Closed Bell-Fintech closed 1 year ago
共享，形成行业级反欺诈信息共享解决方案，具体可以形成以下2个场景。 (1)基于多方计算与区块链的反欺诈信息共享。从目标需求属性来看，支付业务反欺诈信息共享包括隐私查询和简单计算，逻辑较为简单平台建设为行业型平台价值较大，市场可扩展性要求高，对技术通用性要求高。从数据属性来看，支付业务反欺诈信息共享需要用到反欺诈等敏感信息，具有高价值特点。从法律法规要求方面看，数据源于多个机构，法律法规要求保密性较高。因此，在本场景中，较为适合使用多方计算技术，并使用区块链进行存证。 (2)基于多方计算与联邦学习的反欺诈信息联合建模。本场景下，业务需求是安全融合银行、互联网金融平台等金融机构以及行业外沉淀的欺诈行为高关联数据，实现行业内及跨行业的欺诈信息数据共享，联合建立更精准高效的欺诈预测模型。模型分为训练阶段和预测阶段，训练阶段体验实时性可低，但计算精确度要求较高，因为精度高才能提升融合的价值实现;在预测阶段，实时性要求为客户体验要求，对计算的实时性要求高。技术上参照案例二，采用联邦学习用于联合建模，并结合多方计算技术进行安全加强。 2.主要技术方案。 (1)基于多方计算与区块链的反欺诈信息共享。参照场景二，采用多方计算技术搭建技术方案。 如图4-13所示，具体的支付业务反欺诈信息共享查询流程如下:①机构1至机构N将其反欺诈数据在本地进行编码形成碎片化密文，供查询方(支付业务系统)查询;②查询方(支付业务系统)将待查询用户 ID发送至业务接人组件;③业务接入组件对待查询人员ID进行加密，并发送至多方计算平台;④多方计算平台进行密文用户ID匹配，得到密文查询结果，并将该结果返回业务接入组件;⑤业务接入组件对结果进行解密，得到明文查询结果，并将其返回给支付业务系统。
共享，形成行业级反欺诈信息共享解决方案，具体可以形成以下2个场景。 (1)基于多方计算与区块链的反欺诈信息共享。从目标需求属性来看，支付业务反欺诈信息共享包括隐私查询和简单计算，逻辑较为简单平台建设为行业型平台价值较大，市场可扩展性要求高，对技术通用性要求高。从数据属性来看，支付业务反欺诈信息共享需要用到反欺诈等敏感信息，具有高价值特点。从法律法规要求方面看，数据源于多个机构，法律法规要求保密性较高。因此，在本场景中，较为适合使用多方计算技术，并使用区块链进行存证。 (2)基于多方计算与联邦学习的反欺诈信息联合建模。本场景下，业务需求是安全融合银行、互联网金融平台等金融机构以及行业外沉淀的欺诈行为高关联数据，实现行业内及跨行业的欺诈信息数据共享，联合建立更精准高效的欺诈预测模型。模型分为训练阶段和预测阶段，训练阶段体验实时性可低，但计算精确度要求较高，因为精度高才能提升融合的价值实现;在预测阶段，实时性要求为客户体验要求，对计算的实时性要求高。技术上参照案例二，采用联邦学习用于联合建模，并结合多方计算技术进行安全加强。 2.主要技术方案。 (1)基于多方计算与区块链的反欺诈信息共享。参照场景二，采用多方计算技术搭建技术方案。 如图4-13所示，具体的支付业务反欺诈信息共享查询流程如下:①机构1至机构N将其反欺诈数据在本地进行编码形成碎片化密文，供查询方(支付业务系统)查询;②查询方(支付业务系统)将待查询用户 ID发送至业务接人组件;③业务接入组件对待查询人员ID进行加密，并发送至多方计算平台;④多方计算平台进行密文用户ID匹配，得到密文查询结果，并将该结果返回业务接入组件;⑤业务接入组件对结果进行解密，得到明文查询结果，并将其返回给支付业务系统。