解决方案

金融 · 运营商 · 政府

以多方安全计算、联邦学习、区块链技术为锚,创新性地为客户提供安全、可信的AI数据产品和隐匿数据应用。

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

隐匿查询的技术在可以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一致匹配性。

实测性能在百ms以内,有效支撑用户进件的核身环节。

效果

精准营销

风险评估

背景

当今大量的风险评估模型已在各银行的风控系统上线,其中最传统也是最常规的建模方式是将多方数据汇总后建模。而汇聚数据带来的隐私安全问题却一直无法从根本上解决。

解决方案:联合资质评估

借助隐私计算技术,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。

让营销和风控团队的建模人员在面对外部数据时,能和内部数据一样做数据探查、挖掘建模等标准动作,同时能有效保护用户隐私。

效果

背景

在获客成本高企、精准运营缺乏足够数据支撑、默客难激活的当前,金融机构在转型实现精准营销的情况下,基于运营商业务所沉淀下来的数据,能够有效帮忙其在用户增长领域跨域“不连续性”。

解决方案:客户增长

在新用户获取、老用户再营销、沉默客户激活及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。

在激活沉默已久的客户时,基于运营商对客户对于金融产品的敏感性和响应度,协助金融机构完成高响应客户的筛选和选择,极大提供了客户转化的效率。

效果

反欺诈

金融行业数据共享联盟

背景

对于一个客户的信用评价、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化机制,同时隐私数据问题进一步让数据互联互通成为一个难以逾越的“不连续性”。

解决方案:金融同业联盟

通过隐私计算加持区块链技术,将多方数据(如多头名单、洗钱欺诈、高净值客户等)的价值进行隐匿的流动,实现数据要素的高价值交换。

在“实时多头联盟”中构建起了一个多家金融机构参与的隐私计算场景,实现毫秒级联合多头的隐匿查询,大幅提高进件风控的时效性。

效果