2020年9月，四川眉山高新区(甘眉园区)公安分局破获了该省历史涉案金额最大、涉案人数最多的骗贷案，抓获盘踞在四川、广东等省的118位犯罪嫌疑人。
犯罪团伙通过所控制的130多家公司账号，替他人补缴1年公积金，再以补缴公积金记录作为信用评定的凭证，在银行手机App申请个人信用贷款，共为6000多人(大多为边远地区农民)补缴公积金1.2亿，诈骗多家银行贷款超过10亿元，大量贷款逾期造成全国范围内信贷资金重大损失，影响极为恶劣。
这起无论是涉案金额，还是作案手段都震惊公安和金融系统的案件，将大数据时代的金融风控问题重新摆在了全社会面前。近些年，移动互联网、大数据、人工智能等技术与金融业加速融合，推动了金融科技的勃兴。金融科技在为用户带来更高效便捷金融服务的同时，也进一步放大金融风险，尤其是信贷欺诈风险。
因为欺诈行为攻击对象不确定、犯罪主体难追踪、外部欺诈风险涵盖范围广、防范难度大，金融欺诈由此成为导致银行业受损最严重的风险之一。据国外研究机构统计，欺诈风险每年导致全球银行业受损金额高达近千亿美元，而国内银行每年因欺诈风险损失的金额也高达上百亿元。
一、传统信贷风控，弊端日益暴露
现阶段，中国银行业普遍使用人工审批和信用评分卡这两种信贷风控手段。
人工审批是申请人提交申请资料，银行根据一系列反欺诈规则进行初审、终审，直到最后一个审核环节通过，才最终确定是否放贷，期间，但凡有一个环节未通过审核，银行都会拒绝放贷。
从对客户的尽调到审查审批、放款、贷后走访，人工审批模式均是由客户经理或贷审经理通过访谈、走访等方式完成。这种模式虽然灵活、有温度、善于推理，但也可能受到审核人员的主观人为因素影响。更大的缺点是人力密集、效率偏低，尤其是当面对下沉市场的小额分散信贷需求时，便会感到心有余力不足。
随着信息技术的发展和数据量的丰富，人工审核模式的问题越来越多地暴露出来，银行业开始引入智能信贷风控技术。其中，国内银行普遍使用的智能信贷风控技术是信用评分卡模型。
信用评分卡，指的是银行利用历史数据和统计技术，通过数据算法建模，再借助模型来分析各种风险要素对违约率的影响程度，最终形成一个得分，根据该得分，再区分贷款申请的风险程度，发放不同的信用额度，制定相应的风控策略。
信用评分卡的出现，改变了传统人工信贷审批模式人力成本高、效率偏低的局面，打开了自动化审批的大门，提高了客户需求响应的速度，也为规模经济优势的发挥奠定了基础，因此成为当今银行业的主流风控手段，但也存在明显的不足。
问题主要出在建模方式上。
众所周知，在大数据领域，数据是基础要素，数据的量越大、维度越丰富，算法模型就越精准。但正常情况下，金融企业仅拥有用户在本机构的、单一金融维度的数据，比如财力证明、信贷历史申请记录等数据，既不掌握用户在其他银行的数据，也不了解用户的住址、消费能力、消费习惯等其他维度的数据，这就导致银行仅凭自有数据，难以构建高精准度的算法模型。
所以，为了提升模型精准度和预测能力，降低潜在的逾期风险，银行或者信贷机构等数据使用方会借助外部力量获取更大量、更多维的数据，将其融合到自有数据进行联合建模，进而评估用户的信贷风险。获取数据的方式，通常是购买第三方数据提供商出售的数据。
在联合建模过程中，银行把Y(目标变量，比如什么样的客户是好客户，什么样的客户是坏客户)给到数据商的X(数据商掌握的其他用户数据)，双方交换数据、联合建模，再将模型和数据部署在数据商或者第三方云服务器之上，最后从线上调用处理后的数据。
在整个过程中，因为银行掌握的用户原始数据、目标变量都离开本地，算法模型部署在数据商或者第三方云服务器之上等原因，就很容易导致数据、算法模型等泄露，给不法分子从事信贷欺诈、金融黑产留下可乘之机。
二、监管趋严，金融风控亟待模式创新
2017年，十九大指出，决胜全面建成小康社会，必须打赢三大攻坚战，其中一项重要内容是防范化解重大风险。而防范化解重大风险攻坚战，重点是防控金融风险。同年，维护国家金融安全第四十次集体学习会议提出，金融安全是国家安全的重要组成部分，是关系我国经济社会发展全局的一件带有战略性、根本性的大事。
在防范金融风险当中，一个重要的课题是防范金融数据泄露风险。为此，最近几年，监管部门连续出台了一系列针对金融数据的监管文件。
2020年2月，中国人民银行印发《个人金融信息保护技术规范(JR/T 0171-2020)》，对个人金融信息范围，收集使用行为，安全技术标准、机构安全岗位设置等方面做出详细规定。同年9月，中国人民银行又印发《金融数据安全分级指南》，特别强调金融业机构应高度重视个人金融信息相关数据，在数据安全定级过程中从高考虑。
除此之外，2021年，从全社会层面对数据安全进行规范监管的《数据安全法》《个人信息保护法》，也相继执行。
伴随着监管迅速收紧，金融数据的使用与管理愈加严格，传统的明文数据建模方式越来越难以适应当今时代的要求。银行必须创新信贷风控模式，摒弃不合规的数据使用方式和数据提供商，安全合规地使用金融数据，开展金融风控工作。
但如何在数据和模型都不出域，并确保数据安全的前提下，合法合规地利用内外部数据，进行联合建模，构建更精准的反欺诈风控模型，提升反欺诈能力，却考验着当前各大金融机构，尤其是大型商业银行。
三、有了隐私计算，联合建模更安全合规
各项前沿技术当中，隐私计算凭借着独一无二的优势——在充分保护数据和隐私安全的前提下，转化和释放数据价值，实现“数据可用不可见”“数据不动价值动”——成为了在全球数据监管日趋严格的当下，最受热捧的新技术。
而在金融风险管理领域，隐私计算也有着不可替代的价值。以八分量推出的隐私计算平台为例。
八分量隐私计算平台，由八分量基于多方安全计算、联邦学习、可信执行环境与区块链技术推出。相比于很多同类型的产品，八分量隐私计算平台采取多技术路径，并且产品全自研，因此性能过硬，场景功能更丰富，而且安全、自主、可控，因而更能满足金融机构的数据安全合规需求。
在基于八分量隐私计算平台的联合建模模式下，银行和数据商先在本地对数据进行加密;其次，八分量隐私计算平台对银行和数据商的脱敏数据进行加密调用;然后，通过不可逆的密文交互实现联合建模;接下来，系统将算法模型部加密部署在第三方云服务器之上;最终，银行对部署在服务器上的数据，进行加密调用。
在传统的联合建模模式中，从银行与数据商交换数据，到算法模型部署在数据商或者第三方云服务器之上，到从数据商和第三方云服务器上调用处理后的数据，数据泄露风险遍布每一个数据处理环节。
而相比之下，基于八分量隐私计算平台进行联合建模，就不仅能对上述风险实现全流程的规避，而且具备更多传统建模方式不具备的好处——
首先，银行数据不出域，数据商数据也不出域，数据交互方式、算法模型、调用方式全部加密，因此原始数据X和Y、算法模型等等都不会泄露，安全合规问题有保障;
其次，因为安全合规，无需驻场建模，外部数据平台能放下顾虑和戒备，消除数据壁垒，将更丰富、更多维数据开放数据商和银行。这就使得银行有机会使用更多来源、更多维度、更大量的数据，从而提升反欺诈模型的精准度、预测能力，优化产品和服务的质量;
第三，银行无需自己编写代码，简单点击即可实现加密训练、加密分析、加密部署、加密调用，工作流程更加简单便捷，工作效率显著提高;
第四，对银行来说，过去的驻场建模人力资源投入大，如今，基于隐私计算的联合建模模式，无需驻场建模，因此能明显降低数据引入、人工成本。
从八分量隐私平台联合建模方式可以看出，基于隐私计算进行联合建模，不仅能确保全部信贷审批流程的数据安全、合规，帮助企业降本增效，也有助于各数据平台之间打破数据孤岛现象，让数据要素更加顺畅高效地流动起来，推动金融数据的市场化配置，助力金融风险的防范，为消费者营造一个更为安全的金融生活环境，可谓一举多得。
四、隐私计算，让银行不良贷款率下降79%
也正是因为最需要给客户“信赖感”，产品与服务的底线是保护客户资产和隐私的绝对安全，因此，金融业成为了大多数隐私计算技术应用落地的首选领域。根据中国信通院云大所发布的《隐私计算白皮书(2021)年》，在隐私计算应用领域中，联合风控占比排名第一，高达38%。
而无论是从算法模型的演练论证，还是深入具体场景的落地应用看，隐私计算对于金融风控的赋能，都是显而易见的。
据中国信通院发布的《数据价值释放与隐私保护计算应用研究报告(2021年)》，基于区块链和隐私保护计算技术训练得到的信用评分模式，无损于传统方式得到的模型——其AUC(Area Under the Curve，越接近1，代表模型效果越好)提升11%，F1 Score提升42%，精度从62.2%提升到70.0%，召回率提升59%，大幅提升银行的大数据风控应用能力。综合工商、税务、水电、司法、电信、征信机构等十余家跨行业数据源提供的上千个维度的外部数据，进行联合建模后，商业银行的不良贷款率从原有的1.81(%)大幅下降至0.38(%)，降幅高达79%。
所以，截至目前，金融机构纷纷将隐私计算技术应用于金融业务场景之中。比如中国工商银行引入北京金控的不动产数据，与行内贷款企业的时点贷款余额、注册资本、账户余额等数据联合建立企业贷中预警监测模型，此联邦模型提升准召率约 4%，从而提升了工商银行风险监测业务能力。
工行还通过联邦学习，与互联网公司的客户特征数据完成联合建模，将信用卡申请反欺诈模型的 KS 值(一种模型风险区分能力评估指标：其值越大，模型的风险区分能力越强)提升了 25.1%。
此前，八分量的持续免疫系统和可信数据服务平台，已先后在公安、银行、证券、政务、工业等场景当中落地应用，服务于这些行业的数字化转型。未来，八分量隐私计算技术也有望为更多金融机构的风险管理和提质增效，提供保驾护航。
五、结语
在2021中国互联网大会数据安全论坛上，中国信通院安全所信安部主任魏薇表示，有研究机构统计，2020年全球数据泄露的数量，已经超过此前15年的总和。一些不法机构通过非法获取、贩卖黑产数据，从事金融欺诈等违法活动，给个人、金融企业乃至国家造成巨大的损失。
不过，好在技术的进步，让困扰各方的数据安全和隐私保护问题，逐渐有了强有力的解决手段。基于隐私计算技术的联合建模，不仅可以尽可能地堵住传统风控模型中数据泄露的风险，让金融骗子的生存空间变得越发逼仄，还能帮助金融机构提高经营质量和服务能力，给普通消费者获得更安全的金融生活。
解决生活中出现的种种难题，帮助人类享受技术带来的福祉，推动社会的发展，无疑正是科技创新的第一初衷和最佳归属。
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
