基于華為TICS實現聯合風控模型訓練

背景

在銀行傳統的信用評估決策機制中，最常用的幾個特征維度無非是個人資產、收入、信貸歷史、抵押擔保等。這些維度雖然能夠反映借款人的還款能力，但是過于簡單的規則往往也會拒絕掉很多潛在的優質客戶。并且審核過程過于依賴網點客戶經理，不但成本很高，人為風險也比較大。

隨著互聯網的快速發展，我們在網絡上留下越來越多的軌跡，比如購物、租房、招聘、學歷、社交信息等等。將這些特征引入到信用評分體系當中，能對金融機構的業務決策起到很好的輔助作用。這些特征雖然不直接反應一個人的信貸屬性，但是能夠幫助金融機構更好地全方位了解這個人。

利用大數據做金融風控的決策方式，是從數據本身出發，去反應一種與信貸屬性的內在關聯關系，這種關系不容易受偏見的影響，能達到更客觀的效果。并且更加豐富的特征維度往往能夠帶來更高的預測準確率。但是在實際的實施過程中，銀行受限于客戶特征數據不足，構建的模型往往無法達到預期的效果，而從第三方獲取數據的渠道又壁壘重重，隱私合規地使用數據面臨巨大的挑戰。

合作方案

華為TICS基于可信硬件和MPC算法構建聯邦學習平臺，實現了數據不出本地的情況下進行多方聯合建模。解決了多方數據共享交換過程中端到端隱私保護問題。

圖1 華為TICS服務架構圖

支付平臺提供特征數據，通過TICS安全代理接入系統。

xx銀行提供標簽樣本數據，通過TICS安全代理接入系統。

TICS服務提供能力：

基于元數據完成數據授權過程，用戶可以自定義設置數據隱私策略。

基于可信硬件TEE完成秘鑰生命周期管理。

基于OPRF的自研PSI算法提供樣本對齊能力，對齊過程中原始數據不出本地，對齊字段通過密文比較，結果在本地加密保存。

使用同態加密技術，將標簽樣本發送到支付平臺側，完成特征分箱和IV值計算。

提供基于XGBOOST算法的聯邦訓練能力，由支付平臺發起訓練過程，結果模型輸出到支付平臺側，提供業務系統使用。

業務系統對銀行方開放接口提供業務支持。

執行過程基于區塊鏈實現存證，方便事后做安全審計。

實現過程

環境搭建

圖2 TICS服務部署方式

支付平臺基于TICS服務在華為云上創建數據聯盟，并且邀請銀行方加入聯盟。

支付平臺使用TICS服務在華為云上部署安全代理。

銀行使用TICS服務部署邊緣代理到本地環境中。

數據準備

支付平臺把準備好的特征數據csv文件放到OBS，通過安全代理將特征數據的元數據發布到聯盟，并設置訪問權限。

銀行把準備好的標簽數據csv文件放到安全代理本地目錄，將標簽數據的元數據發布到聯盟，并設置訪問權限。

數據預處理

支付平臺從安全代理發起樣本對齊請求，TICS通過PSI算法實現樣本對接，并將結果加密保存到各自本地目錄。

支付平臺從安全代理發起分箱和IV值計算請求，TICS通過同態加密方式將銀行標簽發送到支付平臺方，實現加密計算。

支付平臺根據IV值篩選有價值特征。

模型訓練

支付平臺從TICS服務發起聯合風控建模任務，TICS負責任務調度，并將任務發送給雙方安全代理進行計算。

TICS將訓練完的模型保存到支付平臺的OBS上。

開放業務

業務系統得到聯合風控模型，用于信用評分服務，提供API接口對銀行開放服務。

行通過API接口調用獲取個人信用評分。

總結

TICS服務提供的數據共享交換過程中端到端隱私保護能力，為行業內部、跨行業之間的數據協同創造了可能性。使用聯邦學習進行聯合建模彌補了傳統金融機構中缺乏用戶畫像數據的問題。在反欺詐領域、信貸準入審批、風險定價、貸后監測等方面都將為金融機構提供巨大的價值。

EI企業智能 可信智能計算服務 TICS 智能數據 機器學習 金融專區

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。