12月17日，上海財經大學MBA/EMBA高峰論壇在滬舉行，360數(shù)科隱私保護與安全計算研究院院長沈赟博士受邀分享360數(shù)科在數(shù)字化、智能化方面的領先經驗，并提出，數(shù)字化、智能化是新時代企業(yè)創(chuàng)新的核心驅動力。沈赟介紹，360數(shù)科累計幫助超過140家金融機構服務了2億以上的用戶。公司自研了一套從智能營銷、智能風控到智能運營、智能貸后管理等涵蓋用戶全生命周期的完整業(yè)務體系。這套業(yè)務體系完全是數(shù)據(jù)驅動的，采用了多種最前沿的智能科技。例如，在智能營銷方面，公司自研了Glaucus增長引擎，能夠較為精準地預判用戶的金融產品需求，從而幫助傳統(tǒng)金融機構顯著降低獲客成本；在智能風控方面，公司自研了Argus大數(shù)據(jù)風控引擎，開發(fā)了超過20萬維度的特征和400多個各類風控模型。超過99%的用戶都由平臺自動進行風控審核，完全不需要人工干預。同時，這套風控系統(tǒng)還幫助金融機構顯著降低了風險成本。大數(shù)據(jù)展業(yè)，當有所為有所不為。360數(shù)科從三個方面入手，確保了這些龐大用戶數(shù)據(jù)對于合規(guī)要求的滿足。首先，在數(shù)據(jù)安全方面，360數(shù)科建立了非常嚴格的數(shù)據(jù)管控體系，采取了包括數(shù)據(jù)加密等一系列措施保證數(shù)據(jù)安全。層層保護下，這些數(shù)據(jù)在確保不被輕易泄露的同時，也能很好地防止黑客攻擊。其次，在數(shù)據(jù)應用方面，雖然就數(shù)據(jù)應用目的而言，個體信息并不受關注，只有將海量數(shù)據(jù)匯集到一起后，經過分析、建模，提取出的統(tǒng)計規(guī)律與群體特征才是真正有實用價值的信息，但是公司仍然對用戶信息進行了高度嚴格的脫敏處理，如姓名、家庭住址等，確保工作人員在操作層面無法獲取單個用戶的具體信息。最后，在隱私計算研發(fā)與落地方面，360數(shù)科也走在行業(yè)前端。公司自研了一套名為 “層級聯(lián)邦學習”的隱私計算技術。其中，聯(lián)邦學習是一種非常主流的隱私計算技術。但是在落地實踐中，當傳統(tǒng)聯(lián)邦學習技術在超過兩方以上去進行學習的時候，對網速、帶寬、機器性能的要求非常高，相應的學習成本就很高。因此，360數(shù)科隱私保護與安全計算研究院率先嘗試，將多方學習拆成多個兩方學習，在保持學習效果的前提下，降低了學習成本，從而能夠快速落地應用。沈赟進一步指出，“層級聯(lián)邦學習”針對的是金融領域里普遍存在的數(shù)據(jù)孤島問題。要對一個用戶做出準確、完整、綜合的判斷，最理想的做法是聚合該用戶的所有金融信息，比如所有的收入、支出、負債等等。但是一個用戶往往會在多家金融機構開戶，在各個機構都留存信息，出于隱私保護與數(shù)據(jù)合規(guī)的考慮，各個機構不允許、也不會彼此分享數(shù)據(jù)。這就產生了一個所謂數(shù)據(jù)孤島的悖論。 而隱私計算技術則可以從技術角度來解決這類問題。這類技術可以保證交互的雙方或者多方在不獲取對方原始明文數(shù)據(jù)的情況下，把信息聚合到一起，經過算法，學習出有用的規(guī)律。這就類似于每個機構把原材料（也就是原始數(shù)據(jù)）都加工成一些半成品，然后多家機構再一起配合，將半成品組裝成最終的成品。這里面的半成品并不能還原成原材料。這就確保了在不獲取原始個人數(shù)據(jù)的前提下，多方共享信息，達成數(shù)據(jù)的合作與共贏。
免責聲明：此文內容為第三方自媒體作者發(fā)布的觀察或評論性文章，所有文字和圖片版權歸作者所有，且僅代表作者個人觀點，與極客網無關。文章僅供讀者參考，并請自行核實相關內容。投訴郵箱：editor@fromgeek.com。
免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現(xiàn)的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。
