对话星云Clustar陈沫：个保法将实施，隐私计算的机会来了

近年银行频频说要让“科技赋能”提高效率，另一边AI、区块链、隐私计算等热门技术名词不断更迭。银行用了什么技术、用到哪些产品上、怎么用的？很多人并搞不清楚其中的关联。

“比如一家银行某地分行进行信用贷展业，怎么筛选用户是可以通过技术优化的。”日前，在第五届中国金融科技创新大会期间，星云Clustar的CEO陈沫接受新京报贝壳财经等媒体采访时说道。

供图。

他重点介绍的是隐私计算，该技术从2018年前后才逐渐在国内崭露头角。星云Clustar是国内较早开展联邦学习等隐私计算技术应用探索的公司，目前BAT等大厂也纷纷入局隐私计算，银行是他们合作的重要对象之一。此外，交行、浦发等多家银行自身同样已启动隐私计算技术研究和试点应用。

为何银行青睐？主因是隐私计算在金融数据流通共享的同时，能实现隐私保护。而数据保护是近年社会各界的共识，在9月1日数据安全法施行后，个人信息保护法将于11月1日实施。“隐私计算的机会来了。”陈沫称。

不过此前AI或区块链等技术，在发展过程中都出现了使用场景有限或商业化较艰难的问题，尚处于初期阶段的隐私计算技术能撑起一个商业化赛道吗？在陈沫看来，金融可复制性强，这是隐私计算行业未来能够覆盖的机会，但能否跟业务紧密结合是下一步的关键。

5000个用户、每人2000个标签，提高营销转化率需算力加速

比起“隐私计算”，“大数据”这个名词更为人们熟知。有业内服务商人士曾评价，前几年，大数据风控已经推动了金融机构反洗钱、反欺诈，在金融机构征信与营销方面提供了帮助。

那么隐私计算要做什么？陈沫表示，营销和风控仍是两大金融应用的重要场景，隐私计算能帮助金融机构进一步提高营销转化率与风控效率。

他向记者列举了一个实例：假如一家银行某地分行每天要给5000个存量用户打电话进行信用贷展业，如何筛选用户？一般的做法是拿过去数据结果，分出正负样本。在联邦学习模式中，通过安全合规的数据建模，可将风控环节前置化，为银行输出一个名单，选择出更接近正样本的用户进行展业，进而大幅提高实际效率。在陈沫讲述的案例中，依托星云Clustar联邦学习建模平台，客户银行的营销转化率提高了3.5倍。

提高营销转化率需要的是算力。陈沫介绍，算力提升也是隐私计算发展过程中比较难攻克的一个点。“假设一个明文数据是一个bit（注：计算机存储数据的基本单位），为了不让数据泄露，同时能够算出其中的内容，隐私计算就把它变成1000个bit。其实没有增加任何信息，但是负载非常大，以前1秒就能完成的，现在变成了1000秒，因此要通过一种新的、低成本的方法来做，即算力加速。”他补充道。

隐私计算让数据“可用不可见”，个人信息保护法推出会给技术发展带来机会

“不让数据泄露”也是隐私计算的一大特征。近年大数据“杀熟”等事件层出不穷，公众非常关心数据保护问题，个人信息保护法也将于11月1日实施。如何可以既打破数据孤岛、同时实现数据流通过程中的隐私保护？

陈沫以前述实例介绍称，通过联邦学习技术描绘的客户画像，是用许多特征算出的一堆数字或中间结果，比如用数字1反映一个用户有丰富的金融在线使用习惯，下载了很多金融APP，但具体下载过什么APP，在APP上进行过什么操作等关键隐私不会透露。

“随着顶层设计的完善，传统粗放的数据采集、应用机制已行不通，现在要加一个底座保证数据安全。”谈及将要实施的个人信息保护法，他表示，隐私计算的特性是“数据可用不可见，数据不动价值动”，其出现就是为了保护个人隐私。

毕马威今年4月发布的《2021隐私计算行业研究报告》预计，随着隐私计算走红兴起，国内市场规模有望触达百亿元。同时，大众对于隐私安全的关注度日益增加，作为保护数据安全重要技术之一的隐私计算迎来快速发展期。

对于前不久传出的网络平台个人信息全面“断直连”的消息（注：监管要求网络平台不得为金融机构提供个人信息），在陈沫看来，“断直连”本质是进一步规范市场，银行的业务得自己做，特别是核心业务系统不能依赖外部，这也是科技公司的机会。

BAT等巨头下场角力，跟业务紧密结合是下一步发展的关键

金融数据流通共享已是大势所趋。

今年5月，央行启动金融数据综合应用试点，涉及北京、江苏、浙江等14省市的商业银行、清算机构、非银行支付机构。该试点即旨在探索运用人工智能、大数据、隐私计算等新一代信息技术，在安全合规的前提下推进金融数据高效治理、安全共享，提升金融核心竞争力和惠民利企能力。

公开信息显示，目前BAT等大厂已纷纷接连入局隐私计算，华控清交、富数科技等一批专注于隐私计算产品化的初创企业也不断涌现。此外，交行、浦发、招商、微众等银行也已启动隐私计算技术研究、试点应用，以推进银行数字化转型建设。

如何看待市场竞争？陈沫认为，没有一家机构可以普适，大厂也需要科技公司帮它在实际业务中做技术、产品的拼接。虽然大厂的优势很明显，有数据、技术、产品，但劣势是也做业务，所以跟大银行之间合作可能会存在分歧。相较之下，一个中立商在其中的角色会更好。

市场上还有声音认为，目前隐私计算技术异构的不同算法和平台之间，可能反而加剧数据孤岛的问题。对此，陈沫表示，事情有两面性，当技术合规时，一定会有公司先迈出一步，跑出一些全新的商业模式。“除非这个行业没有竞争，但是银行的竞争大家是看得到的。”他说道。

从整体技术发展看，此前AI或区块链都存在使用场景有限或商业化较难的问题，市场对待新兴技术也比较谨慎。相比之下，隐私计算是否能撑起一个商业化赛道？陈沫认为，隐私计算是未来人工智能产业的关键基础设施，目前中国拥有4000余家银行及保险公司等金融机构，这是隐私计算行业未来能够覆盖的机会，但能否跟业务紧密结合也是下一步的关键。

新京报贝壳财经记者 程维妙 编辑 张冰 校对 李世辉