隱私計算金融應用典型案例

（一）同盾科技

在零壹智庫調研中接觸到的隱私計算廠商當中，同盾科技的理論和產品體系是最為系統的。

同盾科技的隱私計算戰略不僅僅聚焦于隱私計算的技術發展，而是構建面向下一代可信AI平臺，提出了全新的理論體系，并且形成了系統的產品架構和技術生態。

1．1 同盾科技知識聯邦理論體系

同盾科技提出“知識聯邦”的框架體系，作為一個統一的、層次化的框架體系，它支持安全多方檢索、安全多方計算、安全多方學習（聯邦學習）、安全多方推理等技術方案。以層次化的方式，將隱私計算的幾個主要流派都融合在知識聯邦中。

知識聯邦是打造數據安全的人工智能生態系統的基礎，也是未來通向下一代可信人工智能的必由之路。2019年末，同盾科技發布《知識聯邦白皮書》，對知識聯邦的背景、定義、平臺、挑戰、場景應用以及未來發展前景進行了全方位、全景式剖析。

圖：同盾科技知識聯邦理論體系示意圖

（1）知識聯邦的四大層次：

知識聯邦是一個國產原創、自主可控、國際領先的框架體系。知識聯邦的領先之處在于，它是面向下一代人工智能技術發展的理論創新�，F有的人工智能技術主要是將數據聯合起來進行分析，而知識聯邦主張不僅將數據聯合起來進行分析，還要將更多的認知、知識聯合起來進行分析，從而推動人工智能技術的進步。

在理論層面，知識聯邦包含四個層級：信息層、模型層、認知層和知識層。在每個層級中，聯邦的對象不同，應用目的也不相同。

信息層：主要發生在聯邦的數據轉到第三方的服務器之前，需要先把所有數據加密，或通過某種形式轉換成為有價值的信息。信息層更多應用在聯邦計算的過程中，比如金融經常出現的多頭共債問題，比如A／B test，都可以在信息層完成。

模型層：發生在模型訓練過程中，跟之前提到的聯邦訓練的過程實際上是一致的。用本地數據訓練本地模型，把模型參數變化加密之后，傳送到第三方進行聚合。

認知層：也發生在模型訓練過程中，但并不把模型參數聚集在一起聯動，而是把局部訓練之后產生的粗淺認知進行聯邦，變得更合理。即在每一個參與方訓練本地的數據，提取本地的模型的特征表達，加密之后上傳到第三方服務器，實現集成。

知識層：前面形成很多認知結果之后，把它存成知識庫。這種知識庫其實每一家機構都有，能夠組成一個知識網絡。如果在知識網絡上不斷推理和演繹，挖掘出更有價值的知識，能提前預判事情的發生，最終形成合理決策。

（2）同盾科技知識聯邦技術特點

生態完備：擁有包括數據提供者，數據使用者，模型使用者，模型提供者，還有整體服務的提供者和服務使用者多個參與主體；擁有各種服務平臺和生態：公有云、私有云、專有云和本地部署。

高度開放性：為了把知識聯邦能夠最大化的普及和采納，采取全面開放的方式，并率先提出多項領先的開放性協議。

1．2 同盾知識聯邦產品體系

承載知識聯邦理論體系的商業化落地產品，就是同盾科技所建立的可信AI生態平臺的基礎設施——智邦平臺（iBond）、開放互聯參考模型（FIRM）和天啟可信AI開放操作系統（InceptionAI）。

1．2．1 工業級應用產品智邦平臺（iBond）

智邦平臺，能夠把數據要素方保護起來，安全地使用這些數據、能夠切斷數據的轉移，不需要原始數據的轉移、也不需要匯聚到科技公司或者互聯網巨頭。

在平臺中同盾還實現了數據接入標準化和數據安全交換協議，可以讓數據提供者輕松地進行聯邦合作。

1．2．2 開放互聯參考模型（FIRM）

開放聯邦系統互聯參考模型，即FIRM （open Federated system Interconnection Reference Model），該系統分為五層：平臺層、通信層、數據交換層、算法層和應用層。

FIRM將每層的功能定義與實現細節區分開來，使它具有普遍的適應能力。理論上，FIRM中每一層都建立在它的下層之上，向它的上一層提供一定的服務，而把如何實現這一服務的細節對上一層加以屏蔽。為此，需要針對每一層定義標準化的協議規范，并在協議中詳細描述該層所提供的服務和動作，以保證提供有效的服務。

其中，FLEX （Federated Learning EXchange）協議是一套標準化的聯邦協議，是可信AI的HTTPS，能夠合規安全使用數據而不改變數據的所有權。它是FIRM體系中數據交換層的一種實現范例。

未來，同盾科技也將發布FIRM體系算法層和應用層的參考實現：咖啡因算法庫Caffeine和聯邦信使應用接口SAFE（Service Ambassador for Federation）。

1．2．3 InceptionAI天啟可信AI開放操作系統

為了更好的服務知識聯邦各環節的開發者、服務提供者和使用者，更全面地支持互聯互通、協同發展，同盾進一步提出了“InceptionAI天啟可信AI開放操作系統”。這一系統不僅實現了用戶和各種傳統硬件資源之間的交互，更管理了知識聯邦中各種任務聯盟進程和安全合規的虛擬大數據。

作為可視化、易使用的業務操作系統，除了用戶熟悉的Mac或視窗桌面，天啟InceptionAI具備三個顯著特點：
首先，它構建了一個開放互聯的知識聯邦生態�！伴_放互聯參考模型（FIRM）”中的通信層、數據安全交換層、算法層、應用層中的模塊都可以替換，開放給第三方開發。

第二，為了繁榮生態，天啟開放聯邦市場，提供數據商店（數據要素市場）、算法商店、模型商店和應用商店。這些開放市場極大的方便了數據生產要素的充分流通、使用、定價；也極大的方便中小企業利用天啟的系統功能，快速開發豐富、有特色的服務和應用，可以類比移動App的廣泛普及。同時，它通過開放協議，開放標準來確保安全的數據交換是可信AI的最基礎功能，不可或缺。

第三，天啟內嵌監管中心，提供一系列基礎工具和可視化應用，為監管科技的發展與落地提供支撐。第三方中小企業也可以開發天啟App提供各個領域的專有監管工具，滿足各個行業各個層次的監管需求。

高度開放的天啟操作系統，通過開放聯盟、開放標準、開放協議、開放互聯、開放源碼，希望打造一個開放社區，建立可信AI生態。

1．3 同盾發起成立開放聯盟：知識聯邦產學研聯盟（AKF）

2020年10月，由同盾科技牽頭成立了知識聯邦產學研聯盟。同盾希望通過開放聯盟方式，將知識聯邦通過產學研聯盟的方式，把產業界學、術界聯合起來，力圖將從學界產生的想法，反哺給企業界，企業界也能把一些需求和場景開放給研究院研究，雙方共同打造可信AI。

1．4 同盾隱私計算商業價值及未來布局

（1）同盾隱私計算產業布局

首先在金融領域，同盾積極探索更多的落地場景。金融場景中所有需要多方參與建模、知識共享的場景都可以應用知識聯邦。尤其是針對個人的貸前風險防控、反欺詐、反洗錢和多頭共債中。

其次，在國家關注的政務大數據上，通過知識聯邦可以幫助政府實現安全的數據虛擬融合，實現數據聯邦檢索，在保護個人信息的情況下，建立政府數據向社會開放的安全渠道。同時，可以為各部門行政審批事項梳理和業務流程再造提供支持。

此外，在智慧城市建設發展中，知識聯邦同樣可以發揮重要的作用。例如在車聯網，通過知識聯邦可以保護車主行為習慣的前提，讓每輛車輛與周邊車輛保持安全的信息交流，為自動駕駛形成助力。在社區監控、疫情普查或智能門禁中，利用知識聯邦可以將區域或家庭監控系統與公安的犯罪嫌疑人數據庫連通，通過本地計算分析，在保護過往行人的隱私情況下，對發現的潛質嫌疑人及時報警等。

部分落地情況：同盾與電網企業通過智邦平臺合作，在保護數據隱私的基礎上分析企業的電力使用情況，為中小微企業提供征信判斷依據，幫助銀行做好中小微企業的信用風險分析；保險金融營銷領域，幫助某銀行從海量客群中挖掘潛在保險用戶，有效提升銀保營銷轉化率，提高保險銷量產品和渠道的多樣性。

（2）同盾隱私計算海外布局：
目前同盾隱私計算已經落地東南亞、北美、南美等多個地區。同盾在美國硅谷設立認知實驗室，在加拿大設立北美智能風控實驗室，探索風控及相關領域產業應用和商業創新的路徑。

（二）星云Clustar

星云Clustar是國內率先開展隱私計算技術實現與應用探索的公司，專注金融場景提供隱私計算全棧技術服務，以IEEE聯邦學習標準工作組秘書長單位牽頭完成聯邦學習首個國際標準認證發布，其算力加速能力處于行業領先地位，核心產品星云隱私計算平臺已實現商業化。星云Clustar目前與招商銀行、建設銀行、微眾銀行等技術實踐領先的金融機構達成深度合作，共同解決金融場景的數據安全及數據價值共享難題。

星云Clustar創始人陳凱為香港科技大學教授，香港人工智能與機器人學會副理事長、網絡及AI系統領域世界權威專家，核心團隊來自香港科技大學、北京大學及中科院等知名院校，以及騰訊、阿里巴巴、微軟、IBM等知名企業的行業專家。

目前，星云Clustar研發人員占比超80％，均來自于全球各大知名院�；蚱髽I。研發團隊先后在IJCAI、IEEE等頂會和期刊上發表了多篇論文，并形成了一系列專利成果。截至2021年7月，星云Clustar累計申請專利多達91項。根據專利檢索平臺incopat數據，星云Clustar 隱私計算技術專利申請量（包含隱私計算＆聯邦學習＆同態加密）在全網排名第9（含各大高校及大型互聯網公司），作為獨立技術公司排名第1 。

2021年5月，星云Clustar宣布完成1100萬美金A＋輪戰略融資。在該輪融資后，星云Clustar將持續加大技術研發投入并深耕金融服務場景。

在產品方面，為滿足數據應用流通與隱私保護需求，星云Clustar基于聯邦學習與各類創新技術，形成了包括星云隱私計算平臺、安全數據網絡、數融天鑒系統、FPGA加速卡等軟硬件產品在內的一系列創新成果。可提供從海量可信安全數據接入、多源數據融合隱私計算、權限管理以及數據通信存證審計、數據加密與算力加速的軟硬件“一站式”服務，解決機器學習框架環境配置、IT部署能力要求高，數據資源申請周期長、數據必須明文傳輸，模型訓練操作門檻高、模型結果復雜難于查看以及訓練過程中審計存證難等問題。整個產品體系，可以進一步提升隱私計算在實際應用場景中的效果、安全性與性能。

圖：星云Clustar隱私計算全棧解決方案邏輯架構圖

1、星云數融天樞數據安全網絡（SDN）

星云數融天樞數據安全網絡SDN（Security Data network）為數據應用方和數據源方提供安全、合規、高效的數據安全網絡。由底層安全計算框架和軟件應用層構成，分為數據源方客戶端和數據應用方客戶端，幫助B端企業實現基于隱私計算的聯邦學習建模任務，提升業務效能；同時幫助數據源企業激活數據資產，實現數據價值運營。SDN的搭建，使得數據應用方通過隱私計算技術合法合規地調用到更多的外部數據，提升業務效果。

2、數融天鑒系統，創新“聯邦學習審計”

目前，聯邦學習的應用對安全性的需求與日俱增。聯邦學習中，參與方具有審計所有出入通信／流量的需求，以進一步確保通信和計算的安全性。然而，市面上尚未出現專門用于聯邦學習審計的軟件或產品。
具體地說，聯邦學習任務可能受到控制流、算法流、數據流三個層次的攻擊。這些攻擊有可能導致聯邦學習算法執行停止、模型訓練被破壞或者泄露隱私。

為了解決聯邦學習中缺乏用于審計的軟件的問題，星云Clustar提出了一種用于聯邦學習審計的軟件架構——數融天鑒系統。天鑒系統將會布署在聯邦學習參與方的通信模塊上。在聯邦學習的任務中，天鑒系統會抓取所有出入當前參與方的數據流量并進行審計，并報告給管理員，進一步確保通信和計算的安全性。

3、星云隱私計算算力解決方案

星云隱私計算算力解決方案采用了自研的高性能加速網絡技術與自研業界首個異構加速方案，大幅強化分布式計算的通信效率與計算能力，突破傳統網絡通信中算力在多點間不能有效橫向擴展的瓶頸，實現50－70倍的單點算力提升，將計算節點之間的延遲縮短3倍以上，功耗節約70％以上，解決隱私計算因使用同態加密而產生的計算壓力與時延問題。

在隱私計算領域，星云Clustar是算力提升的高手。星云Clustar創始人陳凱預計，未來通過軟硬件的進一步優化，可使這個倍數變為100倍以上，從而使隱私計算技術進入更多的應用場景。

作為開源聯邦學習生態FATE一員，微眾銀行人工智能部副總經理、FATE技術指導委員會主席陳天健曾評價，技術委員會中，“星云Clustar是性能擔當”。

在深厚的技術積累的基礎上，星云Clustar還在落地布署上進行了優化——星云FPGA加速卡支持云端布署。這在應用中有幾個方面的優勢：

第一，FPGA云上環境完備，包括算力、帶寬、存儲等，能方便快捷地布署及應用。

第二，云端海量數據能直接在云端訓練，無需本地存儲和傳輸，能大大提升訓練效率。

第三，FPGA云能耗比相較于GPU提升45％以上 （FPGA單卡對比Tesla V100 GPU）。

第四，在中美貿易的戰的大環境下，自研設備難度和時間成本過大，使用云上算力加速無需置備昂貴的服務器以及相關設備，節約成本。

從技術維度上講，算力將成為隱私計算后續發展的最核心的競爭之一。以后的隱私計算行業會吸納越來越多的機構進場，隨著市場規模的擴大，對算力的需求也必要會增加。而且只有在算力層面上取得了突破，AI領域中的很多不可能才能變成可能。

未來，星云將繼續深耕金融行業，在底層技術上極大投入，構建數據安全連接的新一代基礎設施平臺。

4、產業應用案例

（1）某國有大行合作項目案例

在某大型國有銀行的落地項目中，星云Clustar深度結合業務需求，為其搭建了基于聯邦學習的多方安全建模平臺，滿足了業務方聯合查詢、聯合建模、聯合運算等場景的數據合規流動，同時對數據資產、流程日志、加密中間結果進行安全審計以確保流程可追溯，以“可用不可見”的方式幫助該銀行打通全行內外部的數據共享，優化流程標準與降低管理成本的同時，為該銀行未來進行更大規模的數據開放提供了技術基礎。

（2）某大型互聯網銀行合作項目案例

某大型互聯網銀行為打通數據安全交換路徑提供聯邦學習系統方案，該聯邦學習系統需要對敏感數據進行同態加密計算，因而帶來計算量和傳輸量的劇增，使其聯邦學習系統面臨巨大的算力壓力。

星云Clustar依托隱私計算算力解決方案助力該行實現聯邦數據網絡算力加速，通過自主研發的隱私計算加速卡，使同態加密算力提升50－70倍，聯邦學習框架效率整體性能則提升2倍以上，成功推動其聯邦學習系統高效運轉落地。