深化数字转型，江苏银行积极探索 隐私计算技术安全应用
在大数据时代，数据被作为资产看待，资产实现价值最重要的环节在于交易和流动，这要求数据之间可以实现互联互通。然而，数据安全对数据挖掘使用进行了规范制约。数据价值发挥和数据安全合规之间如何平衡，是长期困扰银行业的问题。
为了破解“数据孤岛”难题，融合挖掘多方数据，发挥数据共享价值，江苏银行积极探索隐私计算技术前沿应用，在符合相关数据安全法律法规的前提下，以数字科技赋能业务发展，
据了解，隐私计算技术是一项专门用来解决数据资产所有权与数据价值共享矛盾的前沿科技技术，可以在保护数据安全前提下，解决数据互联互通中数据合规性、数据安全性、数据应用等问题，做到数据可用不可见，数据可控可计量，实现数据价值共享。
近年来，江苏银行不断创新隐私计算技术在信贷审批、风控管理中的落地应用。在贷前审批授信业务中，该行基于银联交易数据、商户数据、持卡人数据等，应用隐私计算技术建立资金用途管控模型，及时发现用户消费贷款挪用等违规行为，提升消费信贷资金异常用途管控效率，增强业务合规性。在贷中风险控制业务中，该行融合客户金融数据与平台行为数据，构建贷中调额模型，模型KS值达0.6以上，模型效果显著，大大提高了信贷风险调控能力。
据悉，面对数据样本匮乏、数据维度片面、数据准确性不足、模型效果不佳等问题，江苏银行还通过与政务平台、互联网头部平台加强合作，不断夯实金融科技发展根基。
在政务平台合作方面，江苏银行通过政银合作，有效挖掘政务平台数据维度丰富、数据准确性高、实时性强的优势，运用联合建模方式将税务、公积金、房产等政务数据应用于小微企业信贷审批模型中，丰富地区客户数据维度，提升客户审批通过率、提高授信额度。应用联合模型后，该行小微企业融资产品“随e贷”风险等级调整客户近三成，户均新增贷款10余万元，隐私计算技术应用初见成效。
在互联网平台合作方面，江苏银行与头部平台合作运用“联邦学习”技术，不断拓展隐私计算应用场景。该行卡中心提早多年与头部隐私计算平台开展相关技术应用探索，共同建设MPC多方安全计算联合建模平台，开创了银行业智能化新样板。该行还联合头部互联网公司开发了“联邦学习”智能化信用卡模型和经营方案，超前完成中国互联网金融协会《金融业数据要素融合应用研究》中关于数据隔离和数据隐私保护的应用探索。
未来，江苏银行将持续深化隐私计算技术应用探索，通过打造数字创新和数据驱动新引擎，充分挖掘数据资源价值，抢滩数字化转型新战场。
来源:金融界网