每日经济新闻

    专访星云Clustar CEO陈沫:银行本质上是一门风险生意,建立反欺诈机制、做好信用审核是风控重要环节

    每日经济新闻 2021-09-18 22:37

    ◎陈沫:反洗钱一直是银行业在风险控制时的一个重要任务。传统做法是适用规则和模型,利用银行自身的数据,来判断交易是否为洗钱活动。但传统方法效率比较低,覆盖范围也比较窄。而利用联邦学习技术,银行便能够在银行之间、银行与其他机构之间进行合作,通过交换加密参数,联合建模,解决反洗钱样本少、数据质量低的问题。

    每经记者 肖世清    每经编辑 廖丹    

    作为高度数字化的行业,金融业对数据的收集使用不亚于任何行业,但随之而来的“个人信息泄露”等问题也被监管屡屡提及到。金融机构要给用户提供个性化、精准化的金融服务,必然会对用户个人信息进行筛选建模。如何平衡业务创新和用户隐私保护之间的关系,也成为银行等金融机构面临的一道考题。

    在此背景下,联邦学习作为一种新型技术产业在市场上崭露头角。星云Clustar作为国内率先开展联邦学习等隐私计算技术应用探索的公司,已和建行、招行、微众银行等多家金融机构开展合作。星云Clustar CEO陈沫在接受《每日经济新闻》记者专访时介绍,该技术可以解决金融产业中数据跨机构互联互通的安全性难题,降低隐私泄露风险,还可提升银行在反洗钱上的监测效率和精准度。

    那么,这项新技术当前在金融领域都有哪些应用?金融机构对技术的需求发生了何种变化?技术在实践过程中出现哪些难点?未来能否实现大面积的推广应用?陈沫在接每经记者采访时也一一作答。

    星云ClustarCEO陈沫 图片来源:受访者供图

    建立反欺诈机制是银行风控重要环节之一

    提及联邦学习在金融领域的应用,陈沫称,该技术可以解决金融产业中数据跨机构互联互通的安全性难题,降低隐私泄露风险,在不泄露各方原始数据的前提下,帮助从事数字化转型与智能化应用过程中的银行、保险公司、互联网金融机构等实现跨机构、跨部门的数据安全融合、联合风控建模、联合营销筛选等,提升金融智能的准确性及完备性。

    他以银行业为例指出:“反洗钱一直是银行业在风险控制时的一个重要任务。传统做法是适用规则和模型,利用银行自身的数据,来判断交易是否为洗钱活动。但传统方法效率比较低,覆盖范围也比较窄。而利用联邦学习技术,银行便能够在银行之间、银行与其他机构之间进行合作,通过交换加密参数,联合建模,解决反洗钱样本少、数据质量低的问题,形成一个稳健、特征丰富的智能模型,通过调用联合建立的模型,不用集合各方数据,银行就能大大提高反洗钱能力。”

    此外,陈沫表示,联邦学习在银行风控领域的应用很重要。他称,银行本质上是一门风险生意,要将高风险的客户识别出来,风控的核心有几项重要环节:一是建立反欺诈、黑名单机制;二是贷前做好信用审核;三是贷后观察物流数据也特别关键。

    当反欺诈黑名单遇到识别不了的情况时要如何解决?对此,陈沫称:“反欺诈识别不了,可能因为用户在A银行有诈骗行为,在B、C银行却没有。如果将几家银行数据进行核验交叉对比,就可对该用户进行精准识别。此外,不光是银行,一些金融公司、互联网公司都能够进行反欺诈黑名单的补充对比,比如,在互联网平台撸羊毛也可以作为一个金融机构信贷黑名单的来源。”

    此外,银行对联邦学习的另一大应用是营销。陈沫表示:“原来的营销跟现在的区别在于对数据的应用。比如,传统的营销是对潜在用户先投放,再过风控,而通过联邦学习可以将用户风控前置化,进行更为精准的营销,促进业务降本增效。”

    据陈沫透露,某股份行在信贷营销业务中,希望达到降低信贷风险的同时合理分配营销资源的目的,为客户提供精准信贷服务,并提高客户的产品体验。星云Clustar依托数据源为其搭建联邦学习模型,并根据该算法模型为客户评级打分,由此合理分配营销资源,使该银行信贷业务的当月营销转化率达3.5倍以上。

    联邦学习技术正处于发展的初期阶段

    据了解,星云Clustar目前与建设银行、招商银行、微众银行等金融机构达成合作,帮助银行解决金融场景的数据安全及数据价值共享等问题。

    陈沫表示:“金融行业其实是一个数字化程度很高的行业,大家都用网银或者手机银行。”

    这就涉及到个人信息保护问题了,联邦学习在这方面能发挥何种作用?对此,陈沫称:“用户申请金融服务时,银行可通过联邦学习,以‘数据可用不可见,数据不动价值动’的方式调用该用户的多方数据,在保障用户隐私安全的前提下,实现个性化的金融服务。”

    他继续解释:“例如,银行对用户进行信用授分,传统方式是直接使用用户的各方数据,综合评分,这就存在数据泄露风险,所以原来的数据通道就改成了联邦学习,在数据源和数据使用方之间用两个节点,数据不出域,也能获取与传统方式相同的效果,从技术上解决安全与合规的问题。”

    提及该项技术未来的发展前景,陈沫对记者表示,目前,联邦学习正处于发展的初期阶段。未来,随着政务、金融、医疗等产业的数字化转型进程加速,以及大数据、人工智能等产业的突飞猛进,联邦学习将作为一个组件嵌入到各类应用场景中,成为安全连接者,打通数据使用方和数据提供方。在此背景下,联邦学习将不断扩展应用边界,创造更多价值。

    毕马威《2021隐私计算行业研究报告》显示,未来,隐私计算受大数据融合应用和隐私保护的双重需求驱动,国内市场规模迎来快速发展期。随着相关技术与商业生态的发展,三年后技术服务营收有望触达人民币100亿~200亿元的空间,甚至将撬动千亿级的数据平台运营收入空间。

    版权声明

    1本文为《每日经济新闻》原创作品。

    2 未经《每日经济新闻》授权,不得以任何方式加以使用,包括但不限于转载、摘编、复制或建立镜像等,违者必究。

    3版权合作电话:021-60900099。

    上一篇

    新东方课后培训班开收秋季学费,北京东城区约谈:目前不许收费

    下一篇

    恒大财富发布重要公告!实物资产兑付工作已启动



    分享成功
    每日经济新闻客户端
    一款点开就不想离开的财经APP 免费下载体验