打造跨行業的金融反欺詐生態，隱私計算重要性凸顯
責編：gltian ｜2022-09-30 15:49:24金融欺詐，是指用戶主觀、以非法占有為目的，采用虛構事實或者隱瞞事實真相的方法，騙取公私財物或金融機構信用，破壞金融管理秩序的行為。
金融欺詐類型有騙貸、盜刷、票據/金融憑證詐騙、信用卡詐騙、集資詐騙、保險詐騙等。金融欺詐給銀行、客戶等帶來嚴重的損失，已成為銀行業面臨的主要風險之一。
如今，反欺詐工作愈加得到重視。一方面，國家出臺相關法規和政策，同時公安部、人民銀行等監管和有權機關加強管控；另一方面，銀行除了擔負保護客戶信息、賬戶安全、資金安全的法律責任和社會責任，為了資本配置也需減少金融欺詐風險以免導致損失。
銀行反欺詐體系不夠完善，隱私計算或“大有可為”
部分銀行已建立企業級的反欺詐體系，但依然存在體系不完善的問題。其中，數據是較大的影響因素之一。主要問題或在于：
一是數據孤島造成的信息不對稱問題。比如銀行反欺詐體系主要使用自身數據，難以覆蓋所有金融市場主體，難以識別所有的金融欺詐行為；或者新開戶、貸款申請材料比較精簡，獲取客戶資料有限。
二是數據開放共享的安全問題。國家《數據安全法》《個人信息保護法》等法律法規要求各機構妥善保護用戶隱私，而銀行想要和外部機構達成黑名單、用戶標簽等數據共享，但雙方又擔心數據泄露，引發風險等。銀行既需要數據共享，又必須保證合規性，存在較大的矛盾。
三是數據輸出效率較低的問題。公安、人民銀行等機構的數據傳輸往往通過專項需求溝通以接口形式專項傳輸，存在對接成本高、效率低下等問題。
四是欺詐手段更新造成識別難度更高的問題。當前，欺詐手段更新較快，甚至利用機器學習等技術進行對抗訓練，破解防控規則。
由于數據獲取有限等問題，銀行更多的是對事后交易行為和賬戶關聯的變動性進行捕捉、分析，從而確認風險，但此時詐騙資金已轉移，反欺詐風控措施具有滯后性。所以，銀行主要需要加強事前、事中異常行為的及時判斷和預警。
而解決數據孤島和合規性的矛盾，是隱私計算技術所擅長的。其可在基于隱私保護的基礎上，進行數據安全開放共享，且通過訓練，可增強模型的有效性。
銀行意在建立基于隱私計算技術的反欺詐生態
工行曾介紹，金融行業反欺詐方式演進有三個階段。
第一階段為矩陣式聯防系統，以專家規則監控為主，依賴于密碼驗證身份和事后人工核查；第二階段為企業級反欺詐體系，基于規則模型結合智能化防控，覆蓋業務辦理前中后全環節，名單、特征等風險信息統一共享；第三階段為跨機構跨行業反欺詐生態，其具備三個特性，即完整性（支持隱匿查詢同業欺詐評分）、全面性（縱向聯邦從各機構引入更全面特征）、及時性（區塊鏈支持名單信息不出機構實時共享）。
可以發現，三個階段的演進趨勢主要為橫向和縱向數據共享。橫向上，銀行內部甚至同業相關欺詐風險數據達成共享；縱向上，引入其它行業龍頭企業的數據。雙方向數據共享，有助于銀行更全面地刻畫欺詐主體的畫像，更精準地識別欺詐行為和欺詐活動。
當前，已有多家銀行研發隱私計算技術，并不斷推進應用。在反欺詐領域，隱私計算有較大的價值。
比如工行于2020年啟動隱私計算技術研究，2021年通過商用產品結合自研的方式建設聯邦學習、多方安全計算技術平臺，2022年推進隱私計算規?；瘧茫⒂媱澖ㄔO可信計算技術。
在反欺詐場景，工行已推進和通信運營商聯合建模的隱私計算應用。
具體為：雙方本地數據準備部分，工行準備樣本標簽、登陸網銀特征、境內交易特征、境外交易特征，運營商則提供通話特征、短信特征、在網特征、設備特征、聯系人特征；之后進行兩次隱私求交，使用雙方特征和工行標簽共同訓練模型。
通過聯邦學習，在工行與運營商雙方數據不出庫的基礎上建立模型并提升效果，可更好地識別可疑分子或可疑行為。
浦發銀行電信欺詐風險識別體系建設主要分為三部分。一是基礎能力建設，包括價值數據、風險標簽、業務規則的融合；二是應用體系設計，包括事前風險預警、事中風險識別、事后風險分析；三是關鍵技術支撐，除了AI等技術外，還加入隱私計算。
浦發銀行曾介紹該行2個隱私計算反電詐案例。
一個主要解決開戶風險識別難問題。浦發銀行隱私計算產品可實現外部億級風險名單庫毫秒級查詢，并結合通信運營商提供的用戶關鍵特征進行開戶異常識別，有效應對用戶新開戶時信息缺乏的問題。
另一個則是解決非活躍客戶涉詐風險識別難問題。浦發銀行通過外部信息豐富數據維度，應用聯邦學習，挖掘通信、在網以及交易三大欺詐風險識別關鍵領域約1000維特征，實現非活躍客戶的精準事前管控。
打造跨行業反欺詐生態是趨勢，隱私計算有待完善
國家將“數據”確定為生產要素，意在推動數據高效流通。銀行很多工作的進一步開展便需要豐富的數據，反欺詐便是一個顯著的領域。
有人說，人類正從IT時代走向DT（Data Technology）時代。也許該觀點是對的，至少，數據要素的重要性在時代的發展中愈加明顯。
就從金融反欺詐領域來說，單個機構的數據顯然難以防控愈加復雜的欺詐風險，建立跨機構跨行業的反欺詐生態是必然趨勢。而隱私計算在其中發揮重大作用。
基于隱私計算建立跨行業的反欺詐生態，對于各機構來說是互惠互利的。比如銀行可實現雙向賦能，包括對內和對外。通過隱私計算獲取多維度數據，以提升金融反欺詐能力，為對內賦能；同時通過隱私計算對其它機構輸出數據或能力，為對外賦能。
隱私計算是反欺詐生態的技術保障，不過其自身還需要不斷完善，包括提升計算性能、推進互聯互通等，以應對未來各行業的大規模應用。
來源：銀行科技研究社