證券時報記者 段久惠 杜曉彤 李穎超

    誰是“關鍵信息基礎設施的運營者”？如何確保數據安全？相關話題再度引發關注。

    金融機構擁有龐大量級的數據資源和數據資產，一向是數據合規治理中的焦點。證券時報記者調查發現，隨著數據資源的價值越來越受重視，法律法規、行業標準密集落地帶來的合規要求也在提高，在多方合力下，越來越多金融機構加大對隱私計算等技術的投入。

    事實上，近期個人信息保護法、數據安全法兩部頂層法律的先后落地，各行業對數據安全的討論與重視度也空前高漲，金融業更是走在了最前列。

    證券時報記者了解到，去年年底以來，已有十余家頭部大行、股份行以及部分城農商行立項，尋求利用包括隱私計算在內的“可信AI”（人工智能）技術打通內部數據或接入外部數據。所謂“可信AI”，一大特征是各方數據在“盒子”里自行運轉而不出“盒”，在不可見的前提下，實現多方數據共享。

    “這種技術去年之前還無人問津，因為這對于機構而言是一個成本項，商業落地需求并不明顯。”一位業內人士表示，這一市場的爆發式增長，側面反映金融機構對數據安全與合規使用的要求正在進一步加強。同時，也更說明了金融機構對于數據的渴求。

    第三方技術供應商

    訂單成倍增長

    “從去年年底央行發布多方數據合作的金融行業標準開始，銀行就著手在做隱私計算的立項了。”星云Clustar首席執行官（CEO）陳沫向證券時報記者表示，“所以今年6月數據安全法出來，銀行端可能沒有太多的變化，因為已經做在了前面。”所謂隱私計算，是指在基于數據可用不可見的前提下，實現數據安全共享價值挖掘的技術體系。

    2020年11月，央行發布《多方安全計算金融應用技術規范》，今年3月《金融業數據能力建設指引》出臺。兩份行業標準進一步明確了金融機構處理數據時要遵循“安全合規、最小夠用、可用不可見”等基本原則，確保數據所有權不因共享、應用而發生讓渡。

    行業標準的發布為金融行業提供了實操參考。陳沫告訴記者，今年上半年20多家頭部國有銀行、股份制行中有一半已經立項，還有大量項目PoC（ProofofConcept）正在進行，即銀行在正式采購或項目落地前，對產品或供應商能力進行驗證。

    銀行對引入隱私計算等技術的熱情越來越高，與業務需求變化有關。一位農商行網絡金融部人士告訴記者，外部數據采購需求確實在增多，數據安全與合規問題對銀行的重要性空前凸顯。

    該人士解釋，相關政策進一步落地以后，一些場景金融的零售信貸業務還是受到一些影響，這也使得銀行愈發感受到“關鍵部分要自己掌控”。“說白了，就是銀行已經不滿足于第三方提供的一些評分產品，現在想自己建模。”另一位業內人士說。

    伴隨銀行需求的強勁增長，一些第三方技術供應商的訂單量也出現成倍增長。同時，這些供應商還有一個更為明顯的感受——競爭對手也多了起來。“最明顯的變化就是，想給銀行做數據安全、隱私計算的供應商突然多了幾十倍。”陳沫告訴證券時報記者，過去做大數據風控的公司都想要在這塊業務上分一杯羹。

    銀行攜手科技公司搶跑

    不過，盡管規則已經出臺，但各個項目真正落地仍需要時間，且不同銀行進度也不一樣。

    有大行、城農商行基層人士均向記者表示，政策的傳導還需要一定時間，從一線業務層面來看，尚未有具體的行業內部指導文件出臺。

    而本應更為注重數據的民營銀行進度也存在差異。“除了領頭的，其他民營銀行數據營銷這塊做還不是特別好。”有業內人士向記者表示。

    但證券時報記者也了解到，已有銀行聯合科技公司率先搶跑。例如，建行為統一管理全行內外部的數據資源，與星云Clustar合作搭建了全行級的聯邦學習多方安全建模平臺，嘗試以“可用不可見”的方式打通銀行內外部的數據孤島，這也是目前國內金融領域內首個完全落地的隱私計算商業化項目。

    IDC中國研究總監高飛與記者分享了該團隊在開放金融數據共享中的隱私計算相關研究成果。據他介紹，浦發銀行和螞蟻集團兩家企業針對零售貸款業務，采用多方安全計算的風險模型，開發了一整套風險評估解決方案。

    具體做法是，該模型基于浦發銀行及合作方的數據構建而成，以提高模型的有效性；螞蟻集團方的職能是，為雙方提供技術服務，在訓練和運行兩個階段內均采取分布式部署，且雙方都應用了加密算法。“數據可用不可見。”高飛稱，“這意味著，任何一方的原始數據都不會泄露給另一方，并且也無法通過對訓練結果的反向工程來推導原始數據。”

    “與單一數據源模型相比，多方數據協作模型可以將模型的KS值（風控模型術語）提高12%至23%。由于KS值普遍用于評估風控模型的效果，數值越高則意味著模型精準識別風險的能力越強。”高飛介紹，在信用風險管理、識別高風險客戶方面，該模型的運行效果是：識別超過14.5萬名高風險客戶，阻止了數十億元的高風險貸款的發放；識別出了37萬名低風險客戶，潛在授信規模約80億元。

    證券時報記者從杭州一家頭部大數據智能風控商高管處獲悉，在業內，除了銀行，保險、信托公司、金控集團外，在政務數據領域，也均有類似的基于數據安全隔離的模型合作嘗試。他透露，“一方面是數據的供給側，如政務數據方、央企國企等，數據覆蓋面比較廣；另一方面是數據的需求側，比如金融機構、金融科技公司等，亟待合規的鏈接者，來擔當這個橋梁身份。”

    合規前提下“打撈”

    隱藏海平面下的數據

    有關個人信息保護與數據安全的政策法規正在密集落地，成為推動銀行甘愿為隱私“買單”的最直接動因。

    一直以來，在業內看來，金融行業數字化進展較快。“金融AI（人工智能）落地是做得最好的，因為金融機構數據量龐大，而且是標準化的、全面的、結構化的數據，模型運行能夠非常成熟。”同盾科技合伙人、副總裁兼人工智能研究院院長李曉林在接受證券時報采訪時稱。

    隨著合規政策落地和信息技術發展，數據安全被擺在更重要的位置，這在數據安全等級一向嚴格的銀行更是如此。

    “銀行客戶賬戶、資金流水等信息，不僅僅是數據符號，更是商業中最為重要的戰略資源。”光大銀行金融市場部分析師周茂華表示，因此銀行在數據存儲、加工、使用等環節更加規范，使用權限管理更加嚴格，安全維護資源投入重視。

    在強監管環境下，金融機構一直面臨著很高的合規成本。隨著法律體系的陸續完善，這些違規成本將轉為違法成本。

    “銀行當然是更喜歡合法成本。”一家金融科技領域的法律人士向記者表示，隨著數據安全法規的完善，銀行將會有法可依，而不是在黑暗中摸索。

    正因如此，在當前背景下，隱私計算等數據安全技術相關市場出現超越以往的快速增長，“銀行希望借這些技術‘打撈’起更多隱藏在‘海平面’以下的數據。”陳沫認為。

    “以前，作為金融機構更多是處理結構性數據，資產負債表、現金流量表、損益表，后面又加入了電力、能源、運輸數據等結構性數據。但數字經濟發展至今，金融機構下一步面臨的是，要處理非結構性數據，如感知、情緒價值等都可以作為數據，被提取出來、用于輔助產業發展。”交通銀行黨委副書記、行長劉珺認為。

    多銀行要拓展業務場景

    銀行主動為合規成本買單的背后，還有一個更為根本的原因——數據將帶來增益已經成為行業共識。

    最明顯的變化是，銀行零售業務思維模式轉變。“數據滲入度很高，所以現在很多銀行都想去拓展自身業務場景。”陳沫表示。

    銀行擁有數據，也需要多維度數據。建設金融場景生態是許多銀行當下正在探索的一條出路，背后最重要的一個要素就是數據。

    “相比工業經濟時代，供給與需求是相對分割的環節。在AI新時代，很多供給、需求、消費是重疊的，因此場景建設格外重要。”劉珺判斷，“對金融機構而言，最難的是場景。技術是基礎，場景是關鍵。”

    浦發銀行行長潘衛東近日在2021世界人工智能大會上表示，場景是當下浦發銀行較為聚焦的概念之一，該行去年提出的構建全景銀行就是基于場景去考慮的。他表示，場景的背后就是數據驅動，“這與銀行傳統的靠產品、靠流程、靠管理，完全是兩個概念，所以我們對數據層面做了底層級的思考”。

    “隨著用戶消費習慣改變，銀行傳統的生態和場景越擠越小。”一家大行金融科技部人士表示，“目前來看就兩個辦法：要么自己搭場景、建生態，把線下資源搬到線上，把原有的存貸匯，拓展到衣食住行、教育、醫療等等，做成平臺，走出去；要么就和生態好的平臺合作，對方的生態資源和我方金融服務資源互補。”

    這也帶來一個挑戰。“銀行為了提高對業務的適應性和專業性，核心系統越來越少，業務系統越來越多，這也帶來‘煙囪效應’，不同系統有不同的數據庫，不同的數據庫保存不同的客戶信息，銀行內部如何打通這些信息其實也是一大難點。”上述人士表示，“有的銀行很早就在做系統整合，有的才剛起步。”

    這一過程中，數據安全技術的迭代進化將一直并存。“從搜索引擎到人臉AI模型，場景越多，數據種類越多，技術越復雜，數據安全的挑戰肯定也就越大。”資深安全專家、極度科技創始人丁楊向記者分析。在他看來，“已經很難只靠一套產品就能完全覆蓋所有數據安全場景，而是需要一個不斷演化的系統性組合。”