隐私计算平台，多方安全协作，银行数据赋能
各子公司间因监管合规要求，数据流通审批流程复杂繁琐，传统审核模式严重影响业务效率与效果。
仅靠银行自身业务数据，风控和营销模型效果未达预期，亟需引入外部数据提升模型精准度。
银行与外部数据源均有隐私保护需求，有价值数据无法安全共享，信用风险管理体系难以优化。
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，多场景并发应用落地实效性难保障。
为银行搭建隐私计算平台，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，扩充风控营销模型维度，精准刻画用户画像。
通过纵向联邦学习技术联合多方数据源特征构建模型，运用隐私集合求交保护用户身份，外部数据源无法留存或反推用户信息，保障银行核心资产安全，模型AUC从0.63提升至0.75。
基于FPGA/GPU异构算力硬件加速方案，支持GB级大数据量并发运算，软硬结合动态拼装密态运算操作，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。
整合银行、银联、运营商、互联网等多方数据，构建反洗钱风控模型、小微贷违约评分模型、精准营销模型等，实现人工坐席转化率提升3.5倍，助力普惠金融发展，提升融资效率。
