2021-11-24-工商银行-隐私计算推动金融业数据生态建设白皮书_81页_3mb

隐私计算技术通过分离数据所有权和使用权，解决了数据流通中的隐私保护问题，促进金融业数据要素市场化配置。白皮书从数字经济背景出发，强调隐私计算技术能实现数据“可用不可见”，为金融业数据生态建设提供关键支撑。

隐私计算技术包括多方安全计算、联邦学习、可信执行环境等，各具特点：

• 多方安全计算具有密码学理论保障，准确性高；
• 联邦学习支持分布式机器学习，保护本地数据不出本地；
• 可信执行环境依赖硬件安全，运行效率较高。

金融业通过隐私计算技术构建三级数据生态：

1. 企业级：如工商银行、光大银行建设企业级隐私计算平台，支持内部数据共享；
2. 行业级：如中国互联网金融协会建设行业级隐私计算平台，支持跨机构数据协作；
3. 跨行业级：如北京国际大数据交易所探索跨行业数据流通新模式。

典型应用案例包括：

1. 客户营销：工商银行通过隐私计算实现集团内数据融合，提升精准营销能力；
2. 风险管理：银行通过跨机构数据融合提升信贷风控水平；
3. 监管合规：基于联邦学习技术识别涉赌洗钱账户，提升反洗钱效率。

数据生态建设需五方面规划：

1. 数据基础建设，确保数据合法合规；
2. 技术路线选择，结合场景需求灵活应用；
3. 规范流程制定，保障数据安全有序流通；
4. 运行模式探索，建立可持续的商业模式；
5. 协调机制建设，促进多方协作共赢。

隐私计算技术还需突破性能、安全性度量、外部性影响等问题，政策层面需完善数据确权、定价和监管机制，平衡数据开发利用与安全保护。

展望未来，隐私计算将在金融业数据生态建设中发挥关键作用，推动数据要素市场化进程，助力金融业数字化转型。