金融数据隐私如何保护
发布时间：2021-06-16 10:01:08 作者： 来源：中国银行保险报网
□本报记者 苏洁
人工智能从最初的理论萌芽，发展到最近十几年强力崛起并全面落地，成为各个国家必争的技术高地；这股浪潮席卷全球，也深刻影响着我国科技创新、产业结构调整和社会经济发展。而突破下一代人工智能高地还需要解决数据安全、数据隐私保护乃至人类安全等核心问题，如何通过技术创新、法律体系、社会监督、行业自律等方面协同推进人工智能领域更好地发展？
6月6日，2021全球人工智能技术大会可信AI专题论坛上，学术界及人工智能领军企业代表深入探讨了下一代可信人工智能的机遇与挑战。
构建人工智能发展生态体系
“人工智能每30年有一次大的质变，从20世纪50年代开始的人工智能的萌芽，我们叫做AI1.0时代，到了目前AI2.0时代，我们叫做以深度学习为代表的，以数据驱动为核心的深度学习的人工智能。畅想下一代AI3.0时代，30年之后，AI会变成什么样子？”同盾科技合伙人、人工智能研究院院长、中科院医学所首席教授李晓林的发问引人遐想，未来人工智能会如何改变我们的生活，引人畅想。
中国工程院院士、浙江大学教授潘云鹤在视频发言中表示，在人工智能走向2.0的发展中，数据和知识是两个最重要的关键元素。处理大数据和处理多重知识，形成了AI发展的两类核心技术。作为一项我国原创、自主可控的技术，知识联邦技术的设计理念受到了人工智能发展历史的启发和影响，有望成为推动大数据智能突破发展的一个重要环节，为中国率先发展下一代可信AI做出贡献。
潘云鹤还指出，未来10年中国人工智能2.0发展，既要提出新的理论，又要产生创新技术，还应有突破性的应用场景。因此，应大力培养人工智能的一流人才，构建AI+X的发展生态，在大学科研机构、政府和产业之间形成一种新型协作体系，共同推动中国人工智能的创新与发展。
中国科学院院士、中科院医学所所长、国科大肿瘤医院院长谭蔚泓在视频发言中表示，如何打造智慧医疗的可信AI生态至关重要，既要大力发展数据驱动的人工智能，推动下一代知识驱动的人工智能的突破，又要面向人民生命健康，切实维护公民隐私，实现数据可用不可见，知识共创可共享。
如何实现数据可用不可见？科技部高技术研究发展中心研究员、ACM中国理事会常务理事嵇智源表示，寻找人工智能时代隐私保护、政府监管、商业诉求的平衡点，已经成为产学研各界迫切需要解决的问题。在此背景下，“可信AI”的理念逐渐成为全球共识，也成为未来人工智能产业健康发展的必由之路。所谓“可信AI”，就是确保AI公平性、可解释性、透明性，确保算法可被人信任。
可信AI专题论坛主席、同盾科技联合创始人、合伙人、CTO张新波同样认为，下一代人工智能必须解决数据安全、数据隐私保护等核心问题。数据要素具有边际成本低、规模效应大、流动性高、可复用性强等区别于传统生产要素的新特点，基于知识联邦技术打造安全可信AI生态系统，可实现安全可信的知识提炼与共享，赋能其他产业发展，为下一代人工智能奠定坚实的基础。
加强金融数据隐私保护
人工智能数据采集传输共享的安全，安全可信，不仅是技术层面的问题，人工智能的可信也需要建立一系列相应的法律法规，标准和社会伦理准则予以保障。大数据作为新的经济驱动力，每天都有越来越多的数据被收集，如何去构建一个可靠的、负责任的数据经济框架，显得尤为重要。
加州大学伯克利分校的数字经济科学教授宋晓冬认为，数据是现代经济的驱动力，是人工智能和机器学习的命脉。然而，这些数据中有很多是敏感的，并且处理敏感数据已经成为了个人和企业面临的挑战，我们需要开发新技术来保护数据。比如，隐私计算和区块链的结合可以帮助我们，帮助提供不可更改的数据使用权限，通过隐私计算的方法，创建一种新类型的资产和数据资产可以使数据在保护隐私的情况下，同时科技帮助数据所有者从数据中获得价值。
李晓林指出，数据已经被列为一种新型生产要素，与土地、劳动力、资本、技术等传统要素并列，成为驱动技术革命和重新定义人类社会未来的新动力。“借助知识联邦技术（隐私计算的一种），可以构建新型的生产关系。作为一种安全的数据和知识交换框架体系，知识联邦技术保证在数据安全的前提下实现知识的提炼与共享，赋能基于数据驱动的公共服务、商业活动与学术研究，充分发挥数据要素的倍增作用。同时，知识联邦通过支撑数据新型生产资料在时空上的安全流通、转换、交易来实现价值，促进人工智能新型生产力的进一步发展。”李晓林说。
具体在金融领域，平安集团首席科学家、集团执委肖京介绍，保险公司和医院之间的合作，两个机构想要查询用户的信息，又不想让对方知道我查了谁，甚至有没有查，这时就可以用匿踪查询的方式实现。平安现在用标准化的做法，可以把外部其他的平台通过异构的方式，通过中间的打通，可以完成两个平台的对接，这样可以非常方便去实现联邦学习的建模能力。另外，在信贷场景做风控时，银行对于单个银行的数据很少，需要很多人搜集数据，采集数据去分析，但有些数据，比如政府中的数据不能直接给银行使用，所以跟政府之间可以通过联邦学习的能力，就不会泄漏这些数据，以帮助信贷大大提升风控能力，降低违约概率。
□本报记者 苏洁
人工智能从最初的理论萌芽，发展到最近十几年强力崛起并全面落地，成为各个国家必争的技术高地；这股浪潮席卷全球，也深刻影响着我国科技创新、产业结构调整和社会经济发展。而突破下一代人工智能高地还需要解决数据安全、数据隐私保护乃至人类安全等核心问题，如何通过技术创新、法律体系、社会监督、行业自律等方面协同推进人工智能领域更好地发展？
6月6日，2021全球人工智能技术大会可信AI专题论坛上，学术界及人工智能领军企业代表深入探讨了下一代可信人工智能的机遇与挑战。
构建人工智能发展生态体系
“人工智能每30年有一次大的质变，从20世纪50年代开始的人工智能的萌芽，我们叫做AI1.0时代，到了目前AI2.0时代，我们叫做以深度学习为代表的，以数据驱动为核心的深度学习的人工智能。畅想下一代AI3.0时代，30年之后，AI会变成什么样子？”同盾科技合伙人、人工智能研究院院长、中科院医学所首席教授李晓林的发问引人遐想，未来人工智能会如何改变我们的生活，引人畅想。
中国工程院院士、浙江大学教授潘云鹤在视频发言中表示，在人工智能走向2.0的发展中，数据和知识是两个最重要的关键元素。处理大数据和处理多重知识，形成了AI发展的两类核心技术。作为一项我国原创、自主可控的技术，知识联邦技术的设计理念受到了人工智能发展历史的启发和影响，有望成为推动大数据智能突破发展的一个重要环节，为中国率先发展下一代可信AI做出贡献。
潘云鹤还指出，未来10年中国人工智能2.0发展，既要提出新的理论，又要产生创新技术，还应有突破性的应用场景。因此，应大力培养人工智能的一流人才，构建AI+X的发展生态，在大学科研机构、政府和产业之间形成一种新型协作体系，共同推动中国人工智能的创新与发展。
中国科学院院士、中科院医学所所长、国科大肿瘤医院院长谭蔚泓在视频发言中表示，如何打造智慧医疗的可信AI生态至关重要，既要大力发展数据驱动的人工智能，推动下一代知识驱动的人工智能的突破，又要面向人民生命健康，切实维护公民隐私，实现数据可用不可见，知识共创可共享。
如何实现数据可用不可见？科技部高技术研究发展中心研究员、ACM中国理事会常务理事嵇智源表示，寻找人工智能时代隐私保护、政府监管、商业诉求的平衡点，已经成为产学研各界迫切需要解决的问题。在此背景下，“可信AI”的理念逐渐成为全球共识，也成为未来人工智能产业健康发展的必由之路。所谓“可信AI”，就是确保AI公平性、可解释性、透明性，确保算法可被人信任。
可信AI专题论坛主席、同盾科技联合创始人、合伙人、CTO张新波同样认为，下一代人工智能必须解决数据安全、数据隐私保护等核心问题。数据要素具有边际成本低、规模效应大、流动性高、可复用性强等区别于传统生产要素的新特点，基于知识联邦技术打造安全可信AI生态系统，可实现安全可信的知识提炼与共享，赋能其他产业发展，为下一代人工智能奠定坚实的基础。
加强金融数据隐私保护
人工智能数据采集传输共享的安全，安全可信，不仅是技术层面的问题，人工智能的可信也需要建立一系列相应的法律法规，标准和社会伦理准则予以保障。大数据作为新的经济驱动力，每天都有越来越多的数据被收集，如何去构建一个可靠的、负责任的数据经济框架，显得尤为重要。
加州大学伯克利分校的数字经济科学教授宋晓冬认为，数据是现代经济的驱动力，是人工智能和机器学习的命脉。然而，这些数据中有很多是敏感的，并且处理敏感数据已经成为了个人和企业面临的挑战，我们需要开发新技术来保护数据。比如，隐私计算和区块链的结合可以帮助我们，帮助提供不可更改的数据使用权限，通过隐私计算的方法，创建一种新类型的资产和数据资产可以使数据在保护隐私的情况下，同时科技帮助数据所有者从数据中获得价值。
李晓林指出，数据已经被列为一种新型生产要素，与土地、劳动力、资本、技术等传统要素并列，成为驱动技术革命和重新定义人类社会未来的新动力。“借助知识联邦技术（隐私计算的一种），可以构建新型的生产关系。作为一种安全的数据和知识交换框架体系，知识联邦技术保证在数据安全的前提下实现知识的提炼与共享，赋能基于数据驱动的公共服务、商业活动与学术研究，充分发挥数据要素的倍增作用。同时，知识联邦通过支撑数据新型生产资料在时空上的安全流通、转换、交易来实现价值，促进人工智能新型生产力的进一步发展。”李晓林说。
具体在金融领域，平安集团首席科学家、集团执委肖京介绍，保险公司和医院之间的合作，两个机构想要查询用户的信息，又不想让对方知道我查了谁，甚至有没有查，这时就可以用匿踪查询的方式实现。平安现在用标准化的做法，可以把外部其他的平台通过异构的方式，通过中间的打通，可以完成两个平台的对接，这样可以非常方便去实现联邦学习的建模能力。另外，在信贷场景做风控时，银行对于单个银行的数据很少，需要很多人搜集数据，采集数据去分析，但有些数据，比如政府中的数据不能直接给银行使用，所以跟政府之间可以通过联邦学习的能力，就不会泄漏这些数据，以帮助信贷大大提升风控能力，降低违约概率。
