文/中國(guó)銀聯(lián)金融科技研究院 高鵬飛? 周雍愷
中國(guó)銀聯(lián)數(shù)據(jù)隱私保護(hù)創(chuàng)新技術(shù)研究組
人工智能（AI）的概念自20世紀(jì)50年代誕生以來(lái)，已經(jīng)歷多次技術(shù)革新和應(yīng)用浪潮。從早期的邏輯符號(hào)推理到專(zhuān)家系統(tǒng)，再到機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的突破，AI在各行業(yè)都得到了長(zhǎng)足的探索和應(yīng)用。近年來(lái)，隨著計(jì)算能力的顯著提升和ChatGPT的橫空出世，AI領(lǐng)域迎來(lái)了一個(gè)新的里程碑——大模型AI。相比于大模型之前的AI （本文稱(chēng)之為傳統(tǒng)AI），大模型AI的出現(xiàn)開(kāi)啟了創(chuàng)造性和適應(yīng)性智能，兩者都將為數(shù)字經(jīng)濟(jì)持續(xù)注入數(shù)字化能力。
本文將以中國(guó)銀聯(lián)與主要金融機(jī)構(gòu)的產(chǎn)業(yè)實(shí)踐，從傳統(tǒng)AI與大模型AI分別展開(kāi)，展示“AI+隱私計(jì)算”助力金融數(shù)據(jù)要素有序流動(dòng)的實(shí)踐與探索，并介紹當(dāng)前隱私計(jì)算互聯(lián)互通的最新進(jìn)展，以及未來(lái)與AI生態(tài)深度融合的展望。
人工智能、隱私計(jì)算與金融數(shù)據(jù)要素共享流通
現(xiàn)代大參數(shù)量AI的高效運(yùn)作往往依賴(lài)于海量?jī)?yōu)質(zhì)數(shù)據(jù)的支撐，以便AI系統(tǒng)能夠從中學(xué)習(xí)模型并準(zhǔn)確預(yù)測(cè)和決策。這些數(shù)據(jù)不僅需要具備足夠的體量，而且要具有多樣性和質(zhì)量，尤其是在商業(yè)領(lǐng)域，訓(xùn)練一個(gè)優(yōu)質(zhì)模型僅僅依靠一家企業(yè)的數(shù)據(jù)是不夠的，需要數(shù)據(jù)能夠跨行業(yè)、跨機(jī)構(gòu)融合。
數(shù)據(jù)作為信息載體，蘊(yùn)含個(gè)人隱私、商業(yè)機(jī)密，甚至事關(guān)國(guó)家安全。2020年以來(lái)，國(guó)家陸續(xù)出臺(tái)了一系列法律法規(guī)，數(shù)據(jù)安全監(jiān)管趨嚴(yán)，數(shù)據(jù)也上升為關(guān)鍵生產(chǎn)要素。解決多方數(shù)據(jù)融合需求和數(shù)據(jù)安全、隱私保護(hù)的矛盾，需要相關(guān)技術(shù)予以支撐。隱私計(jì)算基于“原始數(shù)據(jù)不出域，可算不可見(jiàn)”的特性，能夠在保障數(shù)據(jù)隱私安全的情況下實(shí)現(xiàn)數(shù)據(jù)價(jià)值交換，近年來(lái)受到業(yè)界重點(diǎn)關(guān)注，發(fā)展較快。AI結(jié)合隱私計(jì)算技術(shù)無(wú)疑可以助力數(shù)據(jù)在安全合規(guī)的前提下實(shí)現(xiàn)更大范圍的融合，推動(dòng)各行業(yè)數(shù)字化水平的進(jìn)一步提升。
金融業(yè)是數(shù)據(jù)密集型和科技驅(qū)動(dòng)型行業(yè)，現(xiàn)代金融業(yè)務(wù)的核心就是信息處理與風(fēng)險(xiǎn)運(yùn)營(yíng)。智能化的數(shù)據(jù)處理及數(shù)據(jù)要素的流動(dòng)對(duì)金融業(yè)而言好比大腦與血液。因此，以“AI+隱私計(jì)算”驅(qū)動(dòng)的跨域數(shù)據(jù)智能成為金融機(jī)構(gòu)數(shù)字化轉(zhuǎn)型的必選項(xiàng)。越來(lái)越多金融機(jī)構(gòu)間通過(guò)隱私計(jì)算技術(shù)推進(jìn)了多元化跨域多方數(shù)據(jù)融合，并結(jié)合各類(lèi)人工智能技術(shù)在信貸風(fēng)控、精準(zhǔn)營(yíng)銷(xiāo)、金融反詐等金融數(shù)據(jù)場(chǎng)景上進(jìn)行模型訓(xùn)練與深度應(yīng)用，同步也在更多的業(yè)務(wù)領(lǐng)域進(jìn)行前沿探索。
“傳統(tǒng)AI+隱私計(jì)算”在金融風(fēng)控與營(yíng)銷(xiāo)領(lǐng)域的應(yīng)用
傳統(tǒng)AI與隱私計(jì)算的融合日趨成熟，在大幅提升金融業(yè)務(wù)的智能化水平的同時(shí)，有效保障了金融數(shù)據(jù)的安全與隱私。隱私計(jì)算與AI結(jié)合的核心技術(shù)主要包括：聯(lián)邦學(xué)習(xí)、多方安全計(jì)算（MPC）、可信執(zhí)行環(huán)境（TEE）等。這些技術(shù)使得多方可以在不泄露敏感信息與原始數(shù)據(jù)的前提下進(jìn)行聯(lián)合建模與聯(lián)合預(yù)測(cè)。
目前，中國(guó)銀聯(lián)已經(jīng)在支付、小微信貸風(fēng)控、精準(zhǔn)營(yíng)銷(xiāo)等模型場(chǎng)景中通過(guò)“傳統(tǒng)AI+隱私計(jì)算”為用戶(hù)敏感信息提供強(qiáng)有力的安全保障，助力金融數(shù)據(jù)的跨域跨主體流通，發(fā)揮數(shù)據(jù)要素價(jià)值。
1.安全生物特征支付。數(shù)字經(jīng)濟(jì)時(shí)代，用戶(hù)生物特征信息的應(yīng)用面臨越來(lái)越高的合規(guī)與數(shù)據(jù)安全風(fēng)險(xiǎn)?；谏锾卣餍畔⑦M(jìn)行用戶(hù)身份識(shí)別的技術(shù)，在金融、安防、電子商務(wù)等諸多場(chǎng)景實(shí)現(xiàn)了廣泛應(yīng)用。一般通過(guò)客戶(hù)端采集生物特征信息，將用戶(hù)的明文數(shù)據(jù)傳輸?shù)皆粕戏?wù)端進(jìn)行特征值的提取和驗(yàn)證。對(duì)于用戶(hù)而言，生物特征信息需明文傳送至云端，面臨個(gè)人信息泄露風(fēng)險(xiǎn)；對(duì)于金融機(jī)構(gòu)而言，保留用戶(hù)生物特征信息也需要承擔(dān)數(shù)據(jù)泄露的風(fēng)險(xiǎn)。
在金融支付場(chǎng)景中，更需要平衡業(yè)務(wù)需求與個(gè)人信息保護(hù)之間的關(guān)系。在人臉特征識(shí)別的支付場(chǎng)景中，為保障數(shù)據(jù)安全，金融機(jī)構(gòu)收集的人臉圖片或特征信息不能完整存儲(chǔ)于一方，需要在多方協(xié)同下完成身份驗(yàn)證與識(shí)別。為滿(mǎn)足此應(yīng)用需要，形成了以下兩種技術(shù)方案。
（1）MPC方案。人臉識(shí)別支付是一種利用人工智能技術(shù)，特別是神經(jīng)網(wǎng)絡(luò)，來(lái)識(shí)別個(gè)體面部特征并進(jìn)行身份驗(yàn)證的支付方式。系統(tǒng)通過(guò)卷積神經(jīng)網(wǎng)絡(luò)（CNN）從輸入的圖像中自動(dòng)提取出人臉的深層特征，將圖像數(shù)據(jù)轉(zhuǎn)換為低維度的特征向量，通過(guò)與已存儲(chǔ)的用戶(hù)面部特征相匹配，從而完成支付過(guò)程中的身份驗(yàn)證。
在MPC方案中，通過(guò)MPC秘密分享的方式將生物特征隨機(jī)切分成碎片存儲(chǔ)至兩個(gè)獨(dú)立的實(shí)體，任一參與方都無(wú)法恢復(fù)完整的生物特征，降低了泄露風(fēng)險(xiǎn)。同時(shí)，基于MPC進(jìn)行人臉圖像特征提取和特征比對(duì)計(jì)算，確保生物特征數(shù)據(jù)的安全和計(jì)算結(jié)果的正確性、完整性。在實(shí)用性方面，采用明密文混合運(yùn)算優(yōu)化深度神經(jīng)網(wǎng)絡(luò)的離線(xiàn)特征提取，采用秘密分享、同態(tài)加密混合計(jì)算優(yōu)化1:N特征比對(duì)在線(xiàn)處理。在不改變用戶(hù)生物特征識(shí)別處理流程的基礎(chǔ)上，有效提升MPC安全生物特征處理效率，滿(mǎn)足人臉識(shí)別支付場(chǎng)景的生產(chǎn)可用要求（如圖1所示）。
該項(xiàng)目于2021年4月入箱人民銀行上海金融科技創(chuàng)新監(jiān)管試點(diǎn)第二批應(yīng)用試點(diǎn)，依托基于隱私計(jì)算技術(shù)的數(shù)據(jù)要素安全流通基礎(chǔ)設(shè)施，完成銀聯(lián)與某商業(yè)銀行雙邊網(wǎng)絡(luò)的多方安全計(jì)算系統(tǒng)部署。2023年12月由上海市金融科技創(chuàng)新監(jiān)管工具實(shí)施工作組宣布完成出箱。
項(xiàng)目綜合運(yùn)用了隱私計(jì)算MPC技術(shù)，深度結(jié)合人臉識(shí)別場(chǎng)景，為個(gè)人信息保護(hù)法等法律法規(guī)中對(duì)于用戶(hù)生物特征（人臉）信息的安全合規(guī)使用要求提供了解決方案。在用戶(hù)敏感信息存儲(chǔ)方面，提出了生物特征分散存儲(chǔ)模式。為確保用戶(hù)生物特征（人臉）信息的合規(guī)使用，將用戶(hù)人臉特征信息經(jīng)處理后形成計(jì)算因子，分散存儲(chǔ)在多個(gè)機(jī)構(gòu)，即使單個(gè)機(jī)構(gòu)的計(jì)算因子泄露，也無(wú)法恢復(fù)完整的用戶(hù)人臉信息。同時(shí)，單個(gè)機(jī)構(gòu)保存的計(jì)算因子無(wú)法獨(dú)立完成交易驗(yàn)證過(guò)程。
（2）TEE方案。基于可信執(zhí)行環(huán)境提供的安全隔離環(huán)境、安全傳輸方式和應(yīng)用訪問(wèn)控制能力實(shí)現(xiàn)人臉識(shí)別服務(wù)。其中，用戶(hù)側(cè)在TEE環(huán)境完成人臉信息的安全采集；機(jī)構(gòu)側(cè)在TEE環(huán)境完成人臉信息的密態(tài)處理；用戶(hù)側(cè)到機(jī)構(gòu)側(cè)數(shù)據(jù)全部為加密狀態(tài)傳輸。針對(duì)人臉敏感信息的計(jì)算處理過(guò)程均在可信執(zhí)行環(huán)境完成，機(jī)構(gòu)內(nèi)外部人員均無(wú)法獲取到明文信息，加強(qiáng)了隱私數(shù)據(jù)的安全保護(hù)。
2.小微助貸聯(lián)合建模。某商業(yè)銀行在開(kāi)展小微企業(yè)信貸時(shí)，缺乏企業(yè)經(jīng)營(yíng)狀況等有效數(shù)據(jù)維度支撐，難以支撐銀行小微助貸業(yè)務(wù)有效開(kāi)展，導(dǎo)致小微企業(yè)融資難、融資貴。在此背景下，銀聯(lián)與商業(yè)銀行圍繞“微業(yè)貸”業(yè)務(wù)開(kāi)展小微信貸風(fēng)控合作?？紤]到國(guó)家數(shù)據(jù)安全相關(guān)法律法規(guī)要求，本案例通過(guò)聯(lián)合建模服務(wù)實(shí)現(xiàn)銀行和銀聯(lián)雙方數(shù)據(jù)在業(yè)務(wù)側(cè)的聯(lián)合建模，銀聯(lián)作為數(shù)據(jù)提供方，銀行作為數(shù)據(jù)需求方。同時(shí)，為提高模型效果及穩(wěn)定性，對(duì)模型進(jìn)行迭代更新。
（1）基于縱向聯(lián)邦學(xué)習(xí)技術(shù)的解決方案。利用服務(wù)底座的縱向聯(lián)邦學(xué)習(xí)功能及數(shù)據(jù)撮合功能開(kāi)展聯(lián)合建模工作（如圖2所示）。
（2）項(xiàng)目合作過(guò)程主要包括四個(gè)步驟。一是數(shù)據(jù)和平臺(tái)接入。銀聯(lián)側(cè)和銀行側(cè)分別部署隱私計(jì)算平臺(tái)節(jié)點(diǎn)，雙方開(kāi)通網(wǎng)絡(luò)互通策略，實(shí)現(xiàn)平臺(tái)的互通。同時(shí)，雙方節(jié)點(diǎn)與本地?cái)?shù)據(jù)庫(kù)打通。二是聯(lián)合建模特征構(gòu)建。雙方根據(jù)共有用戶(hù)及其所能獲取的相關(guān)數(shù)據(jù)特征維度，進(jìn)行合理切分，制定特征體系。商業(yè)銀行側(cè)抽取小微企業(yè)的信貸違約記錄作為標(biāo)簽；銀聯(lián)側(cè)融合多源數(shù)據(jù)，構(gòu)建以支付交易數(shù)據(jù)為核心的小微企業(yè)風(fēng)險(xiǎn)評(píng)估體系，包括企業(yè)、企業(yè)主經(jīng)營(yíng)、消費(fèi)等多維度的數(shù)據(jù)特征及宏觀經(jīng)濟(jì)指標(biāo)。三是聯(lián)合建模。采用縱向邏輯回歸模型，結(jié)合特征體系作多輪計(jì)算優(yōu)化，實(shí)現(xiàn)雙方的聯(lián)邦建模。四是模型效果驗(yàn)證。從ROC曲線(xiàn)所圍區(qū)域面積來(lái)看，聯(lián)合建模的曲線(xiàn)相較于自有數(shù)據(jù)建模更為飽滿(mǎn)，相應(yīng)的AUC值提升了10多個(gè)百分點(diǎn)，超出行方預(yù)期。商業(yè)銀行在實(shí)際應(yīng)用中目標(biāo)客戶(hù)授信率與傳統(tǒng)方式相比平均提高了5個(gè)百分點(diǎn)，表明雙方數(shù)據(jù)通過(guò)聯(lián)合建模融合能夠顯著提升模型的性能表現(xiàn)。
3.精準(zhǔn)營(yíng)銷(xiāo)建模。商業(yè)銀行的精準(zhǔn)營(yíng)銷(xiāo)、數(shù)字化運(yùn)營(yíng)、智慧風(fēng)控都依賴(lài)于大數(shù)據(jù)，但隨著行內(nèi)自有數(shù)據(jù)應(yīng)用天花板的顯現(xiàn)，迫切需要引入外部數(shù)據(jù)助力業(yè)務(wù)數(shù)字化轉(zhuǎn)型發(fā)展。為此，商業(yè)銀行積極推動(dòng)與銀行卡機(jī)構(gòu)開(kāi)展數(shù)據(jù)合作?？紤]到國(guó)家數(shù)據(jù)安全相關(guān)法律法規(guī)要求，本案例采用聯(lián)邦學(xué)習(xí)框架，實(shí)現(xiàn)商業(yè)銀行和銀聯(lián)雙方數(shù)據(jù)在業(yè)務(wù)側(cè)的聯(lián)合建模。
本案例基于聯(lián)邦學(xué)習(xí)技術(shù)的建模方案，通過(guò)服務(wù)底座的聯(lián)合建模完成雙方數(shù)據(jù)合作。其中，商業(yè)銀行作為數(shù)據(jù)應(yīng)用方，提出業(yè)務(wù)需求及建模方案，并準(zhǔn)備參與聯(lián)合建模的正負(fù)樣本數(shù)據(jù)。銀聯(lián)作為數(shù)據(jù)提供方和平臺(tái)方，一方面參與聯(lián)合建模方案設(shè)計(jì)，并根據(jù)業(yè)務(wù)方需求和建模方案，完成自身參與建模的數(shù)據(jù)特征處理，并形成參與建模的樣本數(shù)據(jù)。另一方面提供平臺(tái)聯(lián)合建模服務(wù)。
聯(lián)合建模結(jié)果表明，通過(guò)引入銀聯(lián)的數(shù)據(jù)，商業(yè)銀行高價(jià)值客戶(hù)營(yíng)銷(xiāo)模型效果提升明顯，KS指標(biāo)提升64%。結(jié)合商業(yè)銀行行內(nèi)客戶(hù)畫(huà)像系統(tǒng)，顯著提升了用戶(hù)營(yíng)銷(xiāo)的精準(zhǔn)度和成功率。
“大模型AI+隱私計(jì)算”的研究探索
人工智能大模型的安全性涉及多個(gè)方面，例如模型投毒，惡意參與方通過(guò)操縱或篡改輸入數(shù)據(jù)影響模型行為。又如大模型知識(shí)產(chǎn)權(quán)保護(hù)問(wèn)題，大模型存在被抄襲或盜用的風(fēng)險(xiǎn)，一方面，某些企業(yè)可能會(huì)通過(guò)逆向工程等手段獲取其他公司的大模型結(jié)構(gòu)和參數(shù)，并在此基礎(chǔ)上進(jìn)行修改和使用。另一方面，一些大模型是基于開(kāi)源技術(shù)開(kāi)發(fā)的，開(kāi)源協(xié)議通常規(guī)定了使用者的權(quán)利和義務(wù)，如果使用者違反協(xié)議，對(duì)開(kāi)源模型進(jìn)行不當(dāng)?shù)男薷?、分發(fā)或商業(yè)利用，可能引發(fā)知識(shí)產(chǎn)權(quán)糾紛。
此外，在大模型訓(xùn)練和推理階段同樣存在各類(lèi)安全風(fēng)險(xiǎn)。在訓(xùn)練階段，訓(xùn)練數(shù)據(jù)中可能包含大量的個(gè)人信息、商業(yè)機(jī)密等敏感數(shù)據(jù)。如果數(shù)據(jù)存儲(chǔ)、傳輸或使用過(guò)程中的安全措施不到位，可能導(dǎo)致敏感信息泄露。
隱私計(jì)算技術(shù)通過(guò)聯(lián)邦學(xué)習(xí)、可信執(zhí)行環(huán)境及模型切片、端云協(xié)同、差分隱私、提示工程保護(hù)、隱私微調(diào)、多方安全計(jì)算等方法，起到了保障大模型訓(xùn)練與推理等階段的數(shù)據(jù)安全隱私、平衡計(jì)算資源與效率、促進(jìn)數(shù)據(jù)要素流通的作用。目前，業(yè)界已有研究通過(guò)可信執(zhí)行環(huán)境和模型切分實(shí)現(xiàn)大模型安全訓(xùn)練，模型拆分可以提升聯(lián)邦模式下模型參數(shù)在通信信道傳輸?shù)男逝c機(jī)密性，而可信執(zhí)行環(huán)境可以保障訓(xùn)練過(guò)程的機(jī)密性并防止訓(xùn)練數(shù)據(jù)泄露；基于多方安全計(jì)算協(xié)議的“客戶(hù)端—服務(wù)器”模式下的大模型協(xié)同訓(xùn)練可以保障數(shù)據(jù)隱私，同時(shí)，利用模型蒸餾方式保護(hù)了原始大模型內(nèi)容隱私；差分隱私算法利用距離范式將原始輸入文本隱私化，并且能夠防范模型梯度逆推攻擊。
銀聯(lián)提出了一種保護(hù)隱私與權(quán)益的大模型協(xié)作訓(xùn)練與推理方案，旨在讓金融大模型在定制化訓(xùn)練過(guò)程中實(shí)現(xiàn)“模型可用不可見(jiàn)、數(shù)據(jù)安全不出域”。該方案基于Adapter Tuning的大模型微調(diào)技術(shù)，利用模型拆分和Adapter層密態(tài)計(jì)算對(duì)訓(xùn)練數(shù)據(jù)進(jìn)行保護(hù)。同時(shí)，模型參數(shù)對(duì)數(shù)據(jù)持有者不可知。在訓(xùn)練與推理過(guò)程中，模型持有者的充足計(jì)算資源可以得到充分利用。
未來(lái)，在數(shù)據(jù)分析與智能決策、風(fēng)險(xiǎn)評(píng)估與信貸審批、智能投顧與財(cái)富管理、反欺詐與風(fēng)險(xiǎn)管理、客戶(hù)畫(huà)像與精準(zhǔn)營(yíng)銷(xiāo)、供應(yīng)鏈金融與中小企業(yè)融資等多個(gè)場(chǎng)景中，隱私計(jì)算與AI大模型結(jié)合的技術(shù)方案都將展現(xiàn)出巨大的應(yīng)用潛力。
隱私計(jì)算互聯(lián)互通助力數(shù)據(jù)要素規(guī)?；行蛄魍?/h3>
由上述應(yīng)用案例可以看出，隱私計(jì)算與AI在金融領(lǐng)域的結(jié)合，正在加快推動(dòng)金融服務(wù)向數(shù)字化、智能化方向發(fā)展。通過(guò)隱私計(jì)算，不同機(jī)構(gòu)可以在保護(hù)數(shù)據(jù)隱私的同時(shí)更好地共享數(shù)據(jù)價(jià)值，加強(qiáng)跨機(jī)構(gòu)和跨行業(yè)間合作信任，促進(jìn)數(shù)據(jù)要素的規(guī)?；魍ê蛻?yīng)用，切實(shí)推動(dòng)數(shù)據(jù)要素市場(chǎng)化。結(jié)合人工智能，隱私計(jì)算將得以更為高效地處理和分析加密數(shù)據(jù)，提供更精準(zhǔn)的數(shù)據(jù)分析結(jié)果，從而提高金融數(shù)據(jù)服務(wù)的使用規(guī)模、質(zhì)量和效率。
然而，隱私計(jì)算平臺(tái)之間的互聯(lián)互通問(wèn)題成為了制約數(shù)據(jù)要素規(guī)?；行蛄魍ǖ钠款i。由于隱私計(jì)算技術(shù)實(shí)現(xiàn)復(fù)雜、技術(shù)流派多，沒(méi)有一種技術(shù)能完全滿(mǎn)足各種業(yè)務(wù)需求。不同金融機(jī)構(gòu)、技術(shù)廠商采用不同的系統(tǒng)架構(gòu)和技術(shù)框架、用法不一，各隱私計(jì)算平臺(tái)間難以互聯(lián)互通。即使同一機(jī)構(gòu)，在實(shí)現(xiàn)同樣場(chǎng)景功能時(shí)，若合作方不同，也要部署不同的平臺(tái)，多方數(shù)據(jù)融合應(yīng)用難以協(xié)調(diào)。這種情況不僅帶來(lái)資源成本、學(xué)習(xí)成本、協(xié)調(diào)成本和運(yùn)營(yíng)成本的高企，還放大了系統(tǒng)安全風(fēng)險(xiǎn)，對(duì)隱私計(jì)算技術(shù)的應(yīng)用造成阻礙，掣肘數(shù)據(jù)要素的有序流通。基于此，消除隱私計(jì)算產(chǎn)品間的技術(shù)壁壘，實(shí)現(xiàn)跨機(jī)構(gòu)、跨平臺(tái)隱私計(jì)算技術(shù)的規(guī)?；ヂ?lián)互通，以促進(jìn)數(shù)據(jù)要素流通、激發(fā)數(shù)據(jù)價(jià)值潛能，勢(shì)在必行。
在北京金融科技產(chǎn)業(yè)聯(lián)盟數(shù)據(jù)專(zhuān)委會(huì)組織協(xié)調(diào)下，中國(guó)銀聯(lián)自2022年起聯(lián)合商業(yè)銀行、互聯(lián)網(wǎng)機(jī)構(gòu)、金融科技公司、檢測(cè)機(jī)構(gòu)、科研院所等50余家單位，共同開(kāi)展金融業(yè)隱私計(jì)算互聯(lián)互通平臺(tái)研究及應(yīng)用工作。歷經(jīng)兩年多的聯(lián)合研究攻關(guān)，現(xiàn)已取得突破性進(jìn)展，并入選“2023金融信息化10件大事”，相關(guān)工作還得到了通信、互聯(lián)網(wǎng)、能源等重要行業(yè)的積極反饋與響應(yīng)。一是發(fā)布金融業(yè)首部隱私計(jì)算互聯(lián)互通標(biāo)準(zhǔn)及業(yè)界首項(xiàng)互聯(lián)互通API接口規(guī)范，完成該標(biāo)準(zhǔn)與通信行業(yè)互聯(lián)互通標(biāo)準(zhǔn)的拉通對(duì)齊，促進(jìn)形成全行業(yè)適用的事實(shí)性標(biāo)準(zhǔn)；二是加快標(biāo)準(zhǔn)適配應(yīng)用進(jìn)程，率先完成了多方跨平臺(tái)、跨算法互通聯(lián)調(diào)驗(yàn)證，為跨域規(guī)?；M網(wǎng)驗(yàn)證試點(diǎn)奠定了基礎(chǔ)；三是聯(lián)合主流檢測(cè)機(jī)構(gòu)完成跨行業(yè)互通檢測(cè)能力建設(shè)，為產(chǎn)業(yè)化落地保駕護(hù)航；四是引領(lǐng)實(shí)踐數(shù)據(jù)要素流通場(chǎng)景，聯(lián)合工行、中行、交行、招行、浦發(fā)等商業(yè)銀行與螞蟻、字節(jié)、京東、美團(tuán)等產(chǎn)業(yè)方合作完成了睡眠卡促活、高價(jià)值用戶(hù)挖掘、小微信貸風(fēng)控和反欺詐等示范性行業(yè)標(biāo)桿案例，為下一步跨行業(yè)規(guī)?；M網(wǎng)（如圖3所示）應(yīng)用試點(diǎn)提供了堅(jiān)實(shí)支撐。
以推進(jìn)行業(yè)級(jí)互聯(lián)互通落地為出發(fā)點(diǎn)，中國(guó)銀聯(lián)將繼續(xù)加強(qiáng)與各產(chǎn)業(yè)方的合作，共同推動(dòng)金融業(yè)數(shù)據(jù)要素流通基礎(chǔ)設(shè)施建設(shè)，助力構(gòu)建開(kāi)放多元的金融科技服務(wù)生態(tài)。
小結(jié)與展望
隨著數(shù)據(jù)要素的進(jìn)一步流通，人工智能與隱私計(jì)算的結(jié)合會(huì)更加緊密。隱私計(jì)算將成為人工智能，尤其是大模型技術(shù)在金融場(chǎng)景應(yīng)用的重要支撐。一方面，隱私計(jì)算互聯(lián)互通技術(shù)有望在金融機(jī)構(gòu)間建立起數(shù)據(jù)要素有序流通的“高速路”，從而建立金融行業(yè)級(jí)的高質(zhì)量數(shù)據(jù)集，幫助訓(xùn)練和強(qiáng)化金融垂直領(lǐng)域大模型，解決當(dāng)前通用大模型難以滿(mǎn)足金融領(lǐng)域特定需求的問(wèn)題。另一方面，隨著數(shù)據(jù)要素生態(tài)的逐步發(fā)展，可能會(huì)衍生形成規(guī)模化的算法市場(chǎng)和模型市場(chǎng)，并配套建立相應(yīng)的檢測(cè)認(rèn)證體系。大型金融機(jī)構(gòu)、互聯(lián)網(wǎng)公司和人工智能企業(yè)憑借自身的技術(shù)優(yōu)勢(shì)與資源優(yōu)勢(shì)，可以面向中小金融機(jī)構(gòu)提供通用或定制化的人工智能算法和模型，從而推動(dòng)人工智能在金融行業(yè)低成本、廣泛應(yīng)用，提升金融行業(yè)整體的數(shù)據(jù)流通效率。
大模型等人工智能技術(shù)作為新質(zhì)生產(chǎn)力的重要引擎，正在引領(lǐng)新一輪產(chǎn)業(yè)變革升級(jí)。金融機(jī)構(gòu)和金融科技企業(yè)需要不斷創(chuàng)新和協(xié)作，綜合運(yùn)用隱私計(jì)算等技術(shù)保障數(shù)據(jù)有序合規(guī)流通，并進(jìn)一步打造金融細(xì)分場(chǎng)景人工智能應(yīng)用，實(shí)現(xiàn)金融數(shù)據(jù)“活水”精準(zhǔn)滴灌實(shí)體經(jīng)濟(jì)，切實(shí)助力金融高質(zhì)量發(fā)展。
（研究組成員：王琪、李定洲、趙慶杭、戚文彬、陳鐘正、胡君一、費(fèi)志軍、邱雪濤、袁航、鄒奮、張高磊、謝袁源、侯騰、丁亞丹、龐悅、袁靜、余洋、郭弘強(qiáng)、王大森、歐陽(yáng)琛、黃磊、甘恬、劉乃幸、李?lèi)?ài)林、陳伯伸、寇惠通、馮碩、羅科勤、安慶文、蔣丹妮、馬偉峰、李潔、崔喆）
（此文刊發(fā)于《金融電子化》2025年1月上半月刊）
熱門(mén)跟貼