广州数金协DF学堂:隐私计算是数据价值挖掘的关键技术

数据作为新型生产要素,是数字化、网络化、智能化的基础,已快速融入生产、分配、流通、消费和社会服务管理等各个环节,深刻改变着生产方式、生活方式和社会治理方式。近日,广州市数字金融协会第13期“DF学堂”在广州数字金融·天河基地开讲,本期讲座邀请了星云Clustar副总裁章立强,围绕“隐私计算驱动全行业提质增效”这一主题进行了分享。在讲座中,章立强提出,隐私计算是实现数据融合与价值挖掘的核心关键技术,当前若要大规模商业化应用需具备覆盖平台、算力和数据的完整方案和能力。   当谈及隐私计算技术如何驱动全行业增质提效,章立强提出了几条可能的路径。一方面,可引入多方数据优化风控模型,构建基于隐私计算的银行风险安全基线。他表示,可以利用隐私计算技术优势,优化贷前准入、贷中监控、贷后管理模型,与决策引擎联动,全方位把控金融信用风险。另一方面,可采用联邦学习进行营销模型构建,进一步优化用户筛选、分层和触达,增强智能营销效果,存量促活。同时,还可以打造基于隐私计算的综合?融服务平台,建设多个平台模块,联动多个场景,比如联动保险行业,增强银行风险抵御能力;革新供应链金融数据共享方式,使之更安全、合规、高效;保障政府数据要素安全流通,促进政务数据共享。   未来,隐私计算行业仍面临不少挑战,章立强认为主要是融合互联、算力加速和生态建设三大方面,有业务、场景和运营方面的刚需问题亟待解决。从业务角度看,各地数据交易平台使用的底层技术不一,市场广泛流通的开源、闭源系统如何实现互联互通,复杂的密码学技术互联互通和隐私框架如何互联互通都需要解决,而这需要大型的开源领航者来“破冰”。从场景角度看,当前,数据安全流通的巨大代价是算力,这制约着商业化进程和速度。专用的隐私算力加速产品,会是未来隐私计算领域玩家的必争之地。从运营角度看,整合政府、企业、高校和科研机构等资源进行技术与数据生态建设整体周期较长,而生态建设中把握技术创新与业务运营相互结合并协调发展较难,需借鉴成熟的生态搭建经验同步与平台建设共同推进。

标签

发表评论