【大河报·大河财立方】（记者 李震）2021年被认为是隐私计算的应用落地元年。近日，国际权威机构 IDC发布报告《IDC PeerScape：金融行业隐私保护计算探索与实践》。这是IDC首篇完整解读隐私计算在中国金融行业落地的报告。中原消费金融的金融场景数据安全实践案例成功入选，这一案例基于中原消费金融与腾讯安全风控团队共同完成的联邦学习联合建模项目，为数据的“可用不可见、可控可计量”提供了有参考价值的思路。

具体来说，中原消费金融是如何解决数据泄露的隐患，守护好你的隐私数据安全的？

据了解，联邦学习作为一种以模型的本地训练与模型参数加密传输为基础的隐私保护计算技术，多方数据源之间通过加密传输机制交换计算参数，进行协同模型训练与预测。整个过程中，没有传输任何原始数据，在一定程度上解决了数据泄露的隐患，进一步确保了数据协作的合法合规性。

IDC报告指出，金融机构通过联邦学习技术方案，可以在符合数据安全和法律法规的前提下，进行数据高效交互和联合建模，全程保证数据可用不可见，有效解决数据的高效共享与流通。

在中原消费金融的金融场景数据安全实践案例中，中原消费金融风控团队聚焦信贷风控业务，借助腾讯安全隐私保护计算平台，与腾讯安全风控团队共同完成了联邦学习联合建模项目。该联合建模项目有效实现了信贷业务全生命周期多业务场景覆盖，并帮助中原消费金融有效降低客户不良率。

中原消费金融联邦学习平台上线至今已稳定运行1年多，双方联合开发并上线了多个联邦学习模型，广泛应用于反欺诈、贷前审批、回捞等环节。线上监测结果显示，该模型在风险排序性、区分度、稳定性方面表现良好，充分验证了联邦学习在风控建模上的有效性。

责编:刘安琪 | 审核:李震 | 总监:万军伟

陈诗昂

大河财立方记者

关注领域：资本市场、大交通

发表文章1760篇