隐语可信数据空间MOOC第46讲笔记：密态计算技术在车险行业的应用及前景​

[叶开233]

笔记内容来自隐语Mooc，欢迎一起来学习。Mooc课程地址：https://www.secretflow.org.cn/community/bootcamp/2narwgw4ub8rabq/course/vhii941jitkl122?tab=outline

---

📘 8.8 密态计算技术在车险行业的应用及前景

主讲人：马美鑫 | 华泰保险经纪有限公司互联网与创新事业部 总经理

---

一、法律法规对数据安全的要求

1. 《数据安全法》与《个人信息保护法》

• 要求金融保险机构对业务数据（尤其是个人金融信息、健康信息）进行分类分级管理。
• 遵循最小必要原则，避免过度收集和使用个人信息。
• 密态计算（如联邦学习、多方安全计算）可在不转移原始数据的前提下实现联合建模，符合合规要求。

2. 《网络数据安全管理条例》（2025年施行）

• 明确要求金融、医疗等重点行业采用隐私增强技术（PETs）保障数据安全。
• 对跨境数据传输提出严格限制，密态计算可实现“数据不出境”的合规要求。

3. 《银行保险机构数据安全管理办法》（2024年12月发布）

• 数据分为核心、重要、一般三级，实施差异化保护。
• 实施全生命周期安全管理，强调敏感数据保护。
• 个人信息需遵循“授权同意”原则，禁止过度收集。

---

二、密态计算技术的价值与适用场景

1. 核心价值

• 保护数据隐私：原始数据不出域，实现“数据可用不可见”。
• 打破数据孤岛：支持多方数据安全融合与联合计算。
• 驱动业务创新：赋能精准定价、智能风控、理赔优化等场景。

2. 最佳落地场景

• 健康险：融合医疗、体检等多方数据，实现精准核保、理赔及反欺诈。
• 车险及涉车非车险：融合驾驶行为、车辆传感、地理信息等多维数据，赋能差异化定价与风控优化。

---

三、车险数据来源与融合应用

1. 车险数据来源多样性

• 车主及用户数据
• 行驶数据（驾驶行为、违法记录等）
• 车辆数据（基本信息、车况等）
• 投保与理赔数据
• 车后生活数据（保养、充电、导航等）

2. 密态计算实现多源数据融合

• 构建车辆全生命周期画像。
• 赋能四大业务环节：
  • 风险识别：车辆与车主风险评级
  • 风险管理：商用车运营与安全驾驶管理
  • 智能理赔与减损：智驾判定、反欺诈、快速定损
  • 产品创新：电池延保、场景化保险等

---

四、风险评分与车险定价

1. 风险因子分类

• 静态因子：车主年龄、性别、地区；车辆品牌、车型、车龄等。
• 动态因子：驾驶行为数据（急刹、超速、疲劳驾驶等）；行驶场景数据（夜间驾驶、高速占比等）。

2. 密态计算建模

• 使用同态加密、联邦学习等技术构建“驾驶行为-风险映射模型”。
• 输出风险评分（0-100分），实现精准风险评级与事故概率预测。

3. 定价与服务优化

• 保险公司：细化定价模型，实现基于人或里程的差异化保费。
• 车企：提供安全驾驶积分、车辆操控优化等增值服务。
• 用户：享受个性化保费与更安全的驾驶体验。

---

五、智能理赔与减损

1. 智驾保险责任判定

• 主机厂提供加密的传感器数据与系统日志。
• 保险公司使用加密数据按规则计算，判定是否属于保险责任。

2. 电池非现场损失补偿保险

• 判断是否为意外事件导致，或是否因轻微问题导致后果恶化。
• 依赖主机厂提供的加密电池性能数据进行责任判定。

3. 理赔流程优化

• 精准定责：通过多方安全计算认证，评估故障与事故关联性。
• 快速定损：结合损坏部位信息、零配件价格体系，实现自动核损。
• 反欺诈：识别虚假报案与骗保行为。
• 维修引导：推荐品质保证的维修服务商，提升用户体验。

---

六、密态计算赋能车险价值提升

• 保险公司：定价更精准、理赔更高效。
• 车企：用户服务更个性化、车辆安全设计更贴合实际需求。
• 用户：获得更公平的保障与更安全的驾驶体验。

核心方向：主机厂与保险公司的数据协同是未来车险市场化、智能化的关键。

---

✍️ 学习总结

• 数据安全法规趋严，推动密态计算在保险行业落地。
• 密态计算实现数据不动模型动，保护隐私的同时释放数据价值。
• 车险数据来源多样，融合后赋能风险定价、智能理赔、产品创新全流程。
• 主机厂与险企的数据协同将成为车险智能化发展的核心驱动力。
• 未来车险将更个性化、公平化、高效化，实现用户、车企、险企多方共赢。