北京金融科技产业联盟：隐私计算金融应用调研报告2021（20页）.pdf

1、隐私计算金融应用调研报告 北京金融科技产业联盟北京金融科技产业联盟 成方金融信息技术服务有限公司成方金融信息技术服务有限公司 中国农业银行股份有限公司中国农业银行股份有限公司 20212021 年年 1010 月月 隐私计算金融应用调研报告 1 隐私计算金融应用调研报告（2021 年）引言 在数据量指数增长的时代，数据分析、数据挖掘成为不可或缺的热门技术。与此同时，随着业务规模的快速增长与发展需要，各机构对数据跨系统、跨领域及跨境交互融合从而有效释放数据资源价值的需求愈加迫切。如何借助隐私计算等技术手段保障网络信息安全、保护用户隐私数据成为各机构面临的重要课题。今年，数据安全法个人信息保护法相

2、继发布，进一步推动了数据安全与隐私保护工作。隐私计算技术的应运而“红”是各机构充分践行国家大数据战略、严格满足数据监管、积极推进数据流通共享的必然结果。数据“可用不可见”的应用模式成为隐私计算受人追捧的核心原因，在各行各业都有其用武之地。隐私计算是由两个及以上数据参与方在保障原始数据安全前提下进行联合计算的一种技术，主要包括多方安全计算、联邦学习和可信执行环境三大类。为了解隐私计算技术在金融领域应用实践的难点和痛点，便于各机构开展和推进隐私保护及数据共享等后续工作，依托北京金融科技产业联盟面向金融机构和科技公司发起问卷调查，在成方金融信息技术服务有限公司、中国农业银行支持下，完成对调查结果整理

3、分析，形成调研报告。隐私计算金融应用调研报告 2 一、样本情况 本次调查共收到 30 家机构的有效问卷，其中 15 家为金融机构（包括银行、保险、证券、第三方支付机构等），15 家从事金融科技服务的科技公司（以下简称科技公司）。根据调查情况，金融机构样本分布基本符合行业实际情况，科技公司提供的隐私技术产品，主要应用于银行业。如图 1。图 1：科技公司隐私计算产品应用的行业 二、行业现状（一）研发团队（一）研发团队 金融机构的隐私计算产品研发团队规模以1-10人区间居多，占比为 60%，团队规模在 100 人以上的占比最少，仅为 7%。而科技公司则以 51-100 人规模居多，50 人以上规模占

4、比为 50%。整体而言，科技公司的隐私计算研发团队规模明显超过金融机构，隐私计算金融应用调研报告 3 表明科技公司在隐私计算相关研发人才投入上力度更大。如图2。图 2：金融机构与科技公司研发团队规模 数据治理方面，金融机构积极推进治理结构、组织方式的调整优化，提高部门协同协作能力。结合本次调研情况，金融机构目前多以设立信息技术中心下属二级部门、跨部门成立数据治理委员会等方式开展数据治理工作，为数据安全合理应用提供组织与制度保障。如图 3。图 3：金融机构数据治理工作架构 隐私计算金融应用调研报告 4 （二）隐私计算发展阶段（二）隐私计算发展阶段 考虑到隐私计算技术涉及业务范围较广，在问卷中针对

5、经营决策、运营管理、营销推荐和风险防控等四个领域分别进行了调查。在四个领域中，多数金融机构还处于规划阶段，其中，风险防控和营销推荐领域发展相对较快，部分金融机构已进入小范围试点阶段。科技公司整体发展速度比金融机构稍快，进入小范围试点阶段的科技公司已初见规模，还有部分机构已完成试点推广应用阶段。如图 4。图 4：金融机构与科技公司隐私计算发展阶段 隐私计算金融应用调研报告 5 （三）场景应用程度（三）场景应用程度 整体来看，科技公司在各个场景应用程度比金融机构要更加成熟，究其原因，一方面是隐私计算技术新兴程度高，科技公司作为技术供应方对隐私计算技术的探索应用相对积极。另一方面是金融机构在安全性和

6、合规性方面要求更为严格，符合行业相关要求后才推进新技术场景应用。如图 5。图 5：金融机构与科技公司场景应用程度 隐私计算金融应用调研报告 6 （四）技术应用程度（四）技术应用程度 与场景应用程度不同的是，无论是金融机构还是科技公司，对于区块链、同态加密、联邦学习、多方安全计算等技术的应用程度普遍较高。其中，金融机构对数据安全性要求高，去标识化和脱敏技术的应用程度也比较高。科技公司对隐私计算技术探索的要更加深入，多方安全计算、联邦学习、同态加密等技术已有较成熟的应用。如图 6。图 6：金融机构与科技公司技术应用程度 隐私计算金融应用调研报告 7 （五）基础设施的投入（五）基础设施的投入 金融机