同花顺-圈子

　　引言

　　12月17日，上海财经大学MBA/EMBA高峰论坛在沪举行，360数科隐私保护与安全计算研究院院长沈赟博士受邀分享360数科在数字化、智能化方面的领先经验，并提出，数字化、智能化是新时代企业创新的核心驱动力。

　　沈赟介绍，360数科累计帮助超过140家金融机构服务了2亿以上的用户。公司自研了一套从智能营销、智能风控到智能运营、智能贷后管理等涵盖用户全生命周期的完整业务体系。这套业务体系完全是数据驱动的，采用了多种最前沿的智能科技。

　　例如，在智能营销方面，公司自研了Glaucus增长引擎，能够较为精准地预判用户的金融产品需求，从而帮助传统金融机构显著降低获客成本；在智能风控方面，公司自研了Argus大数据风控引擎，开发了超过20万维度的特征和400多个各类风控模型。超过99%的用户都由平台自动进行风控审核，完全不需要人工干预。同时，这套风控系统还帮助金融机构显著降低了风险成本。

　　大数据展业，当有所为有所不为。360数科从三个方面入手，确保了这些庞大用户数据对于合规要求的满足。

　　//

　　首先，在数据安全方面，360数科建立了非常严格的数据管控体系，采取了包括数据加密等一系列措施保证数据安全。层层保护下，这些数据在确保不被轻易泄露的同时，也能很好地防止黑客攻击。

　　其次，在数据应用方面，虽然就数据应用目的而言，个体信息并不受关注，只有将海量数据汇集到一起后，经过分析、建模，提取出的统计规律与群体特征才是真正有实用价值的信息，但是公司仍然对用户信息进行了高度严格的脱敏处理，如姓名、家庭住址等，确保工作人员在操作层面无法获取单个用户的具体信息。

　　最后，在隐私计算研发与落地方面，360数科也走在行业前端。公司自研了一套名为 “层级联邦学习”的隐私计算技术。其中，联邦学习是一种非常主流的隐私计算技术。

　　但是在落地实践中，当传统联邦学习技术在超过两方以上去进行学习的时候，对网速、带宽、机器性能的要求非常高，相应的学习成本就很高。因此，360数科隐私保护与安全计算研究院率先尝试，将多方学习拆成多个两方学习，在保持学习效果的前提下，降低了学习成本，从而能够快速落地应用。

　　沈赟进一步指出，“层级联邦学习”针对的是金融领域里普遍存在的数据孤岛问题。要对一个用户做出准确、完整、综合的判断，最理想的做法是聚合该用户的所有金融信息，比如所有的收入、支出、负债等等。但是一个用户往往会在多家金融机构开户，在各个机构都留存信息，出于隐私保护与数据合规的考虑，各个机构不允许、也不会彼此分享数据。这就产生了一个所谓数据孤岛的悖论。

　　而隐私计算技术则可以从技术角度来解决这类问题。这类技术可以保证交互的双方或者多方在不获取对方原始明文数据的情况下，把信息聚合到一起，经过算法，学习出有用的规律。这就类似于每个机构把原材料（也就是原始数据）都加工成一些半成品，然后多家机构再一起配合，将半成品组装成最终的成品。这里面的半成品并不能还原成原材料。这就确保了在不获取原始个人数据的前提下，多方共享信息，达成数据的合作与共赢。