2020年9月，四川眉山高新區(qū)(甘眉園區(qū))公安分局破獲了該省歷史涉案金額最大、涉案人數(shù)最多的騙貸案，抓獲盤(pán)踞在四川、廣東等省的118位犯罪嫌疑人。
犯罪團(tuán)伙通過(guò)所控制的130多家公司賬號(hào)，替他人補(bǔ)繳1年公積金，再以補(bǔ)繳公積金記錄作為信用評(píng)定的憑證，在銀行手機(jī)App申請(qǐng)個(gè)人信用貸款，共為6000多人(大多為邊遠(yuǎn)地區(qū)農(nóng)民)補(bǔ)繳公積金1.2億，詐騙多家銀行貸款超過(guò)10億元，大量貸款逾期造成全國(guó)范圍內(nèi)信貸資金重大損失，影響極為惡劣。
這起無(wú)論是涉案金額，還是作案手段都震驚公安和金融系統(tǒng)的案件，將大數(shù)據(jù)時(shí)代的金融風(fēng)控問(wèn)題重新擺在了全社會(huì)面前。近些年，移動(dòng)互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能等技術(shù)與金融業(yè)加速融合，推動(dòng)了金融科技的勃興。金融科技在為用戶帶來(lái)更高效便捷金融服務(wù)的同時(shí)，也進(jìn)一步放大金融風(fēng)險(xiǎn)，尤其是信貸欺詐風(fēng)險(xiǎn)。
因?yàn)槠墼p行為攻擊對(duì)象不確定、犯罪主體難追蹤、外部欺詐風(fēng)險(xiǎn)涵蓋范圍廣、防范難度大，金融欺詐由此成為導(dǎo)致銀行業(yè)受損最嚴(yán)重的風(fēng)險(xiǎn)之一。據(jù)國(guó)外研究機(jī)構(gòu)統(tǒng)計(jì)，欺詐風(fēng)險(xiǎn)每年導(dǎo)致全球銀行業(yè)受損金額高達(dá)近千億美元，而國(guó)內(nèi)銀行每年因欺詐風(fēng)險(xiǎn)損失的金額也高達(dá)上百億元。
一、傳統(tǒng)信貸風(fēng)控，弊端日益暴露
現(xiàn)階段，中國(guó)銀行業(yè)普遍使用人工審批和信用評(píng)分卡這兩種信貸風(fēng)控手段。
人工審批是申請(qǐng)人提交申請(qǐng)資料，銀行根據(jù)一系列反欺詐規(guī)則進(jìn)行初審、終審，直到最后一個(gè)審核環(huán)節(jié)通過(guò)，才最終確定是否放貸，期間，但凡有一個(gè)環(huán)節(jié)未通過(guò)審核，銀行都會(huì)拒絕放貸。
從對(duì)客戶的盡調(diào)到審查審批、放款、貸后走訪，人工審批模式均是由客戶經(jīng)理或貸審經(jīng)理通過(guò)訪談、走訪等方式完成。這種模式雖然靈活、有溫度、善于推理，但也可能受到審核人員的主觀人為因素影響。更大的缺點(diǎn)是人力密集、效率偏低，尤其是當(dāng)面對(duì)下沉市場(chǎng)的小額分散信貸需求時(shí)，便會(huì)感到心有余力不足。
隨著信息技術(shù)的發(fā)展和數(shù)據(jù)量的豐富，人工審核模式的問(wèn)題越來(lái)越多地暴露出來(lái)，銀行業(yè)開(kāi)始引入智能信貸風(fēng)控技術(shù)。其中，國(guó)內(nèi)銀行普遍使用的智能信貸風(fēng)控技術(shù)是信用評(píng)分卡模型。
信用評(píng)分卡，指的是銀行利用歷史數(shù)據(jù)和統(tǒng)計(jì)技術(shù)，通過(guò)數(shù)據(jù)算法建模，再借助模型來(lái)分析各種風(fēng)險(xiǎn)要素對(duì)違約率的影響程度，最終形成一個(gè)得分，根據(jù)該得分，再區(qū)分貸款申請(qǐng)的風(fēng)險(xiǎn)程度，發(fā)放不同的信用額度，制定相應(yīng)的風(fēng)控策略。
信用評(píng)分卡的出現(xiàn)，改變了傳統(tǒng)人工信貸審批模式人力成本高、效率偏低的局面，打開(kāi)了自動(dòng)化審批的大門(mén)，提高了客戶需求響應(yīng)的速度，也為規(guī)模經(jīng)濟(jì)優(yōu)勢(shì)的發(fā)揮奠定了基礎(chǔ)，因此成為當(dāng)今銀行業(yè)的主流風(fēng)控手段，但也存在明顯的不足。
問(wèn)題主要出在建模方式上。
眾所周知，在大數(shù)據(jù)領(lǐng)域，數(shù)據(jù)是基礎(chǔ)要素，數(shù)據(jù)的量越大、維度越豐富，算法模型就越精準(zhǔn)。但正常情況下，金融企業(yè)僅擁有用戶在本機(jī)構(gòu)的、單一金融維度的數(shù)據(jù)，比如財(cái)力證明、信貸歷史申請(qǐng)記錄等數(shù)據(jù)，既不掌握用戶在其他銀行的數(shù)據(jù)，也不了解用戶的住址、消費(fèi)能力、消費(fèi)習(xí)慣等其他維度的數(shù)據(jù)，這就導(dǎo)致銀行僅憑自有數(shù)據(jù)，難以構(gòu)建高精準(zhǔn)度的算法模型。
所以，為了提升模型精準(zhǔn)度和預(yù)測(cè)能力，降低潛在的逾期風(fēng)險(xiǎn)，銀行或者信貸機(jī)構(gòu)等數(shù)據(jù)使用方會(huì)借助外部力量獲取更大量、更多維的數(shù)據(jù)，將其融合到自有數(shù)據(jù)進(jìn)行聯(lián)合建模，進(jìn)而評(píng)估用戶的信貸風(fēng)險(xiǎn)。獲取數(shù)據(jù)的方式，通常是購(gòu)買第三方數(shù)據(jù)提供商出售的數(shù)據(jù)。
在聯(lián)合建模過(guò)程中，銀行把Y(目標(biāo)變量，比如什么樣的客戶是好客戶，什么樣的客戶是壞客戶)給到數(shù)據(jù)商的X(數(shù)據(jù)商掌握的其他用戶數(shù)據(jù))，雙方交換數(shù)據(jù)、聯(lián)合建模，再將模型和數(shù)據(jù)部署在數(shù)據(jù)商或者第三方云服務(wù)器之上，最后從線上調(diào)用處理后的數(shù)據(jù)。
在整個(gè)過(guò)程中，因?yàn)殂y行掌握的用戶原始數(shù)據(jù)、目標(biāo)變量都離開(kāi)本地，算法模型部署在數(shù)據(jù)商或者第三方云服務(wù)器之上等原因，就很容易導(dǎo)致數(shù)據(jù)、算法模型等泄露，給不法分子從事信貸欺詐、金融黑產(chǎn)留下可乘之機(jī)。
二、監(jiān)管趨嚴(yán)，金融風(fēng)控亟待模式創(chuàng)新
2017年，十九大指出，決勝全面建成小康社會(huì)，必須打贏三大攻堅(jiān)戰(zhàn)，其中一項(xiàng)重要內(nèi)容是防范化解重大風(fēng)險(xiǎn)。而防范化解重大風(fēng)險(xiǎn)攻堅(jiān)戰(zhàn)，重點(diǎn)是防控金融風(fēng)險(xiǎn)。同年，維護(hù)國(guó)家金融安全第四十次集體學(xué)習(xí)會(huì)議提出，金融安全是國(guó)家安全的重要組成部分，是關(guān)系我國(guó)經(jīng)濟(jì)社會(huì)發(fā)展全局的一件帶有戰(zhàn)略性、根本性的大事。
在防范金融風(fēng)險(xiǎn)當(dāng)中，一個(gè)重要的課題是防范金融數(shù)據(jù)泄露風(fēng)險(xiǎn)。為此，最近幾年，監(jiān)管部門(mén)連續(xù)出臺(tái)了一系列針對(duì)金融數(shù)據(jù)的監(jiān)管文件。
2020年2月，中國(guó)人民銀行印發(fā)《個(gè)人金融信息保護(hù)技術(shù)規(guī)范(JR/T 0171-2020)》，對(duì)個(gè)人金融信息范圍，收集使用行為，安全技術(shù)標(biāo)準(zhǔn)、機(jī)構(gòu)安全崗位設(shè)置等方面做出詳細(xì)規(guī)定。同年9月，中國(guó)人民銀行又印發(fā)《金融數(shù)據(jù)安全分級(jí)指南》，特別強(qiáng)調(diào)金融業(yè)機(jī)構(gòu)應(yīng)高度重視個(gè)人金融信息相關(guān)數(shù)據(jù)，在數(shù)據(jù)安全定級(jí)過(guò)程中從高考慮。
除此之外，2021年，從全社會(huì)層面對(duì)數(shù)據(jù)安全進(jìn)行規(guī)范監(jiān)管的《數(shù)據(jù)安全法》《個(gè)人信息保護(hù)法》，也相繼執(zhí)行。
伴隨著監(jiān)管迅速收緊，金融數(shù)據(jù)的使用與管理愈加嚴(yán)格，傳統(tǒng)的明文數(shù)據(jù)建模方式越來(lái)越難以適應(yīng)當(dāng)今時(shí)代的要求。銀行必須創(chuàng)新信貸風(fēng)控模式，摒棄不合規(guī)的數(shù)據(jù)使用方式和數(shù)據(jù)提供商，安全合規(guī)地使用金融數(shù)據(jù)，開(kāi)展金融風(fēng)控工作。
但如何在數(shù)據(jù)和模型都不出域，并確保數(shù)據(jù)安全的前提下，合法合規(guī)地利用內(nèi)外部數(shù)據(jù)，進(jìn)行聯(lián)合建模，構(gòu)建更精準(zhǔn)的反欺詐風(fēng)控模型，提升反欺詐能力，卻考驗(yàn)著當(dāng)前各大金融機(jī)構(gòu)，尤其是大型商業(yè)銀行。
三、有了隱私計(jì)算，聯(lián)合建模更安全合規(guī)
各項(xiàng)前沿技術(shù)當(dāng)中，隱私計(jì)算憑借著獨(dú)一無(wú)二的優(yōu)勢(shì)——在充分保護(hù)數(shù)據(jù)和隱私安全的前提下，轉(zhuǎn)化和釋放數(shù)據(jù)價(jià)值，實(shí)現(xiàn)“數(shù)據(jù)可用不可見(jiàn)”“數(shù)據(jù)不動(dòng)價(jià)值動(dòng)”——成為了在全球數(shù)據(jù)監(jiān)管日趨嚴(yán)格的當(dāng)下，最受熱捧的新技術(shù)。
而在金融風(fēng)險(xiǎn)管理領(lǐng)域，隱私計(jì)算也有著不可替代的價(jià)值。以八分量推出的隱私計(jì)算平臺(tái)為例。
八分量隱私計(jì)算平臺(tái)，由八分量基于多方安全計(jì)算、聯(lián)邦學(xué)習(xí)、可信執(zhí)行環(huán)境與區(qū)塊鏈技術(shù)推出。相比于很多同類型的產(chǎn)品，八分量隱私計(jì)算平臺(tái)采取多技術(shù)路徑，并且產(chǎn)品全自研，因此性能過(guò)硬，場(chǎng)景功能更豐富，而且安全、自主、可控，因而更能滿足金融機(jī)構(gòu)的數(shù)據(jù)安全合規(guī)需求。
在基于八分量隱私計(jì)算平臺(tái)的聯(lián)合建模模式下，銀行和數(shù)據(jù)商先在本地對(duì)數(shù)據(jù)進(jìn)行加密;其次，八分量隱私計(jì)算平臺(tái)對(duì)銀行和數(shù)據(jù)商的脫敏數(shù)據(jù)進(jìn)行加密調(diào)用;然后，通過(guò)不可逆的密文交互實(shí)現(xiàn)聯(lián)合建模;接下來(lái)，系統(tǒng)將算法模型部加密部署在第三方云服務(wù)器之上;最終，銀行對(duì)部署在服務(wù)器上的數(shù)據(jù)，進(jìn)行加密調(diào)用。
在傳統(tǒng)的聯(lián)合建模模式中，從銀行與數(shù)據(jù)商交換數(shù)據(jù)，到算法模型部署在數(shù)據(jù)商或者第三方云服務(wù)器之上，到從數(shù)據(jù)商和第三方云服務(wù)器上調(diào)用處理后的數(shù)據(jù)，數(shù)據(jù)泄露風(fēng)險(xiǎn)遍布每一個(gè)數(shù)據(jù)處理環(huán)節(jié)。
而相比之下，基于八分量隱私計(jì)算平臺(tái)進(jìn)行聯(lián)合建模，就不僅能對(duì)上述風(fēng)險(xiǎn)實(shí)現(xiàn)全流程的規(guī)避，而且具備更多傳統(tǒng)建模方式不具備的好處——
首先，銀行數(shù)據(jù)不出域，數(shù)據(jù)商數(shù)據(jù)也不出域，數(shù)據(jù)交互方式、算法模型、調(diào)用方式全部加密，因此原始數(shù)據(jù)X和Y、算法模型等等都不會(huì)泄露，安全合規(guī)問(wèn)題有保障;
其次，因?yàn)榘踩弦?guī)，無(wú)需駐場(chǎng)建模，外部數(shù)據(jù)平臺(tái)能放下顧慮和戒備，消除數(shù)據(jù)壁壘，將更豐富、更多維數(shù)據(jù)開(kāi)放數(shù)據(jù)商和銀行。這就使得銀行有機(jī)會(huì)使用更多來(lái)源、更多維度、更大量的數(shù)據(jù)，從而提升反欺詐模型的精準(zhǔn)度、預(yù)測(cè)能力，優(yōu)化產(chǎn)品和服務(wù)的質(zhì)量;
第三，銀行無(wú)需自己編寫(xiě)代碼，簡(jiǎn)單點(diǎn)擊即可實(shí)現(xiàn)加密訓(xùn)練、加密分析、加密部署、加密調(diào)用，工作流程更加簡(jiǎn)單便捷，工作效率顯著提高;
第四，對(duì)銀行來(lái)說(shuō)，過(guò)去的駐場(chǎng)建模人力資源投入大，如今，基于隱私計(jì)算的聯(lián)合建模模式，無(wú)需駐場(chǎng)建模，因此能明顯降低數(shù)據(jù)引入、人工成本。
從八分量隱私平臺(tái)聯(lián)合建模方式可以看出，基于隱私計(jì)算進(jìn)行聯(lián)合建模，不僅能確保全部信貸審批流程的數(shù)據(jù)安全、合規(guī)，幫助企業(yè)降本增效，也有助于各數(shù)據(jù)平臺(tái)之間打破數(shù)據(jù)孤島現(xiàn)象，讓數(shù)據(jù)要素更加順暢高效地流動(dòng)起來(lái)，推動(dòng)金融數(shù)據(jù)的市場(chǎng)化配置，助力金融風(fēng)險(xiǎn)的防范，為消費(fèi)者營(yíng)造一個(gè)更為安全的金融生活環(huán)境，可謂一舉多得。
四、隱私計(jì)算，讓銀行不良貸款率下降79%
也正是因?yàn)樽钚枰o客戶“信賴感”，產(chǎn)品與服務(wù)的底線是保護(hù)客戶資產(chǎn)和隱私的絕對(duì)安全，因此，金融業(yè)成為了大多數(shù)隱私計(jì)算技術(shù)應(yīng)用落地的首選領(lǐng)域。根據(jù)中國(guó)信通院云大所發(fā)布的《隱私計(jì)算白皮書(shū)(2021)年》，在隱私計(jì)算應(yīng)用領(lǐng)域中，聯(lián)合風(fēng)控占比排名第一，高達(dá)38%。
而無(wú)論是從算法模型的演練論證，還是深入具體場(chǎng)景的落地應(yīng)用看，隱私計(jì)算對(duì)于金融風(fēng)控的賦能，都是顯而易見(jiàn)的。
據(jù)中國(guó)信通院發(fā)布的《數(shù)據(jù)價(jià)值釋放與隱私保護(hù)計(jì)算應(yīng)用研究報(bào)告(2021年)》，基于區(qū)塊鏈和隱私保護(hù)計(jì)算技術(shù)訓(xùn)練得到的信用評(píng)分模式，無(wú)損于傳統(tǒng)方式得到的模型——其AUC(Area Under the Curve，越接近1，代表模型效果越好)提升11%，F(xiàn)1 Score提升42%，精度從62.2%提升到70.0%，召回率提升59%，大幅提升銀行的大數(shù)據(jù)風(fēng)控應(yīng)用能力。綜合工商、稅務(wù)、水電、司法、電信、征信機(jī)構(gòu)等十余家跨行業(yè)數(shù)據(jù)源提供的上千個(gè)維度的外部數(shù)據(jù)，進(jìn)行聯(lián)合建模后，商業(yè)銀行的不良貸款率從原有的1.81(%)大幅下降至0.38(%)，降幅高達(dá)79%。
所以，截至目前，金融機(jī)構(gòu)紛紛將隱私計(jì)算技術(shù)應(yīng)用于金融業(yè)務(wù)場(chǎng)景之中。比如中國(guó)工商銀行引入北京金控的不動(dòng)產(chǎn)數(shù)據(jù)，與行內(nèi)貸款企業(yè)的時(shí)點(diǎn)貸款余額、注冊(cè)資本、賬戶余額等數(shù)據(jù)聯(lián)合建立企業(yè)貸中預(yù)警監(jiān)測(cè)模型，此聯(lián)邦模型提升準(zhǔn)召率約 4%，從而提升了工商銀行風(fēng)險(xiǎn)監(jiān)測(cè)業(yè)務(wù)能力。
工行還通過(guò)聯(lián)邦學(xué)習(xí)，與互聯(lián)網(wǎng)公司的客戶特征數(shù)據(jù)完成聯(lián)合建模，將信用卡申請(qǐng)反欺詐模型的 KS 值(一種模型風(fēng)險(xiǎn)區(qū)分能力評(píng)估指標(biāo)：其值越大，模型的風(fēng)險(xiǎn)區(qū)分能力越強(qiáng))提升了 25.1%。
此前，八分量的持續(xù)免疫系統(tǒng)和可信數(shù)據(jù)服務(wù)平臺(tái)，已先后在公安、銀行、證券、政務(wù)、工業(yè)等場(chǎng)景當(dāng)中落地應(yīng)用，服務(wù)于這些行業(yè)的數(shù)字化轉(zhuǎn)型。未來(lái)，八分量隱私計(jì)算技術(shù)也有望為更多金融機(jī)構(gòu)的風(fēng)險(xiǎn)管理和提質(zhì)增效，提供保駕護(hù)航。
五、結(jié)語(yǔ)
在2021中國(guó)互聯(lián)網(wǎng)大會(huì)數(shù)據(jù)安全論壇上，中國(guó)信通院安全所信安部主任魏薇表示，有研究機(jī)構(gòu)統(tǒng)計(jì)，2020年全球數(shù)據(jù)泄露的數(shù)量，已經(jīng)超過(guò)此前15年的總和。一些不法機(jī)構(gòu)通過(guò)非法獲取、販賣黑產(chǎn)數(shù)據(jù)，從事金融欺詐等違法活動(dòng)，給個(gè)人、金融企業(yè)乃至國(guó)家造成巨大的損失。
不過(guò)，好在技術(shù)的進(jìn)步，讓困擾各方的數(shù)據(jù)安全和隱私保護(hù)問(wèn)題，逐漸有了強(qiáng)有力的解決手段。基于隱私計(jì)算技術(shù)的聯(lián)合建模，不僅可以盡可能地堵住傳統(tǒng)風(fēng)控模型中數(shù)據(jù)泄露的風(fēng)險(xiǎn)，讓金融騙子的生存空間變得越發(fā)逼仄，還能幫助金融機(jī)構(gòu)提高經(jīng)營(yíng)質(zhì)量和服務(wù)能力，給普通消費(fèi)者獲得更安全的金融生活。
解決生活中出現(xiàn)的種種難題，幫助人類享受技術(shù)帶來(lái)的福祉，推動(dòng)社會(huì)的發(fā)展，無(wú)疑正是科技創(chuàng)新的第一初衷和最佳歸屬。
（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來(lái)自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。
任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁(yè)或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書(shū)面權(quán)利通知或不實(shí)情況說(shuō)明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開(kāi)相關(guān)鏈接。 ）
