没有合适的资源?快使用搜索试试~ 我知道了~
隐私计算技术金融应用研究报告2022.pdf
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 184 浏览量
2022-11-07
14:17:28
上传
评论
收藏 8.21MB PDF 举报
温馨提示
试读
150页
隐私计算技术金融应用研究报告2022.pdf
资源推荐
资源详情
资源评论
隐私计算技术金融应用
研究报告
目 录
一、概述 .................................................... 1
二、隐私计算相关技术分析 ..................................... 3
(一)多方安全计算 ......................................... 3
(二)联邦学习 ............................................ 16
(三)可信执行环境 ........................................ 21
(四)同态加密 ............................................ 23
(五)差分隐私 ............................................ 25
(六) 零知识证明 ......................................... 26
(七)数据去标识化及脱敏 .................................. 26
(八)相关技术结合 ........................................ 30
(九)技术对比分析 ........................................ 40
三、隐私计算金融应用背景 .................................... 44
(一)政策与法律法规 ...................................... 44
(二)国内外相关标准 ...................................... 47
四、隐私计算金融应用场景 .................................... 50
(一)智能风控场景 ........................................ 50
(二)智能营销场景 ........................................ 72
(三)智能运营场景 ........................................ 84
(四)隐私信息检索场景 .................................... 88
(五)供应链金融场景 ...................................... 89
(六)反洗钱场景 .......................................... 91
(七)企业级数据流通交易 .................................. 95
(八)平台应用 ........................................... 107
五、问题与建议 ............................................ 110
(一)风险与挑战 ......................................... 110
(二)发展建议 ........................................... 114
附录:隐私计算技术平台产品 ................................. 121
1
一、概述
2021 年 12 月,中国人民银行发布《金融科技发展规划(2022
—2025 年)》(银发〔2021〕335 号文印发)明确提出从强化数
据能力建设、推动数据有序共享、深化数据综合应用、做好数据
安全保护方面充分释放数据要素潜能,并陆续出台了金融数据安
全相关标准。金融数据安全与共享应用的重视程度与日俱增。
为推动金融业务更好地开展,推动跨机构、跨地域、跨行业
数据资源有序共享,实现数据可用不可见、数据不动价值动,隐
私计算技术被重点关注和推广。隐 私计算技术在金融行业的实践
中,已逐步实现产品化、平台化,通过规模化推广,能够在金融
领域的更多业务场景、更全面的上下游供应链体系应用中,更好
发挥数据价值,避免数据滥用,并产生极好的经济效益。在数据
成为生产要素并推定流通的情况下,隐私计算技术及在行业的应
用正在加速发展。金融机构和科技公司纷纷开始建设隐私计算平
台,在精准营销、信贷风控、信息共享、反洗钱等领域进行试点。
本报告通过对隐私计算技术的研究及应用场景的探索,能够
对隐私计算在金融行业的应用提供参考和指导。对隐私计算多方
合作模式的研究,能够促进不同机构、企业在符合各项法律、法
规及政策的前提下,进行顺畅高效的数据合作,解决“信息隐私”
和“数据孤岛”问题,达成合作共赢。本报告围绕隐私计算,展
开政策法规、标准、技术、场景调研,对应用场景进行探索实验,
2
形成解决方案,并发布技术研究报告。本报告一共分为五章,组
织结构如下:
第一章是整体概况,介绍了本报告的研究内容与意义。
第二章介绍了隐私计算的关键技术、隐私计算与其他前沿技
术的结合以及隐私计算技术的对比总结。
第三章是金融行业隐私计算背景,介绍了与隐私计算相关的
政策、法律法规及标准。
第四章列举了金融行业隐私计算的应用场景与案例实践,涉
及风控、营销、运营、匿踪查询、供应链金融、反洗钱等诸多业
务领域。
第五章分析了金融行业推进隐私计算发展所面临的风险与
挑战,并从行业政策、标准化、技术发展和产业发展的角度提出
了相关建议。
3
二、隐私计算相关技术分析
金融业应用的隐私计算核心技术包括多方安全计算、联邦学
习、可信执行环境、同态加密、差分隐私、去标识计算及脱敏技
术等,本章介绍这些技术的原理实现方案、难点与创新以及发展
方向等
[1]
。
(一)多方安全计算
1.总体介绍
多方安全计算(Secure Multi-Party Computation,简称
MPC)指在分布式网络环境下,不依赖可信第三方代替各参与方
进行计算,而是由各对等的参与方通过网络协同共同完成某一计
算任务。通常情况下,由两个或多个持有私有输入的参与方,在
不泄漏各自私有输入信息的情况下联合计算一个函数,各自得到
他们预定的输出。
MPC 的基本计算模型如图 2-1 所示,在分布式协同计算网络
中,N 个互不信任的参与者集合,各自拥有秘密数据。N 个参与
者协同计算函数,其中,Y
i
是第 i 个参与者需要获得的结果。在
此过程中,任何参与者不能获得除了 Y
i
之外的其他秘密信息。
剩余149页未读,继续阅读
资源评论
每天读点书学堂
- 粉丝: 246
- 资源: 1万+
下载权益
C知道特权
VIP文章
课程特权
开通VIP
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- tensorflow-2.9.3-cp39-cp39-win-amd64.whl
- tensorflow-2.9.3-cp37-cp37m-win-amd64.whl
- tensorflow-gpu-2.9.2-cp37-cp37m-win-amd64.whl
- matlab的低通,高通,带通滤波器代码设计
- 系统字体下载 字体文件-仿宋-黑体-楷体-楷体-GB2312-宋体-常规 文件.zip
- 演示设计-PPT模板-水墨风格-艺术与文化展示-水墨风格PPT模板:优雅设计,适合艺术与文化演示.zip
- view_video.php.html
- 涂个壁纸.apk
- hot-spicy pot.csv
- 二进制格式的BPSK中频数据,可以用来进行解调系统的开发
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功