首页 > 资讯

专访瑞莱智慧:隐私计算或将改变金融科技领域商业逻辑

资讯 零壹财经 零壹财经 2021-11-10 阅读:11178

关键词:瑞莱智慧隐私计算蚂蚁集团硬科技贝叶斯深度学习

技术突破,在隐私计算赛道致胜因素中的权重或许正在上升。

10月28日,北京瑞莱智慧科技有限公司(简称“瑞莱智慧”)宣布完成超3亿元人民币A轮融资,投资方包括蚂蚁集团、中国互联网投资基金、达泰资本、考拉基金等多家机构。

这是继2020年底Pre-A轮之后的新一轮融资。在近期隐私计算公司获得的融资当中,这个体量的融资金额并不多见。据瑞莱智慧官方披露,截至目前,公司已完成四轮融资,估值达数十亿人民币。


瑞莱智慧成立于2018年7月,孵化自清华大学人工智能研究院,致力于发展第三代人工智能技术。

创立之初,凭借贝叶斯深度学习、人工智能对抗两项自主研发的核心技术,瑞莱智慧为金融、工业、公共安全等领域提供人工智能安全服务。目前,公安部、多家头部商业银行等都是瑞莱智慧的合作伙伴。

2020年12月,基于自主研发的第三代AI技术,瑞莱智慧发布企业级AI技术新品——隐私保护机器学习平台RealSecure,正式进入隐私计算领域。目前RealSecure已经在多家金融机构落地,并且已经在实际业务中取得了显著的应用效果。

据了解,该轮融资将用于继续加大AI安全、隐私计算等安全可控人工智能基础设施平台产品的研发投入,同时进一步深化战略布局、加强团队建设等,推动规模化场景落地。

作为隐私计算领域的硬科技劲旅,瑞莱智慧正在扬起风帆。

硬科技启程

在业界,对于隐私计算技术水平的高低,目前有三个公认的评判维度:安全性、性能、效果。

瑞莱智慧联合创始人刘荔园告诉零壹财经,瑞莱智慧的底层技术突破可以提升隐私计算产品在这三个维度上的表现。

首先,相较于业界的其他厂商,瑞莱智慧开创性地应用了全同态加密技术,带来了产品在性能上的提升。一般认为,全同态性能比半同态差,但是瑞莱智慧的技术同学发现,机器学习类任务的基础数据单元是张量(tensor),结合全同态加密的SIMD(全称Single Instruction Multiple Data,单指令多数据流)特性,可以将多个明文对应的密文环同时处理,从而比半同态得到更高的吞吐率。与此同时,在安全性上,基于格密码的全同态加密方案能够对抗量子攻击,比传统半同态方案具有更高的安全性。

第二,瑞莱智慧推出业内首个“活字印刷”级隐私计算平台。要做隐私计算,大多数厂商的做法是将此前的人工智能算法逐个进行安全加密改写,这就将这项工作变成了一项“劳动密集型”工作,需要耗费大量的人力和资金。在有的隐私计算创业公司当中,这是研发当中一项非常主要的工作。但是,瑞莱智慧却可以做到“一键改写”,从而大大节省了人力成本。刘荔园向零壹财经解释,这项技术本质上是要掌握普通算法进行安全加密改写的原理,需要了解这些算法和安全加密的底层逻辑,这样才能将其中的规律提炼出来。运用这些规律,可以让普通算法自动进行安全加密改写。

第三,直观可验证的安全性。传统隐私计算模式的安全性依赖于“专家验证”,无法做到自动验证。瑞莱智慧则通过把联邦算法协议抽象为中间层表示(IR),以数据流图的形式直观展示加密过程,底层执行的计算公开可审计,同时深度结合密码学证明,支持完整证明联邦算法协议的安全性。基于此,瑞莱智慧也构建了严谨且可论证的“事前”“事中”“事后”安全体系,提供“协议模型及安全性假设、技术实现原理、数据抓包监测、运算日志打印审计”全方位的安全评估验证。

在效果方面,贝叶斯深度学习是瑞莱智慧的核心技术之一,融合了贝叶斯方法和深度神经网络的优势,引入先验知识,刻画不确定性,为应对复杂问题中的不确定性建模与推断提供可能,在场景的实际应用中,可以大幅提升业务效果。

在硬科技的身后,是来自清华大学和北京大学的精英团队。瑞莱智慧的团队由中国科学院院士张钹、清华人工智能研究院基础理论研究中心主任朱军担任首席科学家,来自清华大学、北京大学的成员超过1/3。

新场景价值显现

瑞莱智慧的硬科技价值,也正在实际业务场景中展现。

目前,隐私计算目前典型的应用场景聚焦于智能营销、智能风控的智慧金融场景。在以上场景中,隐私计算可以帮助金融机构在安全合规的前提下拓展内外部数据,丰富特征数据维度,提升机构整体风控能力。

刘荔园向零壹财经介绍道,传统数据应用模式下,金融机构面临三方面的数据困境:一是企业不愿共享,数据作为一项重要资产,在数据共享的过程中可能带来数据资产的流失与损失,尤其在数据所有权与使用权密切关联的情况下,这也成为导致数据孤岛与数据壁垒的核心原因;二是不敢共享,随着《数据安全法》和《个人信息保护法》的相继出台与施行,数据保护的重要性被提升到前所未有的高度,尤其金融机构拥有的数据涉及用户隐私,一旦流通共享可能造成用户隐私泄漏;三是不能共享,在各家数据尚未实现互通互联的情况下进行数据共享,将面临技术或者本身协议方面的障碍。在以上的数据困境下,隐私保护计算提供了技术最优解。

2015年起,大数据风控逐渐成为了金融科技赛道的核心,而数据又是金融风控的核心。比如,在反欺诈场景中,随着跨行业欺诈成为常态,金融机构基于自身数据构建反欺诈模型难以有效识别,通常需要补充社交、电商等三方数据来提升反欺诈识别能力。尤其对于中小银行来说,它们的风控技术和经验相较于大行更处于劣势,业务开展的时长及覆盖的客户有限,积累的黑名单和欺诈样本普遍不足,难以支撑起构建效果优良的交易反欺诈模型。所以,银行等金融机构为提升风控效果,需要外部数据作为交叉验证或联合建模,但其中大部分涉及敏感数据。刘荔园表示,瑞莱智慧通过隐私计算保障“数据可用不可见”,最大限度的解决金融机构的数据共享需求。

目前,瑞莱智慧与多家银行展开合作,提供“数据+平台+模型”的一体化隐私计算解决方案,帮助银行安全合规地实现跨行业数据链接,以及实现银行间的黑名单样本共享。在为某家股份制银行提供的方案中,瑞莱智慧为其安全合规地引入支付行为、设备信息、社交习惯等数十类外部数据,大幅提升了模型的准确性和效率,反欺诈模型AUC可达到0.82,KS达到0.48,效果较大提升,而且系统整体运行速度达到业内典型架构模式的20~40倍。

刘荔园表示,与许多从技术出发的隐私计算创业公司不同,瑞莱智慧在数据生态方面有所积累,在市场化数据源当中,瑞莱智慧已经与三大运营商、银联都开展了对接与合作,这在市场化数据源当中是较为稀缺的资源。一般来说,运营商和银联对合作伙伴的技术水平有较高的要求,只有达到相关技术标准的厂商才可以获得合作机会。

改变商业逻辑

2020年12月,瑞莱智慧首次发布了隐私保护计算平台RealSecure。在发布仪式上,瑞莱智慧CEO田天阐释了公司的愿景。

瑞莱智慧致力于打造更加安全可控的新一代人工智能基础设施,围绕算法可靠、数据安全和应用可控三大能力,实现对现有AI平台的升级赋能,拓展AI在各类场景上的可用性。

田天介绍道,智能化时代下,AI的决策逻辑和链路天然存在大量不确定性,缺乏可解释性,难以被应用于高价值决策场景。另外,算法普遍存在的“对抗样本”特征导致AI系统存在被恶意攻击的风险,所以需要提升算法决策的可靠性与安全性。其次,数据是构建AI系统的核心要素,但数据的简单明文传输和使用容易导致隐私泄露,同时数据的用途和用量难以保障,可能被滥用和复制,数据收益也难以界定,因此数据的安全合规使用成为打通AI落地的重要一环。最后,AI应用的有效管控,比如解决信贷模型中“幸存者偏差”、人脸识别种族歧视等算法公平性问题。

在这样的愿景下,目前瑞莱智慧面向金融行业推出了两大产品:隐私保护计算平台RealSecure和人工智能安全平台RealSafe。前者可以为AI提供可靠、可信、可用的数据保障。后者是业内首个针对AI系统的防火墙与杀毒软件,通过集成主流的及瑞莱智慧独有的AI对抗技术,提供模型安全性测评及安全加固的端到端解决方案,提升AI系统的安全性。

刘荔园介绍道,AI厂商布局隐私计算具有一定的必然性,也具有一定优势。她介绍道,专门的隐私计算厂商,或者传统网络安全厂商更多从安全合规的角度来入手,隐私计算对于企业来说更多是一个成本项,但AI是实现数据价值最大化的技术手段,两者结合,闭环数据价值,隐私计算将从“成本项”变成“营收项”。她也提到,结合计算机领域来看,以上层应用需求为牵引,定制底层技术开发是一大发展趋势,这对隐私计算也同样适用,而大部分情况下,上层应用与AI需求强绑定。

刘荔园认为,隐私计算的发展,来自密码学等底层核心技术的突破将成为至关重要的致胜因素。在这场竞争当中,人才,或许正在成为关键中的关键。据零壹财经了解,在隐私计算市场上,技术能力和商业场景落地能力同时达到顶尖的团队非常少,这时就需要挖人来弥补创始成员的能力短板。经过金融科技领域多年的市场发展,目前金融领域的建模人才已经越来越多,但是隐私计算的人才却相当稀缺。

“我们相信,在这个赛道的长跑中,大家将逐渐认识到技术的重要性和真正价值。整个领域的商业逻辑可能将与此前中国IT互联网领域的商业逻辑完全不同。”最后,刘荔园表示。
 

END.


零壹智库推出“金融毛细血管系列策划”,通过系列文章、系列视频、系列报告、系列研讨会和专著,系统呈现“金融毛细血管”的新状态、新功能、新价值、新定位。
 

上一篇>央行行长易纲:将测试数字人民币对货币政策、金融市场和金融稳定等方面的影响

下一篇>零壹日报:小米消金首次发生高管变更;腾讯Q3金融科技相关收入同比增30%


所属专题


相关文章


用户评论

游客

自律公约

所有评论

主编精选

more

专题推荐

more

第四届中国零售金融发展峰会(共15篇)


资讯排行

  • 48h
  • 7天



耗时 158ms