借贷逾期潮来袭？金融机构用蚂蚁摩斯提风控效能

 

最近几个月借贷逾期上升较快，多家银行已开始收紧风险敞口。除了“封卡降额”，银行风控还能做什么？基于蚂蚁区块链旗下的多方安全计算服务——蚂蚁摩斯，一家重庆银行和合作方实现了多方联合风控，在保证信息安全的同时，将模型预测效能提升25%。

以区块链为先导的一系列可信架构中，多方计算问题成为建立机器信任的关键技术之一。来自蚂蚁区块链摩斯多方安全计算平台的工程师逸昊，今天来谈谈多方安全计算如何解决机构间协同计算的安全难题。

众多金融机构用安全计算联合风控

当下，越来越多创业公司开始瞄准企业级市场。与国外相比，我国企业级行业尚有很大发展空间。在此背景下，机构之间的互联合作也越发重要，这是实现企业级市场商业模式的桥梁和基础设施。但是，随着企业级应用的深入发展，出现了新型分布式商业的业务形态，传统的中心化 CS 技术已经不能满足需要。

比如金融机构常遭遇风险黑名单、多头贷款、多头逾期等风险隐患，金融风控需要融合多维信息进行联合模型训练完成信用风险评估。以金融联合风控为例：某银行要做互联网贷款业务，不同于传统的线下贷款，坏账率对于业务成败非常关键，需要对用户进行更精准的风控刻画，也需要针对整体的风控算法和参数，与外部多方协同合作。

但是，让一个中心方或协同各方都看到模型的协作方式，在很多企业级场景这种方式是不可接受的，尤其是训练敏感的金融风控模型。

在这种情况下，我们需要构建分布式商业形态来解决机构合作的信任和数据安全两大问题。多方安全计算的作用是在不泄露数据情况下实现协同计算，即让多方基于共同数据进行计算，得到最终结果，但数据和中间计算结果在这个过程中不会泄漏给任何一方。

两个百万富翁比较谁更富，但不想暴露自己有多少钱，在无可信第三方的情况下如何进行？正是著名的姚式百万富翁问题开创了安全多方计算领域。如今，越来越多的行业机构开始基于多方安全计算，安全地搭建行业联盟，进行联合安全建模、联合风险预测，形成行业内的联防联控方案，降低企业经营风险。

更强的安全模型，提高数倍的性能

为了简化问题，学术界为多方安全计算定义了一个安全模型，叫半诚实用户模型。这个安全模型的假设基础是每个参与方都是老老实实的执行所规定的算法。一旦假设被违背，数据存在泄露风险。最近这几年，学术界越来越多考虑更强的安全模型，假设基础考虑为，参与方能够随意做恶、去偏离约定协议的。这种安全模型下的算法在最近这几年逐渐成熟。

蚂蚁摩斯也在进行相关研究，目前大部分功能都已达到这一强安全模型要求，并就意味着安全性将有较大提升；在性能方面，蚂蚁摩斯也在不断突破极限。以去年的国际隐私计算比赛 iDASH 为例， 100 多支参赛队伍，不乏谷歌、IBM、微软、斯坦福、MIT 等名企名校，其中多方安全计算机器学习赛道各家方案性能差距巨大，蚂蚁摩斯设计的方案最终夺得冠军，其性能比其余方案快几倍到几个数量级。今年，蚂蚁摩斯继续迭代，性能又提高了数倍，大大缩小了跟本地明文计算系统的运行效率差距。截至目前蚂蚁摩斯已经拥有相关技术专利超过 70 项，位居第一。

区块链和多方安全计算融合

从技术路线上来看，实现企业间的协同计算，有共识计算和安全计算两大方向。前者是区块链技术为代表的分布式共识计算，以密码学技术和共识算法为基础；后者是以多方安全计算（MPC）和可信执行环境（TEE）为代表的安全计算，分别以密码学技术和可信硬件为基础。

两者解决的问题不同，但两者具备很好的互补性。共识计算能够很好解决输入数据造假等信任问题，安全计算解决数据的隐私问题。两者的结合兼顾信任和隐私问题。因此，区块链和安全计算技术融合，日益成为打造数字经济安全的一大趋势。

蚂蚁摩斯集成上述各种技术，可根据实际场景和客户需求灵活部署和运用各种技术。目前，蚂蚁摩斯多方安全计算平台率先在金融、电信、汽车等10多个行业中完成商用，能够支撑实际生产复杂环境下的协同计算处理，典型的应用场景比如金融联合风控、联合营销、联合科研、政务数据安全计算等。

作者介绍：

逸昊，来自蚂蚁集团智能科技事业群，负责参与蚂蚁集团摩斯安全计算平台研发，主要是多方安全计算的算法和隐私保护机器学习的算法。于 2017 年加入蚂蚁集团，过往曾在华为新加坡研究所、南洋理工大学从事算法研究工作，从 2012 年开始从事该领域和相关领域的研究。

文章来自InfoQ报道，部分内容进行删减和合理改动。

 

 

更多产品了解

欢迎扫码加入云巴巴企业数字化交流服务群

产品交流、问题咨询、专业测评

都在这里！