摩斯隐私计算在金融场景的应用案例荣获“2024金创奖”

2025-01-10 16:00:46 613 阅读 AI 写同款 · GEO 优化AI 选题数据监测一键分发 ›

拆解一个带主动均衡的BMS模块：从变压器、MOS管矩阵到控制逻辑，图文详解内部设计与成本构成本文深度拆解了一款带主动均衡功能的BMS模块，详细解析了其核心架构、元器件选型与成本构成。通过高频变压器、MOS管矩阵等硬件设计，该模块实现了高达87%的能量转移效率，远超普通被动均衡方案。文章还揭示了汽车级PCB设计、软件策略优化等关键技术细节，为锂电池管理系统设计提供了实用参考。阅读详情

摩斯荣获“金创奖”

“智领金融新生态，数绘未来新业态”，2024年12月12日“2024金融科技年会暨第十五届金融科技创新奖颁奖活动”落幕，摩斯凭借《摩斯隐私计算平台在金融场景的应用》案例，荣获“金创奖——数据技术与应用创新奖”。

本次“首都金融创新激励项目评审活动（以下简称“评审活动”）”由中共北京市委金融委员会办公室（以下简称“市委金融办”）主办，清华大学五道口金融学院承办，由各领域专家从先进性、创新点、数字化转型提升能力、效益等维度进行综合评审。获奖项目代表了在服务首都经济和社会发展中作出了突出的金融创新。

摩斯基于隐私计算技术的全渠道数据融合解决方案

当前金融机构数据要素流通主要存在几大堵点：1、单一金融机构数据样本量有限，造成模型推理和预测不准确，表现在拓展业务方面，无法及时识别精准人群，错失营销机会，在风控方面无法精准识别风险。2、部分金融机构数据处理能力有限，金融机构智能化处理能力低，例如需要投入大量人力资源对可疑交易、目标客户进行筛选识别，耗费成本高、效率低。3、金融数据由于敏感性高、监管严格，难以出域使用。

针对以上的堵点问题，摩斯的方案如下：

利用隐私计算技术连接全渠道数据：摩斯利用多方安全计算、联邦学习、可信执行环境等技术打造了大规模金融级隐私计算平台，通过该平台加密、分布式连接全渠道多方数据源，实现数据隐私保护、可用不可见。目前该平台已连接金融行业所需的全面覆盖千行百业的企业和用户数据，可以通过API、数据库、文件等多种方式加密接入和使用。
利用隐私建模能力进行多方数据联合建模分析：通过联合建模的方式解决单一金融机构数据样本量不足和数据处理能力有限的痛点问题，保障数据安全的同时提升模型效果，实现更精准的人群刻画和风险识别。主要用在风控、营销、客群经营等应用场景。