腾讯安全隐私计算实践案例入选权威机构研究报告

金融机构如何安全合规地实现数据采集、流通与使用？

近日，《IDC PeerScape：金融行业隐私保护计算探索与实践》报告正式发布。江苏银行与河南中原消费金融股份有限公司（简称中原消费金融）基于腾讯安全“联邦学习”模型的金融场景数据安全实践案例成功入选，为数据的“可用不可见、可控可计量”提供了极具参考价值的思路。

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。据线上监测结果显示，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。

江苏银行为了有效打破“数据孤岛”，驱动各业务数据之间的共享与融合，基于联邦学习技术，与腾讯安全进行了联合开发和方案部署。合作共建平台从 2021 年 3 月份上线运行后，运行效果显著。不仅省去了提供中间证明材料等线下较为繁琐的流程，使得贷款审批更加高效，让金融服务更便捷。而且，借助于该联邦学习平台，江苏银行还可以自动按客户的后台多元化模型评估结果匹配合适的贷款产品和贷款额度，有效提升了客户体验。

作为国内较早研发联邦学习技术的企业，腾讯安全研发的联邦学习平台可以兼容微众银行联邦学习FATE架构和腾讯PowerFL技术架构，专注于隐私计算技术的研发和上层的应用服务，实现业务智能化管理。

目前，腾讯安全联邦学习平台已经申请多项专利和行业认证，拥有丰富的工程化工具集，解决方案处于行业领先水平。同时，该平台还在持续优化中，当前一个包含200多个特征变量、十万数据量的模型训练分钟级即可完成每轮次迭代，联邦模型在线服务200ms内返回结果，未来这个时间将进一步缩短。腾讯安全也将持续发挥优势，与行业伙伴共同搭建数字化的智能风险管理体系，护航企业数字化转型。