隨著國家對數據的開發利用監管趨嚴，如何在不泄露隱私的情況下實現多方數據融合以支撐業務更好地進行，成了金融行業必須面臨的課題。其中，隱私計算中的多方安全計算（MPC）是近年來最常被提及的技術實現路徑，隨之而來的技術標準和應用規范的建立成了重要一環。

7月6日，中國支付清算協會起草并在官網發布《多方安全計算金融應用評估規范》（下稱“規范”），該規范適用于多方安全計算的金融應用機構、技術服務和解決方案提供商，自發布之日起實施。

協會稱，此舉是為落實央行和國家認監委關于加強金融科技產品認證工作的相關要求，加強金融科技產品認證工作的自律管理。

規范主要起草單位除清算協會、銀行、BATJ系外，還包含多家隱私計算行業的頭部科技公司，如華控清交、富數科技、數牘科技等等。

據悉，2020年11月，央行發布過《多方安全計算金融應用技術規范》，此次協會發布的規范亦是對此的進一步落實與公開。

兩大應用場景

21世紀經濟報道記者拿到的《多方安全計算金融應用技術規范》顯示，多方安全計算在金融應用中，最常見的有兩大場景：基于MPC的生物特征識別和聯合風控。

第一大場景中，基于MPC的生物特征識別可實現生物特征信息的安全共享，降低生物特征信息泄露造成的個人信息和財產信息的風險。

以刷臉付為例，金融機構將注冊的人臉特征信息通過MPC數據輸入處理后形成計算因子，并將計算因子提交給相關業務處理系統保存為人臉底庫。

個人在終端設備支付時，終端設備將目標人臉特征信息也通過MPC數據輸入處理后形成計算因子，并將計算因子上傳至計算節點（MPC計算節點分域管理，其中的部分計算節點也可以由銀行管轄）。各計算節點基于計算因子進行目標匹配和識別，最后將人臉識別結果返回并繼續后續支付處理環節。

在該應用中，MPC調度方的功能嵌入到業務處理系統中，并最終獲得MPC計算節點的人臉識別結果。算法邏輯即人臉識別算法已經提前預置在計算節點內。

注冊環節獲得的是以計算因子形式保存的人臉信息，而非原始圖像，避免人臉原始圖像信息共享。

識別環節自終端傳輸至人臉識別系統的人臉信息也是以計算因子形式呈現，避免人臉原始圖像信息被獲取。

第二大場景中，基于MPC的聯合風控是多個金融機構之間通過MPC協議來交換風控數據，共同完成風控數據分析、風控模型訓練和風險決策的任務，實現風控模型的精細化和個性化部署，保護風控數據的安全性，降低因金融機構間安全信息不相通、風控能力參差不齊等造成的欺詐風險。

具體流程為：任務發起方向調度方發起聯合風控建模和決策的任務；調度方對聯合風控任務進行觸發和協調，并將調度任務發送至不同的金融機構；金融機構讀取本地的風控數據和風控模型，作為MPC輸入因子；金融機構的MPC計算節點之間，基于MPC協議進行多次的隨機數或加密參數交換，完成聯合風控的建模和決策；金融機構各自得到聯合風控的決策結果。

何為多方安全計算？

官方定義稱，多方安全計算是基于多方數據協同完成計算目標的密碼技術，實現除計算結果及其可推導出的信息之外不泄漏各方隱私數據。多方安全計算常采用的技術有混淆電路、不經意傳輸、 秘密分享、同態加密等。

《多方安全計算金融應用技術規范》提到，在金融業中，該技術主要應用于三大類，聯合查詢、聯合建模、聯合預測。

在聯合查詢應用中，查詢方作為任務發起方，通過調度方提交查詢計算任務請求；查詢方作為數據提供方將其查詢條件轉化為輸入因子，其他數據提供方將數據庫待查詢數據轉化為輸入因子，并將輸入因子上傳至事先約定的計算節點；計算方收到調度方分配的查詢任務請求，根據獲得的輸入因子進行計算得到查詢結果對應的輸出因子，并把輸出因子發送給結果使用方進行數據解析；結果使用方通過數據解析獲得查詢結果的明文。

最后，查詢方得到查詢結果，但不暴露其查詢輸入（例如查詢條件、數據樣本）和查詢結果；數據提供方不暴露其數據庫存儲的明文數據；查詢結果與在明文數據庫上的查詢的結果一致。

在聯合建模應用中，任務發起方向調度方提交模型訓練任務；算法提供方上傳或指定模型訓練所使用的算法邏輯，其算法參數或模型參數有保密需求的，可作為數據提供方之一以計算因子的方式提供；計算方收到調度方分配的建模任務請求，從各數據提供方獲得數據集的計算因子，并利用訓練算法在數據集上進行模型訓練，將得到的輸出因子發送至結果使用方進行解析；結果使用方通過解析獲得訓練所得的模型明文。

該應用目標為，各數據提供方不暴露其數據集的明文；能保護模型參數在訓練過程中的隱私安全，只有結果使用方才能得到訓練后的模型明文；訓練得到的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的一致性。

在聯合預測應用中，任務發起方向調度方提交計算任務，指定聯合預測所使用的算法；提供樣本數據的數據提供方將樣本數據轉化為輸入因子，并提交給指定的計算方；提供模型的數據提供方將模型參數轉化為輸入因子并提交給指定的計算方，當模型參數不宜對外提供時，該數據提供方應作為計算方，避免提交模型參數；計算方接收調度方分配的預測任務請求，根據預測算法對樣本數據的輸入因子進行計算，將計算得到的預測結果的輸入因子發送給結果使用方進行數據解析；結果使用方有通過解析輸出因子獲得預測結果明文。

最后，數據提供方不暴露其樣本數據明文；模型提供方不暴露其預測模型的參數；只有結果使用方才可以獲得預測結果明文；預測結果與采用明文預測模型對明文樣本數據的預測結果一致。

聯合預測通常和聯合建模復合應用，此情況下應將復合任務分解為兩個MPC計算任務，一個任務的輸出可作為另一個任務的輸入，不必進行數據（如模型參數）輸出后再重新輸入的處理。

責任編輯：王超