基于华为云TICS实现联合风控模型训练

背景

在银行传统的信用评估决策机制中，最常用的几个特征维度无非是个人资产、收入、信贷历史、抵押担保等。这些维度虽然能够反映借款人的还款能力，但是过于简单的规则往往也会拒绝掉很多潜在的优质客户。并且审核过程过于依赖网点客户经理，不但成本很高，人为风险也比较大。

随着互联网的快速发展，我们在网络上留下越来越多的轨迹，比如购物、租房、招聘、学历、社交信息等等。将这些特征引入到信用评分体系当中，能对金融机构的业务决策起到很好的辅助作用。这些特征虽然不直接反应一个人的信贷属性，但是能够帮助金融机构更好地全方位了解这个人。

利用大数据做金融风控的决策方式，是从数据本身出发，去反应一种与信贷属性的内在关联关系，这种关系不容易受偏见的影响，能达到更客观的效果。并且更加丰富的特征维度往往能够带来更高的预测准确率。但是在实际的实施过程中，银行受限于客户特征数据不足，构建的模型往往无法达到预期的效果，而从第三方获取数据的渠道又壁垒重重，隐私合规地使用数据面临巨大的挑战。

合作方案

华为云TICS基于可信硬件和MPC算法构建联邦学习平台，实现了数据不出本地的情况下进行多方联合建模。解决了多方数据共享交换过程中端到端隐私保护问题。 图1 华为云TICS服务架构图

支付平台提供特征数据，通过TICS安全代理接入系统。

xx银行提供标签样本数据，通过TICS安全代理接入系统。

TICS服务提供能力：

1. 基于元数据完成数据授权过程，用户可以自定义设置数据隐私策略。
2. 基于可信硬件TE