
行业背景介绍——隐私计算价值体现
解决机构由于合规、政策、隐私保护等考虑因素,难以采取传统数据共享的方式进行信息互联的困境通过隐私计算可实现“数据不出门,信息可用”,是信息互联、共享的新模式。。

天御全栈式隐私保护计算能力架构

联邦学习模块原理介绍

安全计算模块介绍
支持多方数据安全加减乘除等运算
支持多方数据安全求交
支持多方统计分析
支持匿踪查询
专为数据安全融合而生的密码学技术
不以参与方之间信任为前提,实现数据的“可用而不可见”
计算结果与明文计算结果一致
多方安全计算技术在计算机指令和编译器层面用加密运算替代了明文运算

隐私计算平台典型应用场景
安全求交—保护非交集样本
场景描述:银行和数据源达成协议,基于数据源的用户画像帮助银行做信用卡精准营销,但需要排除银行已有的客户,节省营销成本和避免客户骚扰

隐匿查询——保护查询ID
场景描述:车企45店拥有不少的销售线索,需要调用数据源的营销风险分接口,做个选。但销售线索是车企的潜在重要资产,不想被数据源泄露给同行,所以既需要保护查询的手机号码,同时又能获得数据源的营销风险分

联合分析——联合数据洞察
场景描述:广告主拥有大量的沉寂客户,需要借助数据源的画像信息进行精准促活,比如需要精准定向年龄大于某值的沉寂账户进行电话营销

联合建模——联合数据预测
场景描述:信用卡中心拥有客户的逾期信息和资产情况,数据源拥有互联网用户画像,两者达成合作协议,结合双方数据共同建立信用卡申请反欺诈模型提升模型效果,但各自数据都不能离开本地

隐私计算平台产品特点

建模冷启动

金融场景特色功能

隐私计算解决方案场景应用案例分享
案例分享:某头部城商行营销场景联合隐私求交集
隐私求交:安全求交找出精准客群,流量前置筛选,降低至少20~30%获客成本
场景描述:某城商行和金融科技公司达成合作协议,基于金融科技合作方的用户画像帮助银行做信用卡精准营销,挖掘出来的新客在媒体广告平台投放。但需要排除该城商行已有的4千万存量信用卡客户,节省营销成本和避免客户骚扰

案例分享:某知名4s车企通过联邦隐匿查询,实现查询ID保护不被泄露
隐匿查询:保护查询ID不被外部第三方获得,达到安全匿踪化查询目的

案例分享:基于隐私计算的金融风控建模
联邦联合评分卡:支持多场景化联合建模,客户基于联合建模相比单方建模效果提升两位数的幅度

案例分享:某农商行营销场景联合建模
联合营销:打通内外部生态数据,实现精准化营销


