关于区块链:中国金融|隐私计算赋能供应链金融

38次阅读

共计 5295 个字符,预计需要花费 14 分钟才能阅读完成。

编者荐语:

隐衷计算技术的衰亡,源自数据因素市场对于数据共享和数据安全的双重需要。区块链具备不可篡改、可追溯的特色,联邦学习是分布式机器学习技术,将两者交融应用,可同时具备多方平安计算、信息分布式存储、网络去中心化节点互信等特点。
以下文章来源于中国金融杂志,作者陈合营

作者|陈合营「中征(天津)动产融资注销服务有限责任公司总经理」

文章|《中国金融》2021 年第 24 期

隐衷计算技术的衰亡,源自数据因素市场对于数据共享和数据安全的双重需要。在金融数字化转型倒退火烧眉毛的明天,秉承凋谢共赢态度、发展同业或跨业单干是必然趋势,如何在保证数据隐衷要求的前提下,破除数据孤岛、突破数据壁垒、实现平安多维度的数据交融,已成为亟待解决的重要课题,隐衷计算技术也就此应运而生。近年来,政策层面对于数据交融的策略布局与隐衷平安的高度重视,不仅为隐衷计算技术在金融畛域的利用提出了标准和要求,而且也为其提供了新的倒退时机与指引。在行业层面,隐衷计算技术已成为各国科技公司竞相抢夺的热门赛道,将来无望成为数据信息市场化的基础设施。

隐衷计算的技术内核

从实质来看,隐衷计算是机器学习模型翻新体现的技术计划,是针对隐衷信息全生命周期爱护的计算实践和办法。隐衷计算技术通过对原始数据的隐衷信息进行提炼、度量、交融,联合统计学和密码学实践技术,造成标准化、公式化的计算方法及利用伎俩,从而达到在不奉献原始数据的状况下对数据计算成绩进行应用,且数据脱敏不可逆,实现数据“可用而不可见、可算而不可识”。

在软件层面,隐衷计算支流技术手段包含同态加密(Homomorphic Encryption)、多方平安计算(Secure Multi-Party Computation)和联邦学习(Federated Learning)。

在硬件层面,隐衷计算技术计划次要为可信执行环境(Trusted Execution Environment),即利用硬件隔离技术将执行环境与一般环境隔离开来,保留 CPU 的算力共享与硬件资源。作为独立的解决环境,无论零碎其余程序中是否面对非法用户或恶意软件的攻打毁坏,在可信执行环境中均可平安私密地执行程序,保障了要害代码和秘密数据的安全性与完整性。

供应链金融面临的行业之困

供应链金融以供应链治理为根底,以实在交易背景为前提,以外围企业信用传导为撑持,以金融科技的加持为伎俩,对供应链上各主体衍生出有针对性的业务解决方案,从而为缓解供应链上的中小微企业融资难、融资慢、融资贵问题,提供了一种无效形式。近年来,在政策搀扶与市场驱动独特作用下,我国供应链金融实现了高速翻新倒退。但与此同时,在具体实际中,供应链金融也面临着诸多窘境。

一是高度中心化。供应链金融借助外围企业的信用增信,辅助金融机构对交易真实性进行核实,可在肯定水平上保障金融机构的回款平安。以后,供应链金融业务基本上依附外围企业的信用价值转移来发展,外围企业确权成为交易真实性审核的重要条件,风控齐全依赖外围企业的信用开释。然而,局部外围企业并不具备欠缺的供应链治理能力以及单干共赢的责任意识,甚至在整个供应链信用体系构建过程中试图依附本身的外围位置对上下游的中小微企业造成二次盘剥,导致中小微企业在融资过程中的话语权进一步升高。供应链金融业务流程高度中心化不利于解决中小微企业融资窘境,也有悖于实现降本增效的初衷。

二是长尾群体不易触达。始终以来,金融机构在长尾群体的无效触达以及风控判断方面受到较大的制约,根本原因在于供应链金融的信用穿透力度有余。具体因素次要包含:提供相干服务的平台设施覆盖率不够;外围企业对于所反对的上下游多层级企业的准入要求较高;科技反对力度不够导致外围企业信用传导不力;没有足够的风控伎俩反对信贷资金触达供应链末端。

三是产融联合不到位。供应链金融从实质上看是产业资本与金融资本的无效交融,旨在促成金融资本更大程度地渗透到实体经济。但从实践经验来看,产融联合始终是广泛面临的难题,在实体制作行业尤为显著。究其原因,一方面,我国金融机构为分业经营模式,在一级市场上占主导地位的商业银行自身不具备对接资本市场的相干职能,间接导致了产业资本与金融资本的融合度有余;另一方面,市场上虽有诸多产业主体以团体财务公司、参股商业银行等模式实现产融联合,但对于产业内跨团体资源交融的相干摸索实际仍绝对滞后。

供应链金融迎来新的科技撑持

近年来,区块链、物联网、云计算等技术在供应链金融畛域的利用疾速拓展,造成了一批卓有成效的翻新成绩,但在实际过程中仍面临诸多问题,尤其是在数据隐衷和数据安全方面的挑战日益严厉。而隐衷计算技术的倒退,将对上述技术造成无效补充或增进,从而为供应链金融翻新倒退提供新的技术撑持。

隐衷计算 + 区块链

区块链具备不可篡改、可追溯的特色,联邦学习是分布式机器学习技术,将两者交融应用,可同时具备多方平安计算、信息分布式存储、网络去中心化节点互信等特点。

联盟链可为联邦学习各参与方提供更加可信的计算环境。通过将样本、模型参数等数据上链,可进一步晋升联邦学习计算过程的透明性和可追溯性,解决各方之间不互信的问题。

与区块链联合有助于断定联邦学习各方贡献度。基于区块链技术的智能合约程序的执行,需多方独特参加。但现有区块链技术利用场景(如加密货币的交易指令集),仅利用于对合约数据的完整性及所有权认证方面,对于参与方数据的隐衷性尚不具备齐备的安全措施。因而,出于爱护数据隐衷与平安的思考,可建设基于多方平安计算的智能合约执行程序,实现隐衷智能合约,造成平安的多方计算市场。

隐衷计算 + 物联网

物联网零碎通过整合不同传感器收集的数据,从而生成指标后果。在数据传到基站的过程中,以明文形式发送很容易产生数据裸露的危险。通过隐衷计算技术与物联网技术相结合,以同态加密技术对明文进行加密,可爱护相干节点的隐衷,在不解密的状况下对信息数据进行运算交互解决,从而解决物联网技术中数据隐衷的问题。

隐衷计算 + 云计算

云计算技术促成了计算能力、存储空间的爆发式倒退,同时也减少了人们对数据安全的担心。在传统云计算技术中,因为计算环境的构造特点,各存储节点无奈全副被无效管制,同时存储在云端的加密数据必须经解密后才可进行操作。上述问题均给攻击者以可乘之机,存在较大的安全隐患。同态加密技术的引入,使得云端数据在加密状态下即可计算操作,解决了数据隐衷平安的问题。

隐衷计算技术助力供应链金融冲破倒退瓶颈

隐衷计算技术等技术创新性的交融利用,可为供应链金融窘境提供更优的解决方案,推动构建产融生态联盟,为供应链金融注入新的生机。

基于联邦学习技术发展联结建模,化解中小微企业信贷壁垒

为帮忙中小微企业可能凭借本身供应链数据资产取得融资,就须要建设一套可能精准反映中小微企业体现的“信用画像零碎”。这是一项系统工程,不仅波及跨畛域、多维度的数据交融,而且关涉跨部门、跨畛域的多方单干。在这个过程中,各数据起源特地是政务部门出于法律法规的束缚以及对数据安全的考量,对于数据共享存在较大顾虑。借助联邦学习技术,各政务部门可在不裸露原始数据的前提下,通过训练参数对画像主体进行联结建模。各部门对所把握的不同数据特色在本地进行算法训练,对各参数进行虚构交融和样本对齐,通过对模型参数进行交互,收敛造成综合反映企业存续、经营、信用等信息的计量模型。最终实现“敏感数据不出门”,即可实现对中小微企业的多方联结画像,从危险源头化解中小微企业的信贷壁垒。

搭建基于“隐衷计算 + 区块链”的第三方供应链平台,笼罩长尾群体融资反对

弱化外围企业主导、由第三方搭建供应链综合服务平台,是供应链金融将来倒退的方向之一。在平台设计层面,可利用“隐衷计算 + 区块链”技术,无效汇合外围企业、上下游企业及其他相干方(物流、担保等)。全链条相干场景均在平台上操作进行,冲破供应链金融贸易背景的验证、确权等关键环节存在的问题,突破以外围企业确权为必要前提的融资定例。各方数据加密上链,共享分布式账本,同时辅之以隐衷计算技术,在业务链条中实现智能合约的平安无效执行,各节点在本地平行计算,弱化信息传递的过程,链上长尾端群体也可等同无效地被笼罩,从而改变传统供应链金融外围企业信用穿透度向上下游递加的业务状态(见图 1)。

“隐衷计算 + 区块链 + 物联网”晋升存货融资风控能力

供应链金融中市场对存货融资模式的倒退广泛持审慎态度,对于担保货物的无效监控便是其中的难题之一。通过新技术的加持,一方面,利用物联网设施在对货物进行监控及信息摄取时,可交融隐衷计算技术对传导的数据进行加密,解决节点隐衷裸露的危险;另一方面,对货品的地位、状态等进行实时追踪,将地位数据、环境数据、状态数据等保留下来,解决后上链。对金融机构来说,可据此对货物信息进行核实,提供信贷根据,也可在贷后对货品进行追踪,辅助贷后风控。此外,构建基于隐衷计算的仓单数字信用体系,可对各仓内设施数据、仓库治理数据、物流数据等加密上链,保证数据真实性、关联性、安全性,同时进行仓单画像与评级,实现仓单智能风控。

充分发挥“隐衷计算 + 区块链”价值,构建产融生态联盟

以后,我国正面临产业链高质量、现代化倒退的重大时机和挑战,促成产业链资源共享是数字经济时代的必然要求。将来可利用隐衷计算等新兴技术将产业资本之间、金融资本之间、产业资本与金融资本之间的流通渠道穿插买通,共享商流、物流、资金流、信息流等多方数据,打造产融生态圈,共建数字化产融生态联盟。

打造产融生态联盟,首先要突破市场主体的零和博弈思维,秉承“共商、共建、共享”的准则,变“零和”为“正和”。在解决了主体志愿的前提下,数据的真实性、安全性与隐衷性的保障即是首要任务,而隐衷计算技术的价值,就体现于此。产融生态圈的搭建可从横向和纵向两个维度摸索推动。

一方面,横向建设区域数据共享平台。在全国各区域范畴内建设征信联盟或数据金融服务平台,是普惠金融数字化改革的重大动作。目前各区域型的数据金融服务平台(如广东“粤信融平台”、浙江“台州数字金融服务平台”等),汇合了诸多政务部门的信息数据,根本满足了金融机构一站式信息查问的需要。将来,可将“隐衷计算 + 区块链”技术作为区域数据共享平台及区域征信联盟的技术基站,政府部门及金融机构将加密数据进行上链共享,实现协同单干。通过加密上链的模式,解决政务部门对敏感数据隐衷平安的担心,可激励更多的部门参加,数据起源更加多维,以此训练的模型也更加精准无效。金融机构可通过政务部门分享的加密数据进行联结计算建模,搭建风控模型。在各金融机构之间,也能够通过数据安全交融,理解某一客户整体的实力及危险裸露状况,便于进行信贷领导及精准营销;同时,建设正当可行的处分机制,将模型应用收益按各方奉献比例进行调配。

另一方面,纵向打造产业生态圈。通过各产业链之间的对接,造成针对特定产业的网格状产融生态联盟。联盟成员包含政务部门、业内龙头企业、上下游企业、业内服务机构(物流、担保、监理等)、金融机构等。利用隐衷计算、区块链等技术,在保证数据真实可信、平安隐衷的前提下实现数据共享协同。比方,可通过横向跨产业链实现贸易数据共享。企业 X 同时是三家外围企业 A、B、C 的供应商。在 X 利用与 A 的应收账款申请融资时,能够通过横向联邦学习技术,对 X -A、X-B、X- C 之间的所有贸易数据进行联结建模。相比只获得 X - A 的历史数据,此举更能综合体现 X 的整体贸易状况,从而为金融机构提供更全面、更精准的信贷根据。再如,修建企业可通过数据共享实现对投标单位的无效判断。修建单位作为外围企业,通过对某个施工单位在金融机构的信贷数据、监理公司的工程施工监理数据、业主单位反馈状况等进行纵向联邦学习训练,能够理解施工单位行业专业性、信用程度,为未来的建设施工招投标制订领导计划。

结束语

倒退数字经济就必须突破信息不对称,实现信息价值最大化。隐衷计算以第三方平台的模式服务多利用场景,是解决“数据孤岛”的最优技术解。供应链金融的重要作用就是要解决金融机构对小微企业融资过程中面临的信息不对称,其业务特点与隐衷计算的技术靶向有着人造的符合性,产融生态联盟的构建更是典型的隐衷计算核心技术的培养场。隐衷计算与供应链金融的联合必将碰撞出多种业务解决方案。

目前,隐衷计算在供应链金融及产融生态建设过程中的利用,仍面临着诸多待冲破的难点。首先,在行业内尚需建设一套标准的成果评估体系,反对使用者能够精确评估隐衷计算产品的利用成果。其次,需建设正当无效的激励机制,解决数据因素价值不易掂量的问题,对联结计算各方的奉献进行无效量化,从而对各方实现公平合理的收益分配。再次,需明确计算成绩的权属界定规定,解决在技术落地过程中受权主体的问题;最初,鉴于市场各技术服务机构在隐衷计算平台上部署组件存在各种差别,不同机构部署的平台难以造成互联互通并存在反复搭建的可能性。有鉴于此,只管隐衷计算技术已在各畛域初试锋芒,但其成熟的利用模式仍有待各方在实践中独特摸索。

(责任编辑 张林)
增加 BSN 经营微信号,流动福利,一手干货,技术交换,期待着你来挖掘 ……

正文完
 0