腾讯云参编的隐私计算报告发布,加快释放数据要素潜能

近日,北京金融科技产业联盟发布《隐私计算技术金融应用研究报告》。该报告分析了隐私计算的关键技术,介绍了隐私计算相关的政策和法律法规,梳理了隐私计算技术在金融业应用情况及面临的问题,并从标准化建设、行业政策引导、技术发展等方面给出建议。

腾讯云作为主要参编单位之一,在该报告中输入腾讯云数链通平台、腾讯云安全隐私计算平台、腾讯云联邦学习平台、腾讯Angel PowerFL隐私计算框架等多项产品平台和应用案例。

研究报告背景

中国人民银行印发的《金融科技发展规划(2022—2025年)》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。金融行业对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,实现跨机构、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,掀起应用的浪潮。但隐私计算技术在金融行业应用中也面临着一些风险和挑战,需要在实践中不断完善。

研究报告的主要内容

该研究报告对多方安全计算、联邦学习、可信执行环境、同态加密、差分隐私、零知识证明、数据去标识化及脱敏等技术进行了分析,对隐私计算的政策与法律法规、国内外相关标准等金融应用背景进行了介绍,对智能风控、智能营销、智能运营、供应链金融、反洗钱、数据流通等金融应用场景进行案例说明,并针对目前存在的风险与挑战,给出了金融领域应用的发展建议。

该研究报告在正文案例及附录中对腾讯云等多家厂商的多款隐私计算技术平台产品进行了介绍,其中包括腾讯云数链通平台、腾讯Angel PowerFL隐私计算平台、腾讯云安全隐私计算平台、腾讯云联邦学习平台。

腾讯云数链通平台

腾讯云数链通是实现数据的可信共享、隐私计算以及数据价值流通的专业平台。基于区块链分布式架构、共识记账、账本共享以及不可篡改的通道能力,连通链上及链下的数据,在可信硬件执行环境中,实现基于多方数据的协同计算。

腾讯云数链通数据共享平台,通过区块链连接数据使用方和提供方、建模服务方、监管方等,实现数据目录授权、密文数据交换和共享等链上操作。在保证数据安全、隐私和平等对待的前提下,实现数据使用可管理、计算过程及结果可信,更好地实现业务创新。

腾讯云数链通平台的技术架构,如下图所示:

腾讯Angel PowerFL隐私计算平台

腾讯Angel PowerFL(简称PowerFL)隐私计算框架兼顾了业界的高可用性和学界的创新性,同时支持联邦建模与联合数据分析,并已在金融、广告、医疗、政务等多个行业应用落地。

在数据安全和隐私保护方面,PowerFL框架提供多种隐私保护机制,包括同态加密、秘密分享、差分隐私、可信执行环境(TEE)等。PowerFL框架采用去中心化的架构设计,不依赖任何中心计算节点。PowerFL框架提供多样化的、可按需选择的隐私保护机制,更加安全、适合实际应用场景。

在功能方面,PowerFL平台拥有全栈的联邦机器学习和深度学习功能,支持多方及非对称PSI、斜向联邦学习、多方联邦在线预测和模型版本管理,并支持多方安全联合数据分析。

在性能方面,依托腾讯Angel机器学习平台的海量数据处理能力,PowerFL支持千亿级别的海量数据计算,通过异步高并发计算、通信消息压缩、硬件加速等多种技术创新来提高计算和通信效率。基于Pulsar消息队列的底层通信组件更加增强了系统的稳定性和容错能力。基于Spark的计算框架和基于Pulsar的底层通信框架都是业界首创。

在易用性方面,PowerFL框架采用云原生设计,支持容器化部署、支持基于YARN和K8S的灵活资源扩缩容等特性。PowerFL框架采用计算层和服务层分离,在高并发计算和灵活资源扩缩容方面优势凸显。

Angel PowerFL隐私计算框架的技术架构图,如下图所示:

腾讯云安全隐私计算平台

腾讯云安全隐私计算(Cloud Security Privacy Computing,CSPC)是腾讯云推出的以联邦学习(FL)、安全多方计算(MPC)等隐私数据保护技术为基础的隐私计算平台。

产品针对机器学习算法进行定制化的隐私保护改造,保证原始数据不出本地即可完成联合建模,同时支持安全多方 PSI(隐私保护集合求交技术)、安全隐私查询(PIR,又名隐匿查询)、安全统计分析。通过腾讯云安全隐私计算,各合作机构既能保障数据安全,又能发挥数据最大价值,很好地解决了业界数据孤岛的难题。

腾讯云安全隐私计算平台的技术架构,如下图所示:

腾讯云联邦学习平台

腾讯云联邦学习平台由腾讯安全团队通过密码学和机器学习相结合的算法创新,在数据合规安全应用的前提下推出的打破跨部门、跨领域、跨行业数据壁垒的安全计算平台,同时兼容政务云、国资云和金融云等私有化部署环境。联邦学习平台已经运用在金融风控底座引擎、营销策略底座引擎、政务数据共享底座 、数据交易平台底座、营商环境优化数字底座、智慧城市数字底座等业务场景中,比起传统联合建模和数据分析方式,联邦学习平台保证数据合规应用,汇聚多元数据价值,助力数据衍生业务优化突破。

腾讯云联邦学习的技术框架图,如下图所示:

为了更全面地助力金融行业加速数字化转型,腾讯云推出了包含“新基建、新连接、新服务”的“未来金融2.0”全新蓝图,隐私计算正是“新服务”中数据应用的重要技术平台,也是充分释放数据要素潜能的最佳技术方向。未来,腾讯云将继续秉持“用户为本,科技向善”的理念,致力于隐私计算技术在金融行业的推广应用,在更多的金融业务场景中更好地发挥数据的价值。

👆扫码获取完整版报告