隐私计算金融应用典型案例

（一）同盾科技

在零壹智库调研中接触到的隐私计算厂商当中，同盾科技的理论和产品体系是最为系统的。

同盾科技的隐私计算战略不仅仅聚焦于隐私计算的技术发展，而是构建面向下一代可信AI平台，提出了全新的理论体系，并且形成了系统的产品架构和技术生态。

1．1 同盾科技知识联邦理论体系

同盾科技提出“知识联邦”的框架体系，作为一个统一的、层次化的框架体系，它支持安全多方检索、安全多方计算、安全多方学习（联邦学习）、安全多方推理等技术方案。以层次化的方式，将隐私计算的几个主要流派都融合在知识联邦中。

知识联邦是打造数据安全的人工智能生态系统的基础，也是未来通向下一代可信人工智能的必由之路。2019年末，同盾科技发布《知识联邦白皮书》，对知识联邦的背景、定义、平台、挑战、场景应用以及未来发展前景进行了全方位、全景式剖析。

图：同盾科技知识联邦理论体系示意图

（1）知识联邦的四大层次：

知识联邦是一个国产原创、自主可控、国际领先的框架体系。知识联邦的领先之处在于，它是面向下一代人工智能技术发展的理论创新。现有的人工智能技术主要是将数据联合起来进行分析，而知识联邦主张不仅将数据联合起来进行分析，还要将更多的认知、知识联合起来进行分析，从而推动人工智能技术的进步。

在理论层面，知识联邦包含四个层级：信息层、模型层、认知层和知识层。在每个层级中，联邦的对象不同，应用目的也不相同。

信息层：主要发生在联邦的数据转到第三方的服务器之前，需要先把所有数据加密，或通过某种形式转换成为有价值的信息。信息层更多应用在联邦计算的过程中，比如金融经常出现的多头共债问题，比如A／B test，都可以在信息层完成。

模型层：发生在模型训练过程中，跟之前提到的联邦训练的过程实际上是一致的。用本地数据训练本地模型，把模型参数变化加密之后，传送到第三方进行聚合。

认知层：也发生在模型训练过程中，但并不把模型参数聚集在一起联动，而是把局部训练之后产生的粗浅认知进行联邦，变得更合理。即在每一个参与方训练本地的数据，提取本地的模型的特征表达，加密之后上传到第三方服务器，实现集成。

知识层：前面形成很多认知结果之后，把它存成知识库。这种知识库其实每一家机构都有，能够组成一个知识网络。如果在知识网络上不断推理和演绎，挖掘出更有价值的知识，能提前预判事情的发生，最终形成合理决策。

（2）同盾科技知识联邦技术特点

生态完备：拥有包括数据提供者，数据使用者，模型使用者，模型提供者，还有整体服务的提供者和服务使用者多个参与主体；拥有各种服务平台和生态：公有云、私有云、专有云和本地部署。

高度开放性：为了把知识联邦能够最大化的普及和采纳，采取全面开放的方式，并率先提出多项领先的开放性协议。

1．2 同盾知识联邦产品体系

承载知识联邦理论体系的商业化落地产品，就是同盾科技所建立的可信AI生态平台的基础设施——智邦平台（iBond）、开放互联参考模型（FIRM）和天启可信AI开放操作系统（InceptionAI）。

1．2．1 工业级应用产品智邦平台（iBond）

智邦平台，能够把数据要素方保护起来，安全地使用这些数据、能够切断数据的转移，不需要原始数据的转移、也不需要汇聚到科技公司或者互联网巨头。

在平台中同盾还实现了数据接入标准化和数据安全交换协议，可以让数据提供者轻松地进行联邦合作。

1．2．2 开放互联参考模型（FIRM）

开放联邦系统互联参考模型，即FIRM （open Federated system Interconnection Reference Model），该系统分为五层：平台层、通信层、数据交换层、算法层和应用层。

FIRM将每层的功能定义与实现细节区分开来，使它具有普遍的适应能力。理论上，FIRM中每一层都建立在它的下层之上，向它的上一层提供一定的服务，而把如何实现这一服务的细节对上一层加以屏蔽。为此，需要针对每一层定义标准化的协议规范，并在协议中详细描述该层所提供的服务和动作，以保证提供有效的服务。

其中，FLEX （Federated Learning EXchange）协议是一套标准化的联邦协议，是可信AI的HTTPS，能够合规安全使用数据而不改变数据的所有权。它是FIRM体系中数据交换层的一种实现范例。

未来，同盾科技也将发布FIRM体系算法层和应用层的参考实现：咖啡因算法库Caffeine和联邦信使应用接口SAFE（Service Ambassador for Federation）。

1．2．3 InceptionAI天启可信AI开放操作系统

为了更好的服务知识联邦各环节的开发者、服务提供者和使用者，更全面地支持互联互通、协同发展，同盾进一步提出了“InceptionAI天启可信AI开放操作系统”。这一系统不仅实现了用户和各种传统硬件资源之间的交互，更管理了知识联邦中各种任务联盟进程和安全合规的虚拟大数据。

作为可视化、易使用的业务操作系统，除了用户熟悉的Mac或视窗桌面，天启InceptionAI具备三个显著特点：
首先，它构建了一个开放互联的知识联邦生态。“开放互联参考模型（FIRM）”中的通信层、数据安全交换层、算法层、应用层中的模块都可以替换，开放给第三方开发。

第二，为了繁荣生态，天启开放联邦市场，提供数据商店（数据要素市场）、算法商店、模型商店和应用商店。这些开放市场极大的方便了数据生产要素的充分流通、使用、定价；也极大的方便中小企业利用天启的系统功能，快速开发丰富、有特色的服务和应用，可以类比移动App的广泛普及。同时，它通过开放协议，开放标准来确保安全的数据交换是可信AI的最基础功能，不可或缺。

第三，天启内嵌监管中心，提供一系列基础工具和可视化应用，为监管科技的发展与落地提供支撑。第三方中小企业也可以开发天启App提供各个领域的专有监管工具，满足各个行业各个层次的监管需求。

高度开放的天启操作系统，通过开放联盟、开放标准、开放协议、开放互联、开放源码，希望打造一个开放社区，建立可信AI生态。

1．3 同盾发起成立开放联盟：知识联邦产学研联盟（AKF）

2020年10月，由同盾科技牵头成立了知识联邦产学研联盟。同盾希望通过开放联盟方式，将知识联邦通过产学研联盟的方式，把产业界学、术界联合起来，力图将从学界产生的想法，反哺给企业界，企业界也能把一些需求和场景开放给研究院研究，双方共同打造可信AI。

1．4 同盾隐私计算商业价值及未来布局

（1）同盾隐私计算产业布局

首先在金融领域，同盾积极探索更多的落地场景。金融场景中所有需要多方参与建模、知识共享的场景都可以应用知识联邦。尤其是针对个人的贷前风险防控、反欺诈、反洗钱和多头共债中。

其次，在国家关注的政务大数据上，通过知识联邦可以帮助政府实现安全的数据虚拟融合，实现数据联邦检索，在保护个人信息的情况下，建立政府数据向社会开放的安全渠道。同时，可以为各部门行政审批事项梳理和业务流程再造提供支持。

此外，在智慧城市建设发展中，知识联邦同样可以发挥重要的作用。例如在车联网，通过知识联邦可以保护车主行为习惯的前提，让每辆车辆与周边车辆保持安全的信息交流，为自动驾驶形成助力。在社区监控、疫情普查或智能门禁中，利用知识联邦可以将区域或家庭监控系统与公安的犯罪嫌疑人数据库连通，通过本地计算分析，在保护过往行人的隐私情况下，对发现的潜质嫌疑人及时报警等。

部分落地情况：同盾与电网企业通过智邦平台合作，在保护数据隐私的基础上分析企业的电力使用情况，为中小微企业提供征信判断依据，帮助银行做好中小微企业的信用风险分析；保险金融营销领域，帮助某银行从海量客群中挖掘潜在保险用户，有效提升银保营销转化率，提高保险销量产品和渠道的多样性。

（2）同盾隐私计算海外布局：
目前同盾隐私计算已经落地东南亚、北美、南美等多个地区。同盾在美国硅谷设立认知实验室，在加拿大设立北美智能风控实验室，探索风控及相关领域产业应用和商业创新的路径。

（二）星云Clustar

星云Clustar是国内率先开展隐私计算技术实现与应用探索的公司，专注金融场景提供隐私计算全栈技术服务，以IEEE联邦学习标准工作组秘书长单位牵头完成联邦学习首个国际标准认证发布，其算力加速能力处于行业领先地位，核心产品星云隐私计算平台已实现商业化。星云Clustar目前与招商银行、建设银行、微众银行等技术实践领先的金融机构达成深度合作，共同解决金融场景的数据安全及数据价值共享难题。

星云Clustar创始人陈凯为香港科技大学教授，香港人工智能与机器人学会副理事长、网络及AI系统领域世界权威专家，核心团队来自香港科技大学、北京大学及中科院等知名院校，以及腾讯、阿里巴巴、微软、IBM等知名企业的行业专家。

目前，星云Clustar研发人员占比超80％，均来自于全球各大知名院校或企业。研发团队先后在IJCAI、IEEE等顶会和期刊上发表了多篇论文，并形成了一系列专利成果。截至2021年7月，星云Clustar累计申请专利多达91项。根据专利检索平台incopat数据，星云Clustar 隐私计算技术专利申请量（包含隐私计算＆联邦学习＆同态加密）在全网排名第9（含各大高校及大型互联网公司），作为独立技术公司排名第1 。

2021年5月，星云Clustar宣布完成1100万美金A＋轮战略融资。在该轮融资后，星云Clustar将持续加大技术研发投入并深耕金融服务场景。

在产品方面，为满足数据应用流通与隐私保护需求，星云Clustar基于联邦学习与各类创新技术，形成了包括星云隐私计算平台、安全数据网络、数融天鉴系统、FPGA加速卡等软硬件产品在内的一系列创新成果。可提供从海量可信安全数据接入、多源数据融合隐私计算、权限管理以及数据通信存证审计、数据加密与算力加速的软硬件“一站式”服务，解决机器学习框架环境配置、IT部署能力要求高，数据资源申请周期长、数据必须明文传输，模型训练操作门槛高、模型结果复杂难于查看以及训练过程中审计存证难等问题。整个产品体系，可以进一步提升隐私计算在实际应用场景中的效果、安全性与性能。

图：星云Clustar隐私计算全栈解决方案逻辑架构图

1、星云数融天枢数据安全网络（SDN）

星云数融天枢数据安全网络SDN（Security Data network）为数据应用方和数据源方提供安全、合规、高效的数据安全网络。由底层安全计算框架和软件应用层构成，分为数据源方客户端和数据应用方客户端，帮助B端企业实现基于隐私计算的联邦学习建模任务，提升业务效能；同时帮助数据源企业激活数据资产，实现数据价值运营。SDN的搭建，使得数据应用方通过隐私计算技术合法合规地调用到更多的外部数据，提升业务效果。

2、数融天鉴系统，创新“联邦学习审计”

目前，联邦学习的应用对安全性的需求与日俱增。联邦学习中，参与方具有审计所有出入通信／流量的需求，以进一步确保通信和计算的安全性。然而，市面上尚未出现专门用于联邦学习审计的软件或产品。
具体地说，联邦学习任务可能受到控制流、算法流、数据流三个层次的攻击。这些攻击有可能导致联邦学习算法执行停止、模型训练被破坏或者泄露隐私。

为了解决联邦学习中缺乏用于审计的软件的问题，星云Clustar提出了一种用于联邦学习审计的软件架构——数融天鉴系统。天鉴系统将会布署在联邦学习参与方的通信模块上。在联邦学习的任务中，天鉴系统会抓取所有出入当前参与方的数据流量并进行审计，并报告给管理员，进一步确保通信和计算的安全性。

3、星云隐私计算算力解决方案

星云隐私计算算力解决方案采用了自研的高性能加速网络技术与自研业界首个异构加速方案，大幅强化分布式计算的通信效率与计算能力，突破传统网络通信中算力在多点间不能有效横向扩展的瓶颈，实现50－70倍的单点算力提升，将计算节点之间的延迟缩短3倍以上，功耗节约70％以上，解决隐私计算因使用同态加密而产生的计算压力与时延问题。

在隐私计算领域，星云Clustar是算力提升的高手。星云Clustar创始人陈凯预计，未来通过软硬件的进一步优化，可使这个倍数变为100倍以上，从而使隐私计算技术进入更多的应用场景。

作为开源联邦学习生态FATE一员，微众银行人工智能部副总经理、FATE技术指导委员会主席陈天健曾评价，技术委员会中，“星云Clustar是性能担当”。

在深厚的技术积累的基础上，星云Clustar还在落地布署上进行了优化——星云FPGA加速卡支持云端布署。这在应用中有几个方面的优势：

第一，FPGA云上环境完备，包括算力、带宽、存储等，能方便快捷地布署及应用。

第二，云端海量数据能直接在云端训练，无需本地存储和传输，能大大提升训练效率。

第三，FPGA云能耗比相较于GPU提升45％以上 （FPGA单卡对比Tesla V100 GPU）。

第四，在中美贸易的战的大环境下，自研设备难度和时间成本过大，使用云上算力加速无需置备昂贵的服务器以及相关设备，节约成本。

从技术维度上讲，算力将成为隐私计算后续发展的最核心的竞争之一。以后的隐私计算行业会吸纳越来越多的机构进场，随着市场规模的扩大，对算力的需求也必要会增加。而且只有在算力层面上取得了突破，AI领域中的很多不可能才能变成可能。

未来，星云将继续深耕金融行业，在底层技术上极大投入，构建数据安全连接的新一代基础设施平台。

4、产业应用案例

（1）某国有大行合作项目案例

在某大型国有银行的落地项目中，星云Clustar深度结合业务需求，为其搭建了基于联邦学习的多方安全建模平台，满足了业务方联合查询、联合建模、联合运算等场景的数据合规流动，同时对数据资产、流程日志、加密中间结果进行安全审计以确保流程可追溯，以“可用不可见”的方式帮助该银行打通全行内外部的数据共享，优化流程标准与降低管理成本的同时，为该银行未来进行更大规模的数据开放提供了技术基础。

（2）某大型互联网银行合作项目案例

某大型互联网银行为打通数据安全交换路径提供联邦学习系统方案，该联邦学习系统需要对敏感数据进行同态加密计算，因而带来计算量和传输量的剧增，使其联邦学习系统面临巨大的算力压力。

星云Clustar依托隐私计算算力解决方案助力该行实现联邦数据网络算力加速，通过自主研发的隐私计算加速卡，使同态加密算力提升50－70倍，联邦学习框架效率整体性能则提升2倍以上，成功推动其联邦学习系统高效运转落地。