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

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。