摩斯隐私计算在金融场景的应用案例荣获“2024金创奖”

2025-01-14 14:34:51 643 阅读 AI 写同款 · GEO 优化AI 选题数据监测一键分发 ›

Uni-App推送踩坑实录：从云函数URL化到后台推送失效，我都经历了什么本文详细记录了Uni-App开发者在接入uni-push 2.0时遇到的推送失效问题，从云函数URL化到后台推送失效的完整排查过程。通过系统化分析和与官方沟通，最终找到解决方案，并分享了预防措施与最佳实践，帮助开发者避免类似问题。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。