进入9月以来，中国的金融科技行业进入了一个前所未有的“整顿期”。已有多家第三方大数据公司被纳入调查行列。随着客户自身越来越重视隐私保护，监管也在数据获取的合规性方面不断加大力度。日前，金融科技企业360金融宣布成立隐私保护与安全计算研究院，引入联邦学习技术发力大数据隐私保护研究。

360金融隐私保护与安全计算研究院院长、360金融首席数据科学家沈赟表示：“金融与科技的融合，极大程度上取决于对数据价值的深挖程度，而如何兼顾隐私性与可用性的关系，既是企业必须面对的道德底线，也是考验企业技术是否过硬的先决条件。”

记者获悉，360金融在安全多方计算、 同态加密、差分隐私、联邦学习等技术领域都进行了部署，并通过实际业务数据，训练更安全的模型，同时链接多方孤岛数据提升模型性能。具体来看，利用同态加密，对加密后的数据直接进行运算，相比较有高风险泄露数据的明文计算，这种方式在保证计算正确性的情况下，从根源上确保了用户隐私不被盗用、窃取，同时在处理过程中也实现了全程“封闭”。

另外，利用差分隐私技术降低暴露训练数据中敏感信息的可能性。差分隐私是建立在对随机算法的约束之上的，限制攻击者在得到带噪中间件后，对原数据的推导能力。再结合安全多方计算，联邦学习等技术，实现联合多方分布式训练并更新模型。这种方法不需要上传数据，在保持模型预测性能的情况下，比传统方法更加有效地保护了用户信息。

360金融隐私保护与安全计算研究院所关于隐私保护机器学习的研究，一方面是用户层面的联合训练模型，即联合多个客户端本地数据，通过计算的中间参数，联合更新模型;另一方面是数据机构之间的联合建模，编写了新型的机器学习算法，机构之间不再需要互传原始数据，这种新型算法训练的模型可以评估出数据有效性，也可以部署到线上进行联合推断预测。

沈赟强调：“从整个行业来看，数据规模急剧增长，数据类型更加多样，应用场景更加多元，都将成为用户隐私保护和数据安全的‘不安因素’。研究院将秉持公司安全属性，将概念阶段的技术实际应用与金融场景，实现可落地方案的解决，带动新技术的应用及跨产业的融合与创新。”