借隐私计算技术东风，交通银行深层挖掘用户数据价值 | 案例研究

爱分析ifenxi

+ 关注

2022-08-05 14:41

512次阅读

借隐私计算技术东风，交通银行深层挖掘用户数据价值 | 案例研究

近年来，为积极响应国家金融机构数字化转型号召，交通银行作为我国第一家国有股份制商业银行，制定了全面的数字化转型战略，以技术创新和数据要素为双轮驱动，致力于打造极致体验、生态丰富、风控智能、运营高效的“数字化新交行”。2021年12月，交通银行牵头成立数据产业化专委会，发布了《隐私计算金融应用蓝皮书》，前瞻性展望隐私计算在金融领域的未来应用。

业务需求升级，交通银行数据应用体系备受挑战

随着银行金融欺诈问题的日益严重以及普惠金融需求的大幅上升，交通银行对深层次激发客户数据价值，提升自身风控、反欺诈等核心能力产生了巨大需求，以下是传统需求下的新型场景解决方案：

中小微企业融资场景下，风控体系亟待升级。传统风控体系下，由于银行内部客户数据维度较为单一，大多只能基于自有数据对客户进行单点式风险防控，因此常需要引入外部数据，以此来增加数据维度提升风险识别能力。但传统外部数据调用方法常伴随较高的数据泄露隐患，随着数据隐私保护法律法规的完善，逐渐难以适用合规要求，导致交通银行金融风控压力持续提升，融资成本难以下降；另一方面，近年来联合金融欺诈事件频发，金融欺诈团伙呈现有组织欺诈趋势，交通银行急需新技术来对传统反欺诈技术进行补充。

精准营销场景下，目标用户识别能力有限。存量经济时代，通过精准营销满足客户个性化需求，从而促进销售转化的趋势日益显著。然而，交通银行传统基于用户历史数据构建的客户画像模型，由于数据维度有限而导致的画像与客户实际需求难以匹配的问题，影响了交通银行的精准营销策略的实施，营销转化效率难以有效提升；同时，为实现高潜力客户的精准挖掘，交通银行需要基于用户画像模型对客户价值进行综合评估，但在传统数据体系下，交通银行缺乏足够的多维用户画像模型进行比对分析，难以精准定位高潜客户，进一步影响了营销转化效率的提升。

借助多方安全计算、联邦学习等隐私计算技术，交通银行打造新型外部数据应用体系

为有效解决上述问题，通过重点应用隐私计算技术，以安全合规的方式实现跨组织数据调用，补充自身数据维度，并以此来提升风控、营销能力，成为了交通银行的不二之选。而富数科技作为专业隐私计算平台核心提供商之一，凭借成熟的多方安全计算、联邦学习、匿踪查询、隐私求交等核心加密计算技术、深厚的金融行业服务经验、首批获得中国公安部、银行卡检测中心、中国信通院权威资质认证等关键因素，经过全面的POC测试以及多方的调研验证，成为了交通银行的深度合作伙伴。

图1：富数Avatar安全计算平台

富数科技成立于2016年，是国内领先的隐私安全计算技术服务商之一，公司专注于联邦学习、安全多方计算、匿踪查询等加密计算领域，业务场景以金融、运营商、政务为主，并拓展到医疗、司法监管、工业互联等领域。不仅如此，富数科技还是隐私计算互联互通协议首个国家标准的牵头单位，深度参与信安标委、金标委、工信部等标准的制定。

基于多方安全计算与运营商建立数据合作关系，交通银行风控能力显著提升

图2：反欺诈场景下-富数隐私计算平台在交通银行部署进程

2020年7月，富数科技与交通银行、中国移动联合申报的上海金融科技创新监管应用“基于多方安全图计算的中小微企业融资服务”获得公示，成为国内金融领域首个对外公开运行的多方安全计算应用。在此合作背景下，富数科技与交通银行深度探索了隐私计算技术在风险管控、精准营销等重点行业场景的应用，落地多个高价值案例。

针对交通银行现有反欺诈场景下隐私计算技术需求，富数科技于2020年6-7月份开始在交通银行金融科技创新实验室进行产品部署相关架构设计，之后在同年8月份，进行了业务应用测试，对产品与业务场景匹配度进行跑通验证；同时，在9月份在运营商部署隐私计算平台，并进行互通验证；于2020年12月份，根据数据双方所提供的业务数据样本，交通银行完成了相关业务模型的初步构建；2021年5月份，数据合作双方基于第一轮建模结果，进行了二轮联合建模，完善已有数据模型。

图3：基于多方安全知识图谱计算的中小微企业融资服务

首先，依托富数Avatar隐私计算平台所具备的多方安全计算技术，使交通银行能够以更加安全合规的方式将自身银行欺诈客户个体信息，与运营商关系网络结合进行联合统计分析，在数据不出门的前提下，对客户进行多维综合评估，精准识别高危客户，有效避免了的跨组织调用产生的数据泄露风险的同时，提升交通银行风险防控能力及客户贷款体验。

其次，在提升风控模型准确性方面，依靠富数Avatar隐私计算平台所具备的多方安全计算技术以及拓扑图分析能力，交通银行能够将自身数据与运营商数据结合进行统一联合计算，使得原有单点式风险防控演进为集群性风险防控，有效解决由于数据维度不充足、数据信息不对称，而导致的计算结果不够精确的问题，助力交通银行中小微企业精准投放贷款和集群风险管控。

最后，为补强交通银行应对群体性金融欺诈能力，富数首次将图计算技术与多方安全计算技术进行融合，打造新型多方知识图谱融合计算技术，通过将交通银行与移动运营商的关系图谱数据深度融合，建立在有监督和无监督情况下适用的群体性欺诈风险模型，并结合关系网络异常检测、离群行为预警等辅助技术，有效识别企业集群背后复杂关系链条及欺诈风险，实现全方位风险预警。

依托联邦学习、隐私求交技术建立与银联数据合作关系，补足精准营销需求

图4：交通银行与中国银联客户精准营销

交通银行始终坚持数据驱动发展，面向内部经营，推进数据的标准化和规范化管理。推进业务数据化，通过全量采集、智能处理、规范定义，将业务数据转化成可以被记录、存储、追踪和使用的数据资产；统一数据标准与数据模型，做强企业级数据治理；推动数据业务化，用数字化思维创新产品设计、重构业务流程，构建覆盖前中后台的数据驱动业务发展模式等。在此基础上，交行积极面向外部合作，参与并服务国家级数字基础设施建设，探索建立银行业数据与外部公共数据、行业数据的交换机制、融合机制、信息安全保护机制。运用隐私计算技术，促使数据可交换、可流通，逐步建立“数据不出行、信息可共享”场景生态，真正发挥数据要素价值作用。

一方面，通过富数Avatar隐私计算平台所具备的纵向联邦学习技术，在互相不泄露隐私数据的前提下，使用分布式存储在各自数据中心的多方数据，将交通银行自有用户数据与银联用户数据结合，进行对历史上参与资产提升营销活动客户的联合建模，丰富了数据建模的参数维度，显著提升了交通银行用户画像模型的准确性，带动了营销转化效率的提升。

另一方面，为提升高潜客户的识别能力，交通银行基于富数Avatar隐私计算平台所具备的隐私求交技术，通过将自身潜力客户模型计算出的高潜客户名单与银联潜力客户模型计算出的高潜客户名单进行跨组织比对、求交，获得两方都认为是高潜客户的名单；同时，将银联的高潜客户名单与交通银行自身非高潜客户名单比对、求交，对已有高潜客户名单进行查漏补缺，全面提升交通银行高潜客户识别能力，促进了营销转化效率的进一步增长。

隐私计算助力交通银行风控、营销能力全面升级

精准风控，有效缓解中小微企业融资难的问题。通过部署Avatar隐私计算平台，交通银行构建了能够保护客户信息隐私性和安全性的精细化金融服务体系，通过将运营商数据与自身数据深度融合应用，充分发挥移动运营商数据价值，并结合风控平台结果，为客户鉴权、增信，大幅提升风控模型精准性；同时，运用在线金融工具打造了线上线下一体化”交银e办事”服务，实现了身份核验手段多元化、线上融资服务差异化、普惠金融生态健康化，提升银行普惠金融的时效性、便捷性，进而有效缓解中小微企业融资难问题。

精准营销，显著提升目标客群识别能力。依靠联合建模的模型比较和隐私求交客户的比较，有效弥补了交通银行由于数据不充分而造成的对客户认识不全、对客群分析不充分、无法构建全局视图及全方位视图的不足。一方面，通过联合建模比对，使得交通银行目标客群识别率较原模型平均水平提升1-1.5倍。另一方面，通过隐私求交比对，使得交通银行高潜客户名单在AUM（可管理资产规模）、（时点）沃德客户人数占比、理财产品销售等方面均有较大提升。

案例来自《2022爱分析·银行数字化实践报告》：踏长歌，银行数字化转型拨云见日| 爱分析报告