大数据与人工智能时代背景下,数据在各行各业应用越广泛,数据价值就愈加凸显,数据泄露和滥用造成的影响和损失也越大。在数字经济发展过程中,侵犯用户隐私、大数据杀熟等问题不绝于耳。有报告显示,数据泄露已非孤立事件,各行业都有相关事件。在教育、医药、能源、健康等领域,每一起数据泄露事件造成的平均损失至少在500万美元以上。

在主观意识层面无法确保数据隐私保护的情况下,向客观的技术寻求支撑就成了必然之路,隐私计算由此诞生。这是一类在保证数据提供方不泄露敏感数据的前提下,对数据进行计算并能验证计算结果的技术。今年以来,隐私计算的性能有了大幅提升,这是商业化落地非常关键的因素。

在隐私计算框架下,参与方的数据不出本地,在保护数据安全的同时实现多源数据跨域合作,可以破解数据保护与融合应用难题。常见的实现隐私计算的技术路径包括联邦学习、安全多方计算、可信计算等,此外区块链也是隐私计算的重要补充。

近年来,科技和金融的融合发展有效提升了金融服务质效,但信息科技的广泛应用免不了对金融各主体的经营信息、财务信息进行筛选和过滤,造成了企业在使用信息科技的过程中容易陷入“道德困境”。为了保障在利用数据的同时不违背信息安全红线,百融云创经过不断地技术演绎,开发出的Indra数据安全保护平台,为实现信息科技的技术完善目标再下一城。

百融云创从隐私集合求交集、联邦学习等方向入手,以密码学领域的重要理论和技术为基础,结合大数据具体应用场景,搭建了安全多方计算平台Indra,促进安全多方计算、机器学习等理论研究的落地。同时,以区块链技术为辅,实现数据确权和数据价值流转目标,为数据信息安全保驾护航。Indra平台的优越性在于它可以适应不同的应用场景,可以为合作方、客户之间提供一种安全、高效的数据合作模式。

另外,值得一提的是,在进一步精准确定用户“名单”的过程中,Indra平台采用并改进多种隐私集合求交集算法,可以应用于不同数据量、离/在线、是否含附加消息等各种场景,能够消除黑名单共享以及营销匹配场景中可能出现的非目标用户的信息泄漏隐患。联邦学习则将解决用户数据隐私安全和合规性问题进一步深化。百融云创的Indra平台会根据所服务的金融机构的具体业务,对重叠数据进行处理和训练,进而使数据应用条件更合规,匹配效果更精准,同时也能保证模型推理过程中客户数据的隐私保护。

未来,百融云创将持续提升公司的AI技术和数据分析能力,不断提升产品及服务的能力及创新,使得庞大的数据要素成为可管控资产,在隐私计算方向加大研发力度,真正成为金融数字化转型的科技引擎。

免责声明:市场有风险,选择需谨慎!此文仅供参考,不作买卖依据。

推荐内容