target audience: TECH BUYER  Publication date: Jan 2022 - Document type: IDC PeerScape - Doc  Document number: # CHC48664822

IDC PeerScape: 金融行业隐私保护计算探索与实践

By: 

  • Siri Si
  • Eric Gao Loading

Content



Get More

When you purchase this document, the purchase price can be applied to the cost of an annual subscription, giving you access to more research for your investment.



Related Links

Abstract


IDC认为,未来的数字金融的发展将以开放融合的态势持续推进。在以数智驱动的数字化业务协作和日渐趋强的监管要求下,金融机构对于多方数据间的交互与流通需求较大,他们高度关注如何安全、合规地实现数据采集、流通与使用,使数据在金融内外部生态系统中发挥更大的价值。作为促进数据互联互通与高效流通的基础技术,隐私保护计算能在保护数据隐私的前提下,有效解决数据融通,发挥数据价值,实现数据的"可用不可见、可控可计量"。随着隐私保护计算技术的成熟,其逐渐成为解决多方数据融合应用和安全性的重要途径和基础设施,通过隐私保护计算技术促进金融向更加开放、更加信任的方向发展。目前隐私保护计算已不断在金融信贷风控、反洗钱、反欺诈、营销、保险定价与理赔、业务协作等金融场景应用。

"隐私保护计算作为一种将数据科学、密码学、AI、硬件安全等众多领域交叉融合解决数据隐私的跨学科技术方案,在解决数据要素市场化流通过程中发挥中重要作用。目前,在隐私保护计算市场中,基于机器学习模型的联邦学习(Federated Learning)、多方安全计算(Multi-Party Computation)、可信执行环境(Trusted Execution Environment,简称TEE)是市场中主要的隐私保护计算技术路线,不同技术方案之间因解决方案的底层逻辑及应用场景的差异性,各具有不同的特点和应用优势。金融机构纷纷针对不同业务场景需求及特点,开始深入探索隐私保护计算的应用与落地。同时行业中也涌现出了从不同技术路线切入隐私保护计算赛道的技术服务商。从目前隐私保护计算的实践来看,金融业的需求相对较迫切,其应用阶段处于单点实践向局部推广的过程中,并且初见成效。IDC认为未来隐私保护计算技术的大规模应用应在保证安全的前提下,关注于计算性能与计算效率之间的有效平衡、计算模型有效性与稳定性的有效提升、以及其在具体场景中的多重数据服务价值。在数字化浪潮中,构建更加通用且易用的隐私保护计算技术服务是其走向成熟与未来发展的主要方向和趋势。"——IDC 中国金融行业研究部高级分析师思二勋表示。



Coverage


Do you have questions about this document
or available subscriptions?