经济观察网 记者 汪青 长期以来，传统数据传输和共享方式无法对数据进行有效的保护，不同金融机构的数据难以互联互通，这也制约了防范风险、反欺诈和反洗钱等领域的多方协作。而如何实现数据共享和隐私保护进而达到“原始数据不出域，价值安全共享”，多方安全计算被认为是破题之策。

在7月9日举办的世界人工智能大会分论坛上，IDC发布最新报告《开放金融数据共享中隐私计算的平衡之道》。该报告认为，2021年，开放银行有望重回正常发展轨道，金融机构将以客户体验为中心，携手可信第三方共同开展产品创新，打造产品差异化，扩充产品种类。

“开放金融不仅能够在金融机构层面带来直接的业务提升，还可以通过流程外化来改善自身服务，但开放金融生态的数据价值共享需要解决精度、性能、安全三个维度之间的平衡问题”，报告称，隐私保护计算在近几年出现，这种计算由一系列加密方法和人工智能计算能力提供支持，为开放金融实现数据价值共享到的平衡带来了机会。

报告中提及浦发银行和蚂蚁集团，针对零售贷款业务，开发一整套基于多方安全计算的风险模型。

该模型基于浦发银行及其合作方的数据构建而成，蚂蚁集团为双方提供技术服务，在训练和运行两个阶段内均采取了分布式部署，且双方都应用了加密算法。这意味着，任何一方的原始数据都不会泄露给另一方，并且也无法通过对训练结果的反向工程来推导原始数据。

报告数据显示，通过与蚂蚁集团在多方安全计算技术领域的合作，浦发银行提升了模型性能。与单一数据源模型相比，多方数据协作模型可以将模型的KS值提高12%-23%。由于KS值普遍用于评估风控模型的效果，数值越高则意味着模型精准识别风险的能力越强。

在信用风险管理、识别高风险客户方面，该模型识别出超过14.5万名高风险客户，阻止了数十亿人民币的高风险贷款的发放。这进一步提高了资产质量，减少了损失。

同时，该模型识别出了37万名低风险客户，潜在授信规模约80亿元人民币，从而帮助银行拓展了零售信贷服务可支持的客户面。

报告指出，如果还使用以前的传统模型，没有多源数据，一般情况下不可能批准这些客户的贷款。该模型使得部分以前无法获得批准的贷款的客户现在也能够得到相关信贷支持。