解决方案
金融 · 运营商 · 政府
以多方安全计算、联邦学习、区块链等技术为锚，创新性地为客户提供安全、可信的数据产品和应用。
方案概述
背景
在传统的金融行业核身环节，三要素验证是最为常用的核身技术之一，但三要素信息在查询过程中，往往会面临被第三方机构缓存数据或者数据泄露的风险。
解决方案：隐匿三要素查询
隐匿查询技术在不泄露双方隐私信息的前提下，通过对身份证、手机号和姓名的加密查询，确认信息是否匹配。
在百ms以内，有效支撑用户进件的核身环节，性能优异。
效果
精准营销
风险评估
背景
银行机构传统的风险评估模型大多采用将多方数据汇总后建模的方式，其因汇聚数据带来的数据隐私安全问题长期以来无法根本解决。
解决方案：联合资质评估
依托隐私计算技术，外部数据能够在所有权不发生转移的情况下，安全完成数据使用权的交换，将多头信息、收入/负债信息等数据资产引入到客群下探、ABC卡、资产评估等银行常见风控环节中。
在有效保护用户隐私的前提下，帮助银行机构营销、风控部门完成对外部数据进行数据探查、挖掘、建模等标准动作，实现数据价值落地。
效果
背景
面对获客成本高企、精准运营缺乏足够数据支撑、默客难激活等难题，金融机构亟需通过转型实现精准营销。本方案基于运营商业务所沉淀数据，能够有效助力金融机构达成这一。
解决方案：客户增长
在新用户获取/老用户再营销/沉默客户激活/流失客户召回等环节中，基于运营商对客户在金融领域活跃度等维度信息的精准判断，通过联邦学习、PSI等隐私计算技术，在保护用户隐私的情况下实现用户增长。
基于运营商关于客户对金融产品的敏感性和响应度的判断，协助金融机构完成高响应客户的筛选和选择，极大提高了客户转化效率。
效果
反欺诈
金融行业数据共享联盟
背景
围绕对客户的信用评价、风险判断、资产计算等场景，多家金融机构之间对数据运营的生命周期管理和数据质量管理缺乏统一机制，叠加数据隐私保护等问题，让数据互联互通成为一个难以逾越的障碍。
解决方案：金融同业联盟
通过隐私计算、区块链等技术的融合应用，推动多方数据（如多头名单、洗钱欺诈、高净值客户等）隐匿流动，实现数据资产价值的高效流转。
在“实时多头联盟”中构建起了由多家金融机构共同参与的隐私计算场景，实现毫秒级联合多头的隐匿查询，大幅提高了进件风控的时效性。
效果
