外部数据管理模式及应用
外部数据定义为支持客户营销、风险管控、管理决策等业务发展的外部获取数据，包括采购、合作等方式获取的数据。外部数据管理模式主要包括：
- 实时联机查询：业务组件在授权下实时调用外部数据服务，嵌入业务流程或模型中，是当前主流模式。
- 批量数据传输：按指定频率推送全量或增量数据表，适用于批量企业公开数据。
- 平台自助查询：业务人员通过平台查询整合后的企业公开数据。
应用案例：信用卡业务自2018年4月以来应用多项外部数据，覆盖客户生命周期的六个环节，包括预审批、客户识别、伪冒欺诈等。
数据融合应用新模式——联合建模
联合建模是银行通过机器学习建模引入外部数据的重要方式，通过与政府、公共事业等可信数据源合作，确保数据安全并创新数据价值变现。2022年，上海大数据智慧中心支持总行及分行开展联合建模项目。
隐私计算技术应用背景
- 国家战略：2020年国务院将数据列为五大生产要素，推动数据开放共享和价值提升。
- 合规安全：数据安全属国家安全，各国加强立法，合规是挖掘数据价值的底线。
- 银行业监管要求：《银行业金融机构数据治理指引》《金融安全分级指南》等规范数据应用。
早期探索：建行与建信基金的联合建模
- 背景：建信基金拥有基金相关数据，但受限于隐私保护，无法直接与建行数据交换。
- 联邦学习：实现跨多方模型训练，保护数据隐私，2020年7月建信基金累计建设近500个特征标签，覆盖超4000万客户。
- 应用进展：使用FATE开源框架，通过专线打通数据环境，针对高净值等客群开展客户提升模型建模。
- 效果：联邦学习模型效果优于建行单边模型，AUC平均提升10.4%，最高提升41.2%。
- 营销效果：联邦学习客群营销响应率5.33%，模型评分前5%客户响应率7.35%，比建行单边模型高34%。
隐私计算业务场景
- 建信信托：信贷、股权和债券主体客户评级分布。
- 建信基金：非货长尾客户精准营销。
- 建信人寿：代理人存量客户精准营销。
- 美团：美团商户快贷准入及授信模型开发。
- 建信养老：个人养老金精准营销。
建行企业级隐私计算平台建设
- 建设原则：价值创造为目标，企业级架构为基础，实现高等级数据安全，满足监管合规要求。
- 平台功能：支持联合查询、联合计算、联合建模、存证审计等，实现数据“可用不可见”。
- 生态合作：推动机构间数据交易网络与数据共享生态，促进数据有效融通。
建行集团隐私计算创新和荣誉
- 课题研究：《基于隐私保护计算技术的金融领域数据融合应用研究》《区块链隐私保护机制中的范围证明算法和环签名算法研究》。
- 奖项荣誉：2020年中国信通院隐私计算“星河案例”奖，2022“金融密码杯”全国密码应用和技术创新大赛一等奖。
- 专利申请：已提交28件专利申请，其中6项已授权，包括《一种金融场景的隐私保护多方联合计算系统》。
建行集团隐私计算未来发展方向
- 加速落地更多数据融合应用赋能金融业务场景。
- 加强生态合作，推进互联互通等行业生态建设。
- 持续技术投入和创新研究，探索抗恶意攻击、抗量子攻击的隐私计算算法。
