趋势。报告基于对30家机构（15家金融机构，15家科技公司）的问卷调查，涵盖了隐私计算技术的研发、应用场景、技术应用、基础设施投入、面临的风险与挑战、发展动力及未来趋势等方面。

---

主要观点与关键信息

一、样本情况

• 调查对象包括15家金融机构（银行、保险、证券、第三方支付等）和15家科技公司。
• 科技公司隐私计算产品主要应用于银行业，显示其在该领域的技术渗透率较高。

二、行业现状

（一）研发团队规模

• 金融机构隐私计算研发团队以1-10人为主，占比60%；100人以上仅占7%。
• 科技公司研发团队规模普遍较大，50人以上占50%，显示其在技术投入上的优势。

（二）隐私计算发展阶段

• 金融机构多处于规划阶段，风险防控和营销推荐领域发展较快，部分进入小范围试点。
• 科技公司整体发展速度更快，部分已完成试点推广应用。

（三）场景应用程度

• 科技公司在隐私计算场景应用上更为成熟，而金融机构因对安全性和合规性要求高，推进较慢。

（四）技术应用程度

• 金融机构和科技公司均对区块链、同态加密、联邦学习、多方安全计算等技术应用程度较高。
• 金融机构更注重数据安全和脱敏技术，科技公司则在技术探索上更为深入。

（五）基础设施投入

• 金融机构在系统集成方面投入更多，网络平台投入较少。
• 科技公司则在底层平台、业务应用和算法研究方面投入较多。

---

风险与挑战

（一）落地和推广的制约因素

• 金融机构认为安全合规监管、数据、标准、人才、技术是主要制约因素。
• 科技公司则主要关注政策与安全合规监管。

（二）金融风险及数据风险

• 金融机构更关注数据安全风险、模型识别不精准风险、技术安全风险等。
• 科技公司则更关注数据安全风险、性能低和技术安全风险。

（三）应用中的问题与顾虑

• 技术层面：可信计算成本高、多方安全计算性能低、联邦学习安全性与可控性问题突出。
• 非技术层面：技术融合难度大、隐私与商业秘密保护存疑、技术供应商能力评估困难。

（四）存在的挑战

• 金融机构认为技术、数据、标准、法规等是主要挑战。
• 科技公司也认同这些挑战，但更关注技术层面的问题。

---

发展动力

（一）解决传统联合建模问题

• 隐私计算较好地解决了数据安全、隐私保护、技术信任及监管合规问题。
• 监管穿透和手段信息滞后问题也有所改善。

（二）共建联盟，开展课题研究

• 金融机构与科技公司均建议在联盟平台上开展隐私计算相关研究。
• 金融机构希望了解同业经验及优秀案例，科技公司则更关注标准与政策。

（三）人员支持

• 各机构均认为机构领导或信息科技部领导的支持最为关键。
• 法律合规部门、业务部门领导、业务骨干等次之。

---

发展趋势

• 金融机构与科技公司均认为提高安全性、法律政策合规及探索更多场景应用是未来趋势。
• 金融机构更关注隐私计算平台的互联互通、性能优化及安全性提升。
• 科技公司则更关注安全性、场景应用和合规性。

---

意见与建议

（一）推广隐私计算应用

• 金融机构和科技公司均认为推广典型应用案例库和加强科技公司间交流协作是优先级较高的推广方式。
• 技术人员培训和联合培养也受到重视。

（二）建立标准

• 金融机构最需要安全标准，其次是技术框架和接口标准。
• 科技公司则更关注技术框架标准，强调技术标准体系的建设。

（三）对数据管理部门的建议

• 金融机构和科技公司均呼吁完善数据安全与隐私保护机制、建立标准体系、评估评测体系和监管协同机制。
• 金融机构还希望加强人才引进与培养，科技公司则关注公私合作模式的探索。

---

结语

隐私计算技术在金融行业的应用正快速推进，尽管存在诸多挑战，但通过行业协作、标准制定和技术优化，有望实现更广泛的应用与推广。未来需在安全性、合规性、技术融合和人才支持等方面持续发力。