数据所有权和使用权的分离是流通的基础隐私计算提供了可实现的路径

日前，第16届21世纪亚洲金融大会金融科技主题论坛在北京举行在以数据隐私保护与风控迭代为主题的圆桌讨论会上，星云Clustar副总裁徐震表示，数据的价值在于整合，样本越多，纬度越高，可挖掘的价值就越大隐私可以兼顾安全和效率，在数据融合，确认和流通中发挥巨大作用，未来将成为重要的基础设施

锁定所有权并发挥数据价值。

作为一种特殊的信息载体，在流通过程中存在数据泄露的风险。隐私计算作为近年来的热门赛道，吸引了众多玩家。。

徐震表示，传统模式下，数据公司向企业交换数据后，企业有可能复制保留数据，继续与其他企业共享因此，数据的所有权伴随着使用权的转移而转移，这降低了数据作为数字资产的流通和交易价值因此，数据所有权和使用权的分离是流通的基础，隐私计算提供了可实现的路径即使不交换原始数据，也能发挥价值，锁定所有权

数据的价值体现在集成和应用的过程中数据集成有两个方向:横向和纵向徐震指出，横向指的是点对点数据样本越多，可以挖掘的价值就越大，同行之间就会有对横向数据的需求纵向是指不同行业的数据增加变量和扩展纬度可以更完整地描述预测目标，可以应用于不同行业的合作

徐震认为，任何技术的推广都要从业务部门入手，让业务部门先知道它的效果下一步要考虑的是安全合规性，然后是技术部门是否可以使用隐私计算来解决业务问题隐私计算包括密码学，机器学习等这是一种聚合技术虽然可以保护数据隐私，满足监管要求，但成本高，效率低比如同态加密是一个非常慢的技术，很难应用到实际生产中，所以需要一些加速的方法

据徐震介绍，在推广过程中，星云Clustar提供的产品能够让客户快速实验和探索隐私计算技术带来的价值，提供从数据源引入到合规数据融合隐私计算，再到底层计算能力加速的一站式服务很多案例都是基于业务部门，为他们提供外部数据，提高他们预测客户的能力比如在某个营销场景下，银行如果想更了解自己的C端客户，可能会使用外部明文数据进行建模，但在《个人信息保护法》的约束下不可行通过隐私计算的手段，可以在不泄露隐私的情况下引入数据，从而达到商业目的

在银行风险控制展示中的应用

风险控制是银行所有业务流程中非常重要的一个环节，对于银行会展业的营销也非常重要。但从效果来看，私有计算市场仍处于早期阶段，大规模商业化落地面临挑战。朱蒙分析，隐私计算不同于传统的机器学习，它是分布式可信芯片，密码学和人工智能的结合，在投入商业使用的过程中涉及技术适配。具体来说，当大多数隐私计算技术栈遇到不同的算法时，需要大量人力对算法进行一对一的分析和重写，从而进行联邦或的改造；计算机化这导致这项工作成为劳动密集型工作，投资和成本都很大。

什么是营销徐震说:营销就是在合适的时间找到合适的人，向他推荐合适的产品银行提供的信贷产品能否找到合适的人和合适的时间，风险控制非常重要因为这个人被及时发现，但他没有能力偿还贷款，风险控制过不去，既不是合适的人，也不是合适的时间因此，整个风险控制将在整个过程中发挥作用

隐私计算在这个环节有什么价值徐震表示，在数字化转型过程中，银行积累了大量的建模和数据分析人才，银行内部数据的使用已经达到极限在这种背景下，隐私计算和联邦学习可以为银行打开另一扇门通过引入不同的数据，可以激活创新能力和积极性银行可以在隐私计算平台上轻松设置不同的模型，调整不同的参数，可用于营销，贷前，贷后等不同场景

徐震说，联邦学习是一种自然的分布式计算，普通计算要引入外部数据还有很大的空间去探索在什么条件或协议下可以被监管部门认可