Closed Bell-Fintech closed 1 year ago
如图4-4所示，业务流程分为模型训练以及信用评分预测2个环节。模型训练:(1)据提供地将其数据史数据)进行编码形成碎片化密文，供模型需求方(征信机构)进行模型训练;(2)模型需求方(征信机构)将模型训练请求发送至业务接人组件，并发送至多方计算平台;(3)计算平台据一定量的历史数据进行建模训练，得出信用评分模型。 信用评分预测:(1)在所有数据提供方本地将其数据进行编码形成碎片化密文，供查询方(征信机构)查询统计;(2)查询方(征信机构)将待查询用户ID发送至业务接入组件，并发送至多方计算平台;(3)多方计算平台基于信用评分模型，实时生成个人的信用评分，并将密文统计结果返回业务接入组件;(4)业务接入组件对结果进行解密，得到明文查询结果，并将其返回给征信系统。 3.方案价值。基于多方计算技术的联合建模方案实现了信息保护下的替代数据融合，利于征信“白户”产品开发，拓宽普惠金融范围，对征信“白户”、金融机构、监管部门均有积极意义。 对征信“白户”而言，此方案通过基于替代数据下的征信查询，解决征信画像空白的问题，帮助其实现金融诉求，特别是信用良好的“白户”能获得相对较低的融资成本，提高普惠金融的有效性。对金融机构而言，有效破解征信“白户”未有任何信用评价手段的难题，帮助其更好识别征信“白户”是否为自己的潜在客户。如申请主体被判断为信用较好的“白户”，则可为金融机构增加客户来源，帮助其更好践行普惠金融的使命，并控制好金融业务风险。对监管机构而言，行业通过开发多元化的征信产品，推进了征信作为金融基础设施向纵深发展，以征信业供给侧结构性改革服务金融、经济高质量发展。
如图4-4所示，业务流程分为模型训练以及信用评分预测2个环节。模型训练:(1)据提供地将其数据史数据)进行编码形成碎片化密文，供模型需求方(征信机构)进行模型训练;(2)模型需求方(征信机构)将模型训练请求发送至业务接人组件，并发送至多方计算平台;(3)计算平台据一定量的历史数据进行建模训练，得出信用评分模型。 信用评分预测:(1)在所有数据提供方本地将其数据进行编码形成碎片化密文，供查询方(征信机构)查询统计;(2)查询方(征信机构)将待查询用户ID发送至业务接入组件，并发送至多方计算平台;(3)多方计算平台基于信用评分模型，实时生成个人的信用评分，并将密文统计结果返回业务接入组件;(4)业务接入组件对结果进行解密，得到明文查询结果，并将其返回给征信系统。 3.方案价值。基于多方计算技术的联合建模方案实现了信息保护下的替代数据融合，利于征信“白户”产品开发，拓宽普惠金融范围，对征信“白户”、金融机构、监管部门均有积极意义。 对征信“白户”而言，此方案通过基于替代数据下的征信查询，解决征信画像空白的问题，帮助其实现金融诉求，特别是信用良好的“白户”能获得相对较低的融资成本，提高普惠金融的有效性。对金融机构而言，有效破解征信“白户”未有任何信用评价手段的难题，帮助其更好识别征信“白户”是否为自己的潜在客户。如申请主体被判断为信用较好的“白户”，则可为金融机构增加客户来源，帮助其更好践行普惠金融的使命，并控制好金融业务风险。对监管机构而言，行业通过开发多元化的征信产品，推进了征信作为金融基础设施向纵深发展，以征信业供给侧结构性改革服务金融、经济高质量发展。