随着金融科技的快速发展,以银行业为代表的金融行业与金融科技公司加深合,金融与科技的关系,从支持、支撑,逐渐向驱动、引领方向转变,科技开始改变金融服务的渠道与形式。然而无论是金融机构还是金融科技公司都拥有着一定量级的数据,随着双方共建的深入,在数据层面的安全隐患也亟须进一步警惕。

普华永道发布的《2018-2019年度金融科技安全分析报告》数据显示,针对客户资料及企业重要业务数据的安全事件成为发生频率最高的安全事件类别,比例高达44%。有71%的被调研企业表示,“数据安全及隐私保护”是企业目前及未来最需要加强的网络安全领域。随着各界对金融消费者个人隐私保护的日益重视,数据和信息安全已经成为智能金融时代重要的信任基石。

作为国内人工智能驱动金融业务升级的领航者,百融金服2018年成立人工智能金融实验室以来,不断完善机器学习平台建设,基于风控场景率先在业内推出基于自动机器学习(AutoML)技术的智能模型训练平台“计算未来AutoML”。与此同时,在数据和信息安全备受重视的形势下,百融人工智能金融实验室团队还积极探索联邦机器学习(FML)技术,通过去中心化协作的方式,为金融机构转型升级提供全新的发展思路。联邦学习技术的出现将为解决数据隐私与数据共享的矛盾提供有效方案。这是一种加密的分布式机器学习技术,可实现各个企业自有数据不出本地,通过加密机制下的参数交换方式,在不违反数据法规隐私的情况下,建立一个虚拟的共有模型,最终通过联合建模提升模型的效果。

百融人工智能金融实验室相关算法负责人介绍,运用联邦机器学习,一方面可以实现数据隔离,参与各方的数据不会泄露到外部,满足用户隐私保护和数据安全的需求;另一方面,通过联邦学习能够保证模型质量无损,不会出现负迁移,保证联邦模型比割裂的独立模型效果好。此外,重要的一点是各参与者地位对等,能够实现公平合作,实现打通“数据孤岛”到“共同富裕”的目标。

截至目前,百融金服已为数千家金融机构提供营销获客、风控以及贷后不良资产管理等智能产品和服务;客户涵盖300多家银行、全部的持牌消费金融公司以及4000多家非银金融机构;产品应用场景覆盖银行信贷业务、消费金融、保险、电商、汽车金融、融资租赁、支付平台等。未来,百融金服也会在金融科技发展的路上积极探索,守护金融数据库安全,护航企业数据商用。