隐私计算赋能风控，多方数据融合，安全精准
各子公司间因监管合规要求，数据流通审批流程复杂，传统审核模式严重影响风控效率和业务效果。
仅靠自身业务数据，风控模型效果未达预期，个人信用风险识别能力有限，亟需外部数据补充。
与外部数据源存在隐私保护需求，有价值数据无法安全引入，动态特征数据未能及时运用。
隐私计算密文计算产生大量算力开销，模型训练迭代耗时指数级增长，多场景并发落地实效性难保障。
搭建隐私计算平台，实现集团总部、子公司及各部门间多方联合建模，数据不出库即可安全协作；同时引入互联网、运营商、银联等外部数据源，扩充风控模型数据维度，精准刻画用户画像，提升风控能力。
通过隐私计算技术连通运营商、银联等多方数据源，建模数据维度从100+增加到300+，线上个人信贷A卡评分模型AUC从0.63提升至0.75，隐私集合求交技术保护用户身份不被泄露。
基于FPGA/GPU异构算力硬件加速，支持GB级大数据量并发运算，样本对齐、模型训练、模型推理各环节性能提升约7倍，单核性能提升超100倍，保障多场景并发应用落地时效。
整合银行、互联网、运营商、银联等多方数据，构建反洗钱风控模型，通过联邦学习、多方安全计算为反洗钱场景提供更多有效数据，实现数据不出库完成建模。
