近日，零壹财经发布了系统研究隐私计算在金融领域应用的研究报告。瑞莱智慧作为隐私计算赛道企业，在金融领域的实践案例被收录其中。

报告全面介绍了隐私计算技术的发展情况，探讨了隐私计算对数字经济的影响趋势，揭示了隐私计算的技术路径、商业模式，以及在金融领域的应用情况。

在数字经济时代，海量的数据和信息以聚合形式存在于社交网络、电子商务、移动智能终端等网络平台，推动人、物等跨越地域、空间、边界有效连接，大幅提升了资源配置效率。但是数据流通存在存在大量堵点，尤其面对层出不穷的数据泄露事件，数据隐私安全受到了严重冲击，人们对数据的隐私保护也更加重视，导致大家不愿共享、不敢共享、不能共享，形成数据流通的壁垒，造成了数据要素资源的浪费。

一方面强调信息安全和数据保护，一方面提倡数据价值释放，二者如何共生共荣，隐私计算技术成为最优解。

报告中指出，数据要素市场不再是中央文件中的抽象概念，而是在技术支持下徐徐展开的可以想见的未来，隐私计算不再是隐居在论文中的生僻学术名词，而是商业推广中常见的技术词汇，而且银行、保险公司、证券公司都在进行隐私计算平台的招标采购，金融行业成为隐私计算落地最密集的领域。

本次报告严格筛选申报案例，瑞莱智慧在金融行业的生动实践实现突围，成为入选典型案例之一。在社交欺诈场景中，银行在应对反欺诈过程中面着临社交企业掌握黑客针对用户的撒网、信任欺诈等行为特征，银行侧掌握受害者向黑客转账以及后续资金转移等特征，但两方的特征数据均不足以对欺诈行为进行有效识别。因此需要在隐私保护的前提下，帮助企业合法合规地利用内外部数据，丰富样本数据特征维度，构建更加精准的反欺诈风控模型，提升反欺诈能力。

图 瑞莱智慧RealSecure平台银行部署解决方案

瑞莱智慧以隐私保护机器学习平台RealSecure为核心，提供了“数据+平台+模型”的一体化隐私计算解决方案，帮助银行快速接入包括运营商、设备、支付类数据等在内的多类外部数据源，极大的丰富了样本特征维度，基于金融特征、交易特征、行为特征和干系人特征等信息构建反欺诈模型，实现更精准有效的欺诈甄别。

该方案帮助银行安全合规地引入支付行为、设备信息、社交习惯等多类外部数据，大幅提升模型的准确性和效率，隐私计算模式下构建的反欺诈模型AUC可达到0.82，KS达到0.48，效果大幅提升。