在数据规模飞速增长、数据隐私与安全保护日益增强、数据要素市场化高度迫切的今天，如何打破数据孤岛，并在保证数据安全、隐私合规的前提下，促进数据要素的有序流动与高效释放成为推动数据要素市场化配置的核心问题。近日，IDC发布《IDC PeerScape: 金融行业隐私保护计算探索与实践》报告，预测2021年我国大数据市场整体规模超110亿美元，且随着《数据安全法》和《个人信息保护法》的施行，市场对数据安全保护意识逐渐增强、呈现出强劲的增长态势。

未来数字金融的发展以开放融合的态势持续推进，在以数智驱动的数字化业务协作和日渐趋强的监管要求下，金融机构对于多方数据间的交互与流通需求较大，他们高度关注如何安全、合规地实现数据采集、流通与使用，使数据在金融内外部生态系统中发挥更大的价值。《IDC PeerScape：金融行业隐私保护计算探索与实践》报告从立项到发布历时近四个月，在对相关技术服务商访谈的基础上，结合这十几个案例所涉及的行业用户，从数字化银行，消金平台，到大型金融机构及央行分支机构落地隐私保护计算的应用现状、主要难点和解决方向过程中，所面临的挑战及解决方案进行了深入了解和讨论，总结出现阶段金融行业隐私保护计算可供参考的实践经验，其中百度点石在保险行业的隐私计算实践被精选进入本次报告中的案例。

目前隐私保护计算已在金融风控、反洗钱、反欺诈、营销、保险定价与理赔、业务协同等场景陆续落地应用。针对中国财险市场中，保险公司营销费用逐年上涨，营销成本及客单价居高不下，保险公司自有业务数据很难对用户做全面的分析和洞察等现状痛点，某保险公司借助于百度点石提供的隐私保护计算技术，构筑"数据易流转、流转可监测、风险能感知、泄密可追溯、加密可使用"核心能力，与保险公司共同解决目标市场难题。

具体来说，多方数据通过百度点石可信执行环境技术，将参与方加密特征安全部署于保险公司，并构建认证模块、计算模块、加密模块等，结合可信硬件组网、硬件加密技术和唯一标示识别，对数据重合度进行有效评估和联合建模训练，既能保证各方数据的可用不可见和数据安全，也能有效融合各方数据。同时，平台通过进行联合模型训练、模型评估、模型生成和模型预测，将模型结果应用于老客挖掘，从而实现不同的产品精准化推荐给不同的客户。在此过程中借助AI深度学习算法能力、可视化处理能力等，不仅提升了已有精准推荐模型准确率，同时也为公司产品个性化精准推荐提供辅助决策。此外，在数据的使用过程中，某保险公司也通过"事前授权-事中监控-事后审计"等机制进行严格的环节把控，从而保障数据安全。通过可信执行环境技术的应用，在保障数据安全性及隐私性的前提下，百度点石安全融合了多方数据。项目中通过老客精准推荐模型的优化，贷后表现良好，不良率低于业界水平均值10%，同时该项目日均调用量达到50W+级别，极大地节省了营销成本。

未来隐私保护计算技术的大规模应用应在保证安全的前提下，关注于计算性能与计算效率之间的有效平衡、计算模型有效性与稳定性的有效提升、以及其在具体场景中的多重数据服务价值。在数字化浪潮中，构建更加通用且易用的隐私保护计算技术服务是其走向成熟与未来发展的主要方向和趋势。而百度点石隐私计算平台，基于百度内部数据安全治理以及千行百业的合作伙伴业务实践，整合了信息安全技术、隐私计算技术、区块链技术，沉淀形成了整套的数据安全及隐私保护能力，实现数据流通中的“数据可用不可见”与“数据不动算法动”。平台整合了四款隐私计算引擎：数据安全沙箱、联邦学习、多方安全计算、机密计算（即可信执行环境，MesaTEE），支持集中数据源向外输出数据价值、大规模数据联合构建机器学习模型、多方数据联合计算等场景应用，在生物医疗、政务数据采集与开放、金融反欺诈、电商、教育、媒体等多个领域成功落地，具备丰富的场景化解决方案。