央行在2020-11-24號發布了多方安全計算金融應用技術規范，在對數據安全要求最高的金融行業出臺有關多方安全計算的規范，也是國家釋放了一種信號，數據資產在安全前提下是可以使用的。目前關于安全計算有非常多的分支，TEE、MPC以及同態加密或者拆分，究竟使用哪種技術是政策層面認可的，今天帶大家看一下國家出臺的這個標準的細則。

?

01 MPC作為這個規范的技術主體

?

首先規范中很明確的闡明了，MPC技術是一種基于多方數據協同完成計算目標，實現除計算結果及其可推導出的信息之外不泄露各方隱私數據的密碼技術。也就是說MPC技術是被認可的一種安全的數據協同計算模式。

對于MPC的工作原理，規范中也有詳細的描述。

首先流程上有任務創建、任務分配、數據輸入、任務計算、結果分析幾個步驟。

在參與方層面，有任務發起方、算法提供方、數據提供方、計算方、結果使用方。這里面有很多ToB生意可以做，比如提供MPC模式下的算法或者算力。另外提供數據的人不一定是結果使用方，那么數據層面是否也可以做些ToB方面的工作。以上這些問題都可以討論，從業務模式上這個規范給了大家一個清楚的指引。

?

02 具體要求

?

接下來看下對于數據、算法方面的詳細要求

?

1.數據要求

數據提供方應將隱私數據轉化為輸入因子，提供給指定計算節點，并確保在設定的安全模型下無法通過輸入因子推算出輸出數據。

2．算法要求

在金融領域因為對算法可解釋性有強要求，所以還是以淺層的算法為主。

3.聯合建模模式的要求

聯合建模的概念是算法提供方或數據提供方之一作為任務發起方觸發計算任務，然后由算法提供方提供算法邏輯、數據提供方提供數據，基于MPC計算協議在多方數據集上訓練機器學習模型。其中，計算可以是算法供方或者數據供方，結果使用方得到模型結果的明文。

目標和要求如下：

• 各方數據不暴露期數據集的明文

• 能保護模型參數在訓練中的隱私安全，只有結果方才能得到訓練后的模型明文

• 訓練得到模型與在明文數據集上訓練得到的模型在新數據上具備預測結果一致性

聯合建模在金融領域的案例

?

規范中還給了兩個應用案例，第一個是刷臉支付。

銀行首選將注冊用戶的人臉特征采集到的，然后可以在不講這些特征泄露的情況下賦能支付服務側去使用。

?

第二個就是金融風控場景，多方在不暴露風控數據庫的前提下，可以實現風控模型的訓練。

?

?

總結

以上是生活随笔為你收集整理的浅谈最近发布的金融行业多方安全计算的技术标准的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。