聯(lián)通數(shù)科于2020年便率先布局投入了隱私計(jì)算的算法研究與平臺開發(fā)?；趥鹘y(tǒng)聯(lián)合建模經(jīng)驗(yàn)的積累,聚焦金融客戶,在銀行反詐、風(fēng)控、營銷以及保險(xiǎn)行業(yè)進(jìn)行創(chuàng)新和探索。同時充分發(fā)揮自身數(shù)據(jù)技術(shù)優(yōu)勢,在積極向合作伙伴輸出算法技術(shù)的同時,還將海量的數(shù)據(jù)以“可用不可見”的形式融入到金融行業(yè)的C端場景中。
場景一:反欺詐提升網(wǎng)絡(luò)詐騙監(jiān)管
在對金主、窩點(diǎn)、平臺、資金鏈等問題的信息研判支撐和抓捕線索獲取中,公安機(jī)關(guān)同運(yùn)營商和金融機(jī)構(gòu)通過可信方式進(jìn)行數(shù)據(jù)共享和聯(lián)合建模,綜合利用運(yùn)營商數(shù)據(jù)和金融數(shù)據(jù),形成包括人機(jī)識別、窩點(diǎn)(貓池)識別、資金鏈溯源等一系列的信息研判和抓捕線索支撐,有效提升了電信網(wǎng)絡(luò)詐騙犯罪打防管控的精準(zhǔn)度和時效性。
場景二:黑名單共享降低犯罪風(fēng)險(xiǎn)
圍繞電信網(wǎng)絡(luò)詐騙,公安和金融機(jī)構(gòu)根據(jù)自身業(yè)務(wù)此前都已經(jīng)建立各自的黑名單。各部門和機(jī)構(gòu)間合理共享黑名單,可以有效降低犯罪風(fēng)險(xiǎn)發(fā)生,形成系統(tǒng)管控和預(yù)防能力。但在實(shí)際業(yè)務(wù)中,黑名單屬于各機(jī)構(gòu)私有財(cái)產(chǎn),直接明文共享會導(dǎo)致數(shù)據(jù)庫泄露,同時也有用戶隱私的法律風(fēng)險(xiǎn)。
現(xiàn)在,基于借密碼學(xué)、多方隱私計(jì)算、不經(jīng)意傳輸?shù)燃夹g(shù),使得各部門在不泄露原始數(shù)據(jù)的情況下實(shí)現(xiàn)匿名查詢,有效保護(hù)了本方數(shù)據(jù)庫信息。
場景三:助力保險(xiǎn)行業(yè)私域流量運(yùn)營
在保險(xiǎn)行業(yè),用戶數(shù)據(jù)信息是其核心資產(chǎn)。同時,對用戶的隱私保護(hù)關(guān)系到企業(yè)形象和社會責(zé)任,保險(xiǎn)公司非常注重用戶隱私數(shù)據(jù)的安全保護(hù)。目前,保險(xiǎn)公司基本都擁有完整的客戶管理系統(tǒng),并且建立了客戶層級分類模型。但依靠自身有限的歷史數(shù)據(jù),導(dǎo)致客戶分層模型精度不高,優(yōu)先級判斷效率低下。而保險(xiǎn)公司與運(yùn)營商建立的聯(lián)合客戶分層模型,有效改善了模型精度。
聯(lián)通數(shù)科隱私計(jì)算技術(shù)的應(yīng)用,一方面有效保護(hù)了個人信息在使用過程中的安全;另一方面能夠?qū)?shù)據(jù)融合應(yīng)用于更多場景,實(shí)現(xiàn)數(shù)據(jù)價值的最大化,助力數(shù)字經(jīng)濟(jì)與社會高質(zhì)量發(fā)展。
