摘 要：算法信用評(píng)分在消費(fèi)信貸市場迅速興起，不僅顛覆了傳統(tǒng)信用評(píng)分方式、催生出新的金融市場主體、促進(jìn)消費(fèi)信貸的普惠性，還對(duì)消費(fèi)者保護(hù)尤其是隱私和自主權(quán)保護(hù)提出了挑戰(zhàn)。為了在鼓勵(lì)消費(fèi)信貸市場創(chuàng)新與消費(fèi)者保護(hù)之間取得平衡，英國以保護(hù)消費(fèi)者隱私和自主權(quán)為導(dǎo)向，通過消費(fèi)信貸和數(shù)據(jù)保護(hù)等法規(guī)來實(shí)施消費(fèi)信貸市場算法信用評(píng)分領(lǐng)域的消費(fèi)者保護(hù)。通過歸納總結(jié)英國經(jīng)驗(yàn)，結(jié)合我國實(shí)際情況提出應(yīng)完善算法信用評(píng)分領(lǐng)域消費(fèi)者保護(hù)工作架構(gòu)、明確高標(biāo)準(zhǔn)的消費(fèi)者隱私和自主權(quán)保護(hù)要求、對(duì)消費(fèi)者數(shù)據(jù)處理周期實(shí)行早期介入和監(jiān)管、加強(qiáng)數(shù)據(jù)保護(hù)知識(shí)公眾宣傳教育等建議。

關(guān)鍵詞：算法;機(jī)器學(xué)習(xí);信用評(píng)分;消費(fèi)者保護(hù)

本文索引：陳曉麗.<變量 1>[J].中國商論，2021（18）：-031.

中圖分類號(hào)：F063.2 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2096-0298（2021）09（b）--04

近年來，在經(jīng)濟(jì)社會(huì)日益網(wǎng)絡(luò)化和數(shù)字化、可用的個(gè)人數(shù)據(jù)海量增長、機(jī)器學(xué)習(xí)等人工智能技術(shù)取得重大進(jìn)步等因素的推動(dòng)下，通過使用機(jī)器學(xué)習(xí)等人工智能技術(shù)增強(qiáng)或替代人類決策的自動(dòng)化決策在多個(gè)領(lǐng)域的快速發(fā)展，典型應(yīng)用如金融科技公司、信用評(píng)級(jí)機(jī)構(gòu)將自動(dòng)化決策集成到消費(fèi)者信用評(píng)分中，使用機(jī)器學(xué)習(xí)等技術(shù)分析更廣泛的消費(fèi)者數(shù)據(jù)尤其是替代數(shù)據(jù)來評(píng)估消費(fèi)者信用，即稱為“算法信用評(píng)分”。算法信用評(píng)分的興起及對(duì)消費(fèi)者數(shù)據(jù)的收集、分析和使用，加劇了消費(fèi)者保護(hù)領(lǐng)域的爭議：利好在于可能提高信用評(píng)分的效率和準(zhǔn)確性、改善以往被邊緣化消費(fèi)者的信貸獲得機(jī)會(huì);弊端在于有不準(zhǔn)確、不透明、對(duì)待消費(fèi)者不公平的潛在風(fēng)險(xiǎn)，尤其是可能損害消費(fèi)者隱私和自主權(quán)。全球主要經(jīng)濟(jì)體的監(jiān)管當(dāng)局已經(jīng)關(guān)注到消費(fèi)信貸市場算法信用評(píng)分的風(fēng)險(xiǎn)，并在現(xiàn)有法律框架下采取相應(yīng)監(jiān)管措施，如英國通過消費(fèi)信貸和數(shù)據(jù)保護(hù)監(jiān)管制度予以規(guī)制。

1 算法信用評(píng)分的興起及其概念界定

消費(fèi)者信用評(píng)分是依據(jù)消費(fèi)者歷史信用表現(xiàn)和具有類似屬性的金融交易數(shù)據(jù)估算消費(fèi)者信用風(fēng)險(xiǎn)，并根據(jù)消費(fèi)者信用風(fēng)險(xiǎn)運(yùn)用統(tǒng)計(jì)技術(shù)對(duì)消費(fèi)者進(jìn)行分類和排名。傳統(tǒng)的信用評(píng)分主要運(yùn)用線性統(tǒng)計(jì)方法和固定變量進(jìn)行計(jì)算，能夠反映消費(fèi)者歷史信用表現(xiàn)與信用風(fēng)險(xiǎn)之間的統(tǒng)計(jì)相關(guān)性，但也存在無法獲得消費(fèi)者非金融或非信用數(shù)據(jù)的局限性。從2000年開始，互聯(lián)網(wǎng)及移動(dòng)技術(shù)廣泛普及、可用的消費(fèi)者數(shù)據(jù)大量增長及機(jī)器學(xué)習(xí)等技術(shù)進(jìn)步，再加上大型金融科技公司的崛起，推動(dòng)了算法信用評(píng)分的發(fā)展。國外如美國的Lending Club、Prosper、Social Finance等金融科技公司率先將機(jī)器學(xué)習(xí)等技術(shù)、替代數(shù)據(jù)與線上信貸相結(jié)合，利用機(jī)器學(xué)習(xí)等技術(shù)評(píng)估消費(fèi)者信用風(fēng)險(xiǎn)并開展線上信貸業(yè)務(wù)。

區(qū)別于傳統(tǒng)的信用評(píng)分，算法信用評(píng)分主要有兩個(gè)特點(diǎn)：一是運(yùn)用更復(fù)雜的機(jī)器學(xué)習(xí)等人工智能技術(shù)來分析數(shù)據(jù)，“算法”即指機(jī)器學(xué)習(xí)甚至深度學(xué)習(xí)等技術(shù)，如隨機(jī)森林、人工神經(jīng)網(wǎng)絡(luò)。二是分析的數(shù)據(jù)數(shù)量和種類更多、更廣泛，既有傳統(tǒng)的信用數(shù)據(jù)又有非信用的替代數(shù)據(jù)，其中替代數(shù)據(jù)既包括財(cái)務(wù)數(shù)據(jù)，如租金、公共事業(yè)和手機(jī)支付數(shù)據(jù)，又包括常規(guī)數(shù)據(jù)如受教育和就業(yè)歷史，還包括非常規(guī)的社交和行為數(shù)據(jù)，如社交媒體、手機(jī)使用、健康健身、零售和在線瀏覽數(shù)據(jù)，囊括文本、視頻、圖像、聲音等形式。與傳統(tǒng)的信用數(shù)據(jù)相比，替代數(shù)據(jù)具有結(jié)構(gòu)化低、維度高的特點(diǎn)，算法正是通過解析這種大規(guī)模、非結(jié)構(gòu)化、高維度化的數(shù)據(jù)捕捉非線性關(guān)系，找到與消費(fèi)者信用風(fēng)險(xiǎn)相關(guān)的特征和模式并進(jìn)行評(píng)分。

2 消費(fèi)者保護(hù)視角下算法信用評(píng)分帶來的機(jī)遇與風(fēng)險(xiǎn)

2.1 正面影響：促進(jìn)消費(fèi)信貸市場的效率和普惠性

一是提高消費(fèi)信貸市場配置效率。算法信用評(píng)分可以通過減少獲取消費(fèi)者相關(guān)信息所需的成本和時(shí)間、揭示更多與消費(fèi)者信用風(fēng)險(xiǎn)相關(guān)的信息，對(duì)信用風(fēng)險(xiǎn)進(jìn)行更準(zhǔn)確的評(píng)估，減輕因逆向選擇效應(yīng)造成的市場配置低效率。特別是使用更多類型的消費(fèi)者行為數(shù)據(jù)、不斷改進(jìn)的機(jī)器學(xué)習(xí)等技術(shù)，更準(zhǔn)確地預(yù)測(cè)消費(fèi)者在還款期的支出和可支配收入來分析還款能力，有利于改善傳統(tǒng)方式下信用不足或無信用的消費(fèi)者（即被邊緣化的消費(fèi)者）的信貸獲得機(jī)會(huì)。二是由于被邊緣化消費(fèi)者往往屬于低收入、受教育程度較低的弱勢(shì)群體，算法信用評(píng)分改善信貸獲得機(jī)會(huì)還有助于提升消費(fèi)信貸的普惠性。三是更有效地監(jiān)控消費(fèi)者貸后行為。在算法信用評(píng)分中使用的消費(fèi)者數(shù)據(jù)可用于設(shè)計(jì)更有針對(duì)性的懲罰性定價(jià)條款或費(fèi)用豁免，以動(dòng)態(tài)適應(yīng)消費(fèi)者貸后行為，有助于減少因信息不對(duì)稱、道德風(fēng)險(xiǎn)影響而造成的低效率。機(jī)器學(xué)習(xí)等技術(shù)和替代數(shù)據(jù)還可以用于與信貸活動(dòng)相關(guān)的業(yè)務(wù)并提高辦理效率，包括驗(yàn)證客戶身份、監(jiān)控欺詐和洗錢活動(dòng)等。

2.2 潛在風(fēng)險(xiǎn)：不準(zhǔn)確、不透明、對(duì)待消費(fèi)者不公平、損害消費(fèi)者隱私和自主權(quán)

（1）存在評(píng)估不準(zhǔn)確、不透明的風(fēng)險(xiǎn)。一是因技術(shù)原因可能導(dǎo)致評(píng)估不準(zhǔn)確。算法信用評(píng)分高度依賴于數(shù)據(jù)和機(jī)器學(xué)習(xí)等技術(shù)模型的質(zhì)量及準(zhǔn)確性，如果數(shù)據(jù)不完整、有偏差或不正確，或者模型不能有效分析數(shù)據(jù)，算法信用評(píng)分反而會(huì)因評(píng)估不準(zhǔn)確造成消費(fèi)信貸市場的低效率。二是評(píng)估的準(zhǔn)確性需要在更長的經(jīng)濟(jì)周期中進(jìn)一步考驗(yàn)。算法信用評(píng)分興起于2008年經(jīng)濟(jì)危機(jī)后，眾多用于算法信用評(píng)分的機(jī)器學(xué)習(xí)等技術(shù)模型都是在2008年后相對(duì)良性的宏觀經(jīng)濟(jì)環(huán)境中訓(xùn)練出來的，評(píng)估的準(zhǔn)確性是否受到經(jīng)濟(jì)衰退的影響還未可知，需要在更長的經(jīng)濟(jì)周期中進(jìn)一步觀察。三是某些用于風(fēng)險(xiǎn)建模的機(jī)器學(xué)習(xí)等技術(shù)復(fù)雜程度較高，可能影響模型的可解釋性和有效驗(yàn)證，影響評(píng)估透明度。

（2）存在不公平對(duì)待消費(fèi)者的風(fēng)險(xiǎn)。一是技術(shù)原因可能導(dǎo)致消費(fèi)者被歧視。例如機(jī)器學(xué)習(xí)等技術(shù)模型簡單的將數(shù)據(jù)的特定變量與信用風(fēng)險(xiǎn)掛鉤，可能導(dǎo)致與變量相關(guān)的消費(fèi)者群體產(chǎn)生不公平的結(jié)果;在未經(jīng)過嚴(yán)格測(cè)試結(jié)果和根據(jù)反饋調(diào)整模型參數(shù)的情況下，在自然場景下使用機(jī)器學(xué)習(xí)等技術(shù)模型有可能強(qiáng)化和延續(xù)對(duì)部分消費(fèi)者的歧視。二是有不公平對(duì)待消費(fèi)者的道德風(fēng)險(xiǎn)產(chǎn)生。消費(fèi)信貸機(jī)構(gòu)和信用評(píng)估機(jī)構(gòu)可能過度收集和使用消費(fèi)者數(shù)據(jù);可能通過算法信用評(píng)分剝削消費(fèi)者，如實(shí)行價(jià)格歧視、利用消費(fèi)者認(rèn)知和行為的偏差進(jìn)行有針對(duì)性的惡意營銷、針對(duì)更加弱勢(shì)的消費(fèi)者采取不當(dāng)債務(wù)催收行為、主動(dòng)避免向被邊緣化的消費(fèi)者提供信貸，進(jìn)而影響消費(fèi)信貸市場的分配公平性。

（3）對(duì)消費(fèi)者隱私和自主權(quán)構(gòu)成威脅。一是算法信用評(píng)分及所處的自動(dòng)化決策體系如果遭遇黑客攻擊，消費(fèi)者數(shù)據(jù)被盜竊、被用于欺詐的風(fēng)險(xiǎn)增大。二是算法信用評(píng)分使消費(fèi)信貸機(jī)構(gòu)和信用評(píng)級(jí)機(jī)構(gòu)對(duì)消費(fèi)者的洞察力甚于消費(fèi)者本人在被持續(xù)監(jiān)測(cè)分析的情況下可能產(chǎn)生寒蟬效應(yīng)，形成“所有數(shù)據(jù)都可能成為信用數(shù)據(jù)”的認(rèn)知，影響消費(fèi)者掌控自身數(shù)據(jù)并塑造數(shù)字身份的權(quán)利。雖然有觀點(diǎn)認(rèn)為算法信用評(píng)分可改善被邊緣化消費(fèi)者的信貸獲得機(jī)會(huì)、減少過度借貸的風(fēng)險(xiǎn)，消費(fèi)者讓渡隱私和自主權(quán)的風(fēng)險(xiǎn)可以被收益所抵消。但考慮到包括算法信用評(píng)分在內(nèi)的自動(dòng)化決策被廣泛運(yùn)用，對(duì)消費(fèi)者隱私和自主權(quán)的系統(tǒng)性、長期性損害很難因收益而抵消。

3 算法信用評(píng)分領(lǐng)域?qū)嵤┫M(fèi)者保護(hù)的英國經(jīng)驗(yàn)

算法信用評(píng)分領(lǐng)域的消費(fèi)者保護(hù)問題已引起各國監(jiān)管當(dāng)局的關(guān)注，其中英國雖然沒有出臺(tái)專門的法律，但有相應(yīng)的法律規(guī)則來規(guī)制并由監(jiān)管機(jī)構(gòu)予以執(zhí)行，經(jīng)驗(yàn)相對(duì)成熟且具有借鑒意義。

3.1 主要法律規(guī)則

英國與算法信用評(píng)分領(lǐng)域消費(fèi)者保護(hù)相關(guān)的法律規(guī)則主要有《消費(fèi)信貸法》（由英國金融行為監(jiān)管局進(jìn)行消費(fèi)信用監(jiān)管）《2018年數(shù)據(jù)保護(hù)法》《數(shù)據(jù)保護(hù)一般規(guī)則》（由英國信息專員辦公室進(jìn)行數(shù)據(jù)保護(hù)監(jiān)管）（英國適用于算法信用評(píng)分的其他法律規(guī)則還包括反歧視、競爭、知識(shí)產(chǎn)權(quán)和一般消費(fèi)者法律，本文將分析重點(diǎn)放在相關(guān)性最強(qiáng)的數(shù)據(jù)保護(hù)和消費(fèi)信貸法律規(guī)則上。）。《消費(fèi)信貸法》規(guī)定了公平對(duì)待客戶、行事謹(jǐn)慎專業(yè)勤勉、確保產(chǎn)品營銷清晰公平和不誤導(dǎo)的原則，為監(jiān)管機(jī)構(gòu)靈活應(yīng)對(duì)消費(fèi)信貸市場創(chuàng)新的潛在風(fēng)險(xiǎn)提供了法律基礎(chǔ)?！?018年數(shù)據(jù)保護(hù)法》和《數(shù)據(jù)保護(hù)一般規(guī)則》（雖然英國脫歐過渡期于2020年12月31日結(jié)束，歐盟的《數(shù)據(jù)保護(hù)一般規(guī)則》仍保留在英國法律體系中并與《2018年數(shù)據(jù)保護(hù)法》一同發(fā)揮作用。規(guī)定了數(shù)據(jù)控制者和數(shù)據(jù)處理者義務(wù)、數(shù)據(jù)主體權(quán)利以及有關(guān)監(jiān)管執(zhí)法權(quán)力。數(shù)據(jù)控制者和數(shù)據(jù)處理者義務(wù)囊括：一是總體數(shù)據(jù)保護(hù)原則，包括數(shù)據(jù)最小化（數(shù)據(jù)最小化原則即要求數(shù)據(jù)是充分、相關(guān)且僅限于與目的有關(guān)的）和目的限制（目的限制原則即僅出于特定、明確、合法的目的而收集消費(fèi)者數(shù)據(jù)，不得以與目的不符的方式處理）。二是處理數(shù)據(jù)需有經(jīng)消費(fèi)者同意或者是滿足合法利益的理由。三是當(dāng)數(shù)據(jù)處理可能對(duì)消費(fèi)者權(quán)利構(gòu)成高風(fēng)險(xiǎn)時(shí)必須執(zhí)行數(shù)據(jù)保護(hù)影響評(píng)估（DPIA）。四是落實(shí)經(jīng)設(shè)計(jì)或默認(rèn)的數(shù)據(jù)保護(hù)方式。數(shù)據(jù)主體權(quán)利主要體現(xiàn)為：消費(fèi)者有權(quán)查閱和糾正信用檔案中的錯(cuò)誤，有權(quán)獲得自動(dòng)化決策的存在及邏輯的有關(guān)信息，有權(quán)反對(duì)基于自動(dòng)化決策作出的決定。

在上述法律規(guī)則下，監(jiān)管機(jī)構(gòu)可以更直接地發(fā)現(xiàn)風(fēng)險(xiǎn)和采取監(jiān)管措施，包括：評(píng)估消費(fèi)者對(duì)特定形式的產(chǎn)品營銷的反應(yīng)，以確定是否清晰公平和不誤導(dǎo);要求被監(jiān)管對(duì)象加強(qiáng)個(gè)性化的信息披露，或以更有針對(duì)性的方式調(diào)整消費(fèi)者選擇架構(gòu);要求被監(jiān)管對(duì)象針對(duì)基于自動(dòng)化決策的業(yè)務(wù)系統(tǒng)和流程建立穩(wěn)健治理和監(jiān)督安排，如數(shù)據(jù)質(zhì)量驗(yàn)證、持續(xù)的模型反饋測(cè)試、交叉驗(yàn)證和審計(jì)等。

保護(hù)消費(fèi)者隱私和自主權(quán)是英國在算法信用評(píng)分領(lǐng)域?qū)嵤┫M(fèi)者保護(hù)的關(guān)鍵。保護(hù)消費(fèi)者隱私和自主權(quán)的涵義比消費(fèi)者個(gè)人數(shù)據(jù)保密的涵義更為深厚，后者主要是防止非公開的消費(fèi)者個(gè)人數(shù)據(jù)被披露，而前者通過對(duì)收集、分析、使用消費(fèi)者數(shù)據(jù)等行為和實(shí)施主體進(jìn)行控制來保護(hù)更廣義的消費(fèi)者自主權(quán)，即消費(fèi)者選擇和構(gòu)建自身身份、發(fā)展自我決策能力的權(quán)利。

3.2 存在不足

一是權(quán)力和信息不對(duì)稱、消費(fèi)者認(rèn)知和行為偏差、數(shù)據(jù)處理負(fù)外部性都會(huì)導(dǎo)致市場失靈。英國消費(fèi)信貸和數(shù)據(jù)保護(hù)等法規(guī)的前提是消費(fèi)者可以理性權(quán)衡數(shù)據(jù)所帶來的所有潛在危害和利益（包括對(duì)自身的長遠(yuǎn)影響和對(duì)其他消費(fèi)者的系統(tǒng)性影響）并相應(yīng)行使其權(quán)利。然而，實(shí)踐中存在著諸多阻礙消費(fèi)者有效行使權(quán)利的因素：（1）數(shù)據(jù)控制者和處理者將數(shù)據(jù)收集同意條款設(shè)置為合同附加條件，消費(fèi)者沒有協(xié)商的權(quán)力。（2）由于信息過載或受認(rèn)知限制，消費(fèi)者難以審查數(shù)據(jù)收集同意條款并做出明智決定。（3）消費(fèi)者隱私和自主權(quán)被損害的風(fēng)險(xiǎn)具有潛在的、不確定的和無形的特點(diǎn)，消費(fèi)者往往忽視其嚴(yán)重性。（4）消費(fèi)者很難理解非結(jié)構(gòu)化、高維度的數(shù)據(jù)對(duì)隱私和自主權(quán)的長遠(yuǎn)影響，也很難內(nèi)化因使用自身數(shù)據(jù)而對(duì)其他消費(fèi)者的隱私和自主權(quán)造成的不良影響（即數(shù)據(jù)處理的負(fù)外部性）。在自動(dòng)化決策驅(qū)動(dòng)的消費(fèi)信貸市場中，這些障礙都會(huì)導(dǎo)致市場失靈，表現(xiàn)為消費(fèi)者在受到長期性、系統(tǒng)性損害的情況下仍然不得不讓渡隱私和自主權(quán)。

二是監(jiān)管指導(dǎo)不足進(jìn)一步削弱法律規(guī)則的有效性?！稊?shù)據(jù)保護(hù)一般規(guī)則》一方面要求數(shù)據(jù)控制者和處理者履行保護(hù)消費(fèi)者權(quán)利的義務(wù)，另一方面又賦予其相當(dāng)大的自主空間。這就要求監(jiān)管機(jī)構(gòu)必須進(jìn)行密切監(jiān)管和有效指導(dǎo)才能確保監(jiān)管對(duì)象履行義務(wù)。《數(shù)據(jù)保護(hù)一般規(guī)則》規(guī)定，當(dāng)數(shù)據(jù)處理可能對(duì)消費(fèi)者個(gè)人權(quán)利構(gòu)成高風(fēng)險(xiǎn)時(shí)，數(shù)據(jù)處理機(jī)構(gòu)必須履行開展數(shù)據(jù)保護(hù)影響評(píng)估、按設(shè)計(jì)或默認(rèn)規(guī)則履行數(shù)據(jù)保護(hù)的義務(wù)。雖然英國出臺(tái)了《數(shù)據(jù)保護(hù)影響評(píng)估指南》，但是既缺乏針對(duì)消費(fèi)信貸領(lǐng)域的數(shù)據(jù)保護(hù)影響評(píng)估具體模板，又沒有針對(duì)消費(fèi)信貸領(lǐng)域的數(shù)據(jù)保護(hù)設(shè)計(jì)或默認(rèn)規(guī)則指南，監(jiān)管機(jī)構(gòu)具體執(zhí)行存在缺陷。

4 結(jié)語

英國在算法信用評(píng)分領(lǐng)域?qū)嵤┫M(fèi)者保護(hù)的特點(diǎn)在于：將消費(fèi)者隱私和自主權(quán)保護(hù)置于重要地位，隱私和自主權(quán)保護(hù)的涵義較廣，有相應(yīng)的法律規(guī)則且有對(duì)應(yīng)的執(zhí)法機(jī)構(gòu)。在消費(fèi)信貸市場逐漸數(shù)據(jù)化、消費(fèi)者權(quán)利所受影響日益嚴(yán)重的趨勢(shì)下，英國經(jīng)驗(yàn)對(duì)我國實(shí)施消費(fèi)信貸市場算法信用評(píng)分領(lǐng)域的消費(fèi)者保護(hù)具有一定的借鑒意義。我國此領(lǐng)域的法律框架尚處于起步階段，雖然《民法典》人格權(quán)編中規(guī)定了涉及隱私權(quán)和個(gè)人信息權(quán)益的內(nèi)容，但是還缺少最高人民法院相關(guān)司法解釋指導(dǎo)實(shí)踐;《中華人民共和國個(gè)人信息保護(hù)法（草案）》2020年10月才公布，尚未正式出臺(tái)。因此，對(duì)消費(fèi)信貸市場算法信用評(píng)分領(lǐng)域的消費(fèi)者保護(hù)，在借鑒英國經(jīng)驗(yàn)的基礎(chǔ)上還應(yīng)結(jié)合我國實(shí)際國情加以改進(jìn)。

（1）完善算法信用評(píng)分領(lǐng)域的消費(fèi)者保護(hù)工作架構(gòu)。一是金融監(jiān)管部門應(yīng)發(fā)揮主導(dǎo)作用。《中華人民共和國個(gè)人信息保護(hù)法（草案）》第六章規(guī)定國家網(wǎng)信部門負(fù)責(zé)統(tǒng)籌協(xié)調(diào)個(gè)人信息保護(hù)工作和相關(guān)監(jiān)督管理工作、國務(wù)院有關(guān)部門在各自職責(zé)范圍內(nèi)負(fù)責(zé)個(gè)人信息保護(hù)和監(jiān)督管理工作。消費(fèi)信貸市場算法信用評(píng)分領(lǐng)域的消費(fèi)者保護(hù)屬于金融消費(fèi)者保護(hù)的一部分，也是金融監(jiān)管部門的職責(zé)范圍，金融監(jiān)管部門應(yīng)針對(duì)算法信用評(píng)分領(lǐng)域制定相應(yīng)規(guī)范，與其他監(jiān)管機(jī)構(gòu)之間開展更深層次的跨部門合作，并加強(qiáng)對(duì)該領(lǐng)域的執(zhí)法力度。二是鼓勵(lì)消費(fèi)信貸行業(yè)總結(jié)行業(yè)內(nèi)的良好實(shí)踐經(jīng)驗(yàn)、制定關(guān)于算法信用評(píng)分領(lǐng)域消費(fèi)者隱私和自主權(quán)保護(hù)的行業(yè)指導(dǎo)方針，并納入消費(fèi)信貸行業(yè)自律機(jī)制。

（2）要求消費(fèi)信貸機(jī)構(gòu)和信用評(píng)級(jí)機(jī)構(gòu)履行消費(fèi)者隱私和自主權(quán)保護(hù)義務(wù)。一是要求對(duì)算法信用評(píng)分進(jìn)行嚴(yán)格的、持續(xù)的模型驗(yàn)證和數(shù)據(jù)質(zhì)量驗(yàn)證，以證明將消費(fèi)者數(shù)據(jù)用于算法信用評(píng)分的合理性（即對(duì)信用評(píng)分的準(zhǔn)確性可產(chǎn)生顯著正向作用）。二是硬性限制用于算法信用評(píng)分的消費(fèi)者數(shù)據(jù)的類型和粒度，如禁止使用具有私密性質(zhì)、功能豐富的社交媒體數(shù)據(jù)，強(qiáng)制要求對(duì)消費(fèi)者數(shù)據(jù)使用去標(biāo)識(shí)化技術(shù)。三是要求采取必要的技術(shù)和管理措施，如使用各種隱私技術(shù)將消費(fèi)者數(shù)據(jù)匿名化、限制保留消費(fèi)者數(shù)據(jù)資料的時(shí)限、以分散式體系結(jié)構(gòu)來處理消費(fèi)者數(shù)據(jù)。

（3）對(duì)消費(fèi)者數(shù)據(jù)處理周期實(shí)行早期介入和監(jiān)管。僅要求消費(fèi)信貸機(jī)構(gòu)和信用評(píng)級(jí)機(jī)構(gòu)在進(jìn)行信用評(píng)分時(shí)才履行合理性、充分性、相稱性的消費(fèi)者隱私和自主權(quán)保護(hù)義務(wù)是遠(yuǎn)遠(yuǎn)不夠的，在消費(fèi)者數(shù)據(jù)處理周期的早期階段（即收集、整理環(huán)節(jié)）就可能發(fā)生對(duì)消費(fèi)者隱私和自主權(quán)的損害。相比之下，英國的數(shù)據(jù)保護(hù)影響評(píng)估規(guī)定要求在數(shù)據(jù)處理周期的早期階段就要考慮是否對(duì)消費(fèi)者權(quán)利構(gòu)成高風(fēng)險(xiǎn)、必要時(shí)按設(shè)計(jì)或默認(rèn)規(guī)則實(shí)施數(shù)據(jù)保護(hù)，這種早期介入和監(jiān)管的方式明顯更有利于保護(hù)消費(fèi)者。因此，監(jiān)管機(jī)構(gòu)應(yīng)對(duì)消費(fèi)者數(shù)據(jù)處理周期實(shí)行早期介入和監(jiān)管，著重明確消費(fèi)者數(shù)據(jù)處理者和控制者必須在早期階段就履行數(shù)據(jù)保護(hù)影響評(píng)估、必要時(shí)按設(shè)計(jì)或默認(rèn)規(guī)則實(shí)施數(shù)據(jù)保護(hù)的義務(wù)。

（4）面向消費(fèi)者加強(qiáng)數(shù)據(jù)保護(hù)知識(shí)宣傳教育。網(wǎng)絡(luò)插件（如廣告和Cookie阻止程序）、保護(hù)隱私的瀏覽器、網(wǎng)頁瀏覽設(shè)置等隱私增強(qiáng)技術(shù)（PETs）可降低消費(fèi)者隱私和自主權(quán)被損害的風(fēng)險(xiǎn)。消費(fèi)者通過使用這些技術(shù)手段對(duì)隱私進(jìn)行自我管理，有助于保護(hù)自身權(quán)利。上述技術(shù)手段的有效性取決于消費(fèi)者是否采用并適當(dāng)使用，而金融知識(shí)或科技知識(shí)水平較低的消費(fèi)者難以充分認(rèn)識(shí)到隱私增強(qiáng)技術(shù)對(duì)自身的價(jià)值。因此，加強(qiáng)數(shù)據(jù)保護(hù)知識(shí)方面的公眾宣傳教育也是數(shù)字化形勢(shì)下保護(hù)消費(fèi)者權(quán)利的必要手段。

參考文獻(xiàn)

R.ODwyer：Are You Creditworthy？The Algorithm Will Decide[EB/OL].https：//undark.org/2018/05/07/algorithmic-credit-scoring-machine-learning/.

J.Jagtiani and C.Lemieux：The roles of alternative data and machine learning in fintech lending：Evidence from the LendingClub consumer platform[EB/OL].https：//doi.org/10.1111/fima.12295.

王懷勇.金融科技的算法風(fēng)險(xiǎn)及其法律規(guī)制[J].政法論叢，2021（1）：105-116.

周毓萍，陳官羽.基于機(jī)器學(xué)習(xí)方法的個(gè)人信用評(píng)價(jià)研究[J].金融理論與實(shí)踐，2019（12）：1-8.

李自華，張偉，路娟，等.大型科技公司涉足金融領(lǐng)域的機(jī)遇與風(fēng)險(xiǎn)[J].金融會(huì)計(jì)，2020（11）：58-66.

吉克克主.大數(shù)據(jù)背景下金融隱私權(quán)保護(hù)的困境及出路[J].金融經(jīng)濟(jì)，2021（1）：38-47.

Research on Consumer Protection Issues of Algorithmic Credit Scoring in Consumer Credit Market

The People's Bank of China Xiangtan City Center Sub-branch

CHEN Xiaoli

Abstract： The rapid rise of algorithmic credit scoring in the consumer credit market has not only overturned traditional credit scoring methods， spawned new financial market bodies， and promoted the inclusiveness of consumer credit， but also posed challenges for consumer protection， especially privacy and autonomy protection. In order to strike a balance between encouraging innovation in the consumer credit market and consumer protection， the UK takes the protection of consumer privacy and autonomy as the guide， and implements consumer protection in the area of consumer credit market for algorithmic credit scoring through consumer credit and data protection regulations. By summarizing the experience of the United Kingdom， this article proposes to improve the structure of consumer protection in the field of algorithmic credit scoring， clarify high standards of consumer privacy and autonomy protection requirements， implement early intervention and supervision of consumer data processing cycles， and strengthen data protection based on the actual situation of China and provide recommendations for public awareness and education on the protection of knowledge.

Keywords： algorithm; machine learning; credit scoring; consumer protection