大数据风控行业风波不断，相关部门大力整顿爬虫业务之际，用户数据隐私保护成为金融科技行业待解难题。昨天，国内领先的金融科技企业360金融宣布成立隐私保护与安全计算研究院，引入联邦学习技术发力大数据隐私保护研究。
未来，360金融将投入大量资金和研发力量，并联合行业合作伙伴，营造健康数据生态，共同制定解决数据安全问题的金融科技方案。这是继谷歌、苹果、腾讯、阿里之后，隐私保护机器学习进入金融科技领域的重要尝试。
360金融隐私保护与安全计算研究院院长由360金融首席数据科学家沈赟担任，研究院与上海交通大学计算机系-360金融人工智能联合实验室紧密配合，前期先从用户层面落地，后期将致力于构建产业联盟，制定行业标准。
隐私保护与数据共享的两难选择
进入9月以来，中国的金融科技行业进入了一个前所未有的“整顿期”。已有多家第三方大数据公司被纳入调查行列。随着客户自身越来越重视隐私保护，监管也在数据获取的合规性方面不断加大力度。
欧盟早在2016年就颁发了《欧盟数据保护通用条例》(General Data Protection Regulation)，美国加州在2018年也出台了《2018加州消费者隐私法案》(California Consumer Privacy
Act of 2018)，同年9月，《十三届全国人大常委会立法规划》发布，《个人信息保护法》《数据安全法》均在“条件比较成熟、任期内拟提请审议的法律草案”之列。
在用户隐私保护立法的大趋势下，如何在保护数据安全和用户隐私的前提下，进行数据分析和建模，已经成为学界和业界着手研究的前沿课题。
360金融隐私保护与安全计算研究院院长、360金融首席数据科学家沈赟表示：“金融与科技的融合，极大程度上取决于对数据价值的深挖程度，而如何兼顾隐私性与可用性的关系，既是企业必须面对的道德底线，也是考验企业技术是否过硬的先决条件。”
沈赟指出，随着政策对隐私数据管控的趋严，从业企业对于自身积累数据的保护意识提升到前所未有的高度，此举虽然在短期内断绝了隐私泄露的风险，但从长期出发，却加深了数据孤岛给金融科技落地和应用带来的难题。
“我们的目标是想打通数据孤岛，通过自身的安全基因，凭借多年的技术积累，在利用技术保护数据安全的情况下，实现数据的共享和价值的传递。”
构建新型机器学习计算框架
为实现这一目标，360金融在安全多方计算、
同态加密、差分隐私、联邦学习等技术领域都进行了部署，并通过实际业务数据，训练更安全的模型，同时链接多方孤岛数据提升模型性能。
具体来看，利用同态加密，对加密后的数据直接进行运算，相比较有高风险泄露数据的明文计算，这种方式在保证计算正确性的情况下，从根源上确保了用户隐私不被盗用、窃取，同时在处理过程中也实现了全程“封闭”。
另外，利用差分隐私技术降低暴露训练数据中敏感信息的可能性。差分隐私是建立在对随机算法的约束之上的，限制攻击者在得到带噪中间件后，对原数据的推导能力。再结合安全多方计算，联邦学习等技术，实现联合多方分布式训练并更新模型。这种方法不需要上传数据，在保持模型预测性能的情况下，比传统方法更加有效地保护了用户信息。
360金融隐私保护与安全计算研究院所关于隐私保护机器学习的研究，一方面是用户层面的联合训练模型，即联合多个客户端本地数据，通过计算的中间参数，联合更新模型；另一方面是数据机构之间的联合建模，编写了新型的机器学习算法，机构之间不再需要互传原始数据，这种新型算法训练的模型可以评估出数据有效性，也可以部署到线上进行联合推断预测。
此外，构建新型机器学习计算框架，实现灵活易用的隐私保护计算平台，推动制定监管认可的行业标准，也将成为研究院未来的重点研究方向。
沈赟强调：“从整个行业来看，数据规模急剧增长，数据类型更加多样，应用场景更加多元，都将成为用户隐私保护和数据安全的‘不安因素’。研究院将秉持公司安全属性，将概念阶段的技术实际应用与金融场景，实现可落地方案的解决，带动新技术的应用及跨产业的融合与创新。”
沿袭360安全基因，多角度全方位技术布局
依托360集团在安全领域的十多年积淀，360金融的人工智能技术在保障用户隐私层面已经发挥着巨大的作用。
一方面，在技术层面进行隐私数据识别、数据加密、安全存储，通道加密等多方面工作，实时监测是否有黑客入侵偷取数据；另一方面，通过管理机制，将人工智能技术应用在各个环节，不仅可以降低成本提升效率，也能最大程度避免人力介入，从而保障用户的隐私安全。
近一段时间，360金融在技术领域布局可谓动作频频。10月16日，与上海交通大学共同设立人工智能联合实验室，深挖人工智能在业务中的落地应用；本周，组建360金融技术委员会，整合公司技术力量，搭建整体技术架构；继而又成立隐私保护与安全计算研究院，迈出金融科技行业在前沿领域探索中领先的一步。
可以期待，360金融的技术版图还将持续扩张，在数据驱动与AI赋能的道路上奋力前行。
