羅 勇

利率市場(chǎng)化改革的深入和數(shù)字經(jīng)濟(jì)的發(fā)展，促使越來(lái)越多的服務(wù)向數(shù)字化、線上化遷移，突如其來(lái)的新冠肺炎疫情更是加速了這一趨勢(shì)，銀行開(kāi)始謀求業(yè)務(wù)的數(shù)字化轉(zhuǎn)型和突破。2021年《數(shù)據(jù)安全法》與《個(gè)人信息保護(hù)法》的出臺(tái)，與《網(wǎng)絡(luò)安全法》一同形成了數(shù)據(jù)合規(guī)領(lǐng)域的“三架馬車”，監(jiān)管政策強(qiáng)度日趨加大，銀行數(shù)字化轉(zhuǎn)型既要通過(guò)海量客戶行為數(shù)據(jù)準(zhǔn)確識(shí)別客戶、營(yíng)銷獲客、控制風(fēng)險(xiǎn)，又要確?？蛻粜畔踩蠑?shù)據(jù)使用的法律規(guī)定，數(shù)據(jù)的保護(hù)意識(shí)和對(duì)數(shù)據(jù)價(jià)值挖掘的需求之間的矛盾開(kāi)始日益凸顯。

在此背景下，隱私計(jì)算技術(shù)逐步受到關(guān)注，Gartner在2020年和2021年連續(xù)兩年將隱私增強(qiáng)計(jì)算列為最重要的戰(zhàn)略趨勢(shì)之一，并預(yù)測(cè)到2025年，60%的大型企業(yè)機(jī)構(gòu)將使用一種或多種隱私增強(qiáng)計(jì)算技術(shù)；2021年6月，麥肯錫在《Fintech2030：全球金融科技生態(tài)掃描》中認(rèn)為，自動(dòng)因子發(fā)現(xiàn)、知識(shí)圖譜和圖計(jì)算，以及基于隱私保護(hù)的增強(qiáng)分析將發(fā)揮更大的價(jià)值，并將其列為金融機(jī)構(gòu)應(yīng)關(guān)注的首要技術(shù)趨勢(shì)。通過(guò)多方安全計(jì)算、聯(lián)邦學(xué)習(xí)、可信執(zhí)行環(huán)境等相關(guān)技術(shù)將數(shù)據(jù)價(jià)值連通，推動(dòng)數(shù)據(jù)安全共享，在多方數(shù)據(jù)融合的基礎(chǔ)上充分發(fā)揮大數(shù)據(jù)所產(chǎn)生的價(jià)值，釋放數(shù)據(jù)紅利，正在成為各界實(shí)現(xiàn)數(shù)字化轉(zhuǎn)型、推動(dòng)數(shù)據(jù)要素化發(fā)展的創(chuàng)新解決方案。

金融行業(yè)風(fēng)控能力建設(shè)面臨數(shù)據(jù)難題

近年來(lái)，風(fēng)險(xiǎn)控制能力越來(lái)越成為金融行業(yè)的隱形門檻。信息不對(duì)稱，個(gè)人、企業(yè)用戶信用記錄缺失，人工核驗(yàn)成本高，逾期客戶的風(fēng)險(xiǎn)識(shí)別困難等，都對(duì)金融機(jī)構(gòu)管控風(fēng)險(xiǎn)帶來(lái)了很大挑戰(zhàn)。特別是近幾年金融業(yè)務(wù)快速發(fā)展，惡意欺詐、過(guò)度消費(fèi)、重復(fù)授信等亂象浮現(xiàn)，并且手段越來(lái)越專業(yè)化、產(chǎn)業(yè)化、隱蔽化和場(chǎng)景化。而傳統(tǒng)風(fēng)控手段因維度單一、效率低下、范圍受限等原因，越來(lái)越難以滿足復(fù)雜的場(chǎng)景應(yīng)用需求。金融行業(yè)需要各個(gè)行業(yè)維度的數(shù)據(jù)去覆蓋各類業(yè)務(wù)產(chǎn)品與風(fēng)控需求，從而能夠使業(yè)務(wù)人員及時(shí)準(zhǔn)確地洞察不同來(lái)源與業(yè)務(wù)場(chǎng)景的風(fēng)險(xiǎn)行為變化。而大數(shù)據(jù)分析的風(fēng)控手段又常常依賴于數(shù)據(jù)，但數(shù)據(jù)濫用又帶來(lái)了數(shù)據(jù)隱私安全問(wèn)題。同時(shí)，并不是有越多的數(shù)據(jù)補(bǔ)充就越能有效提升風(fēng)控能力。樣本缺失、數(shù)據(jù)質(zhì)量不高、有效數(shù)據(jù)維度欠缺等問(wèn)題，使得通過(guò)挖掘數(shù)據(jù)價(jià)值來(lái)提升風(fēng)控模型效果與保證風(fēng)控?cái)?shù)據(jù)的可用性在雙向平衡性中進(jìn)退維谷。

傳統(tǒng)的風(fēng)險(xiǎn)控制流程大致經(jīng)歷了兩個(gè)階段——傳統(tǒng)風(fēng)控和大數(shù)據(jù)風(fēng)控。傳統(tǒng)風(fēng)控偏向線下，包含人工審核環(huán)節(jié)，審核時(shí)間長(zhǎng)，用戶體驗(yàn)不太好；大數(shù)據(jù)風(fēng)控偏向線上，依賴海量的數(shù)據(jù)，人工和機(jī)器審核相結(jié)合，支持批量和實(shí)時(shí)處理，用戶體驗(yàn)較好。然而，隨著互聯(lián)網(wǎng)的高速發(fā)展，大數(shù)據(jù)風(fēng)控同樣面臨一系列挑戰(zhàn)。

總體而言，數(shù)據(jù)不足，分享不夠。數(shù)據(jù)是大數(shù)據(jù)風(fēng)控的血液。數(shù)據(jù)的可得性、全面性、準(zhǔn)確性決定了大數(shù)據(jù)風(fēng)控的生命力。金融機(jī)構(gòu)可以在大數(shù)據(jù)風(fēng)控的模型構(gòu)建方面發(fā)揮主動(dòng)性，也可以自己積累數(shù)據(jù)；同時(shí)，外部數(shù)據(jù)特別是互聯(lián)網(wǎng)、政務(wù)數(shù)據(jù)也不可或缺。但目前很多政務(wù)等外部數(shù)據(jù)保存在不同地方，聯(lián)通不夠，導(dǎo)致眾多的信息孤島。

數(shù)據(jù)保護(hù)意識(shí)和數(shù)據(jù)融合矛盾凸顯。隨著數(shù)據(jù)相關(guān)法規(guī)的陸續(xù)出臺(tái)，個(gè)人隱私保護(hù)意識(shí)逐步增強(qiáng)，對(duì)數(shù)據(jù)的獲取和融合難度也逐漸加大。

易受到隱蔽化、團(tuán)伙化的攻擊。大數(shù)據(jù)風(fēng)控的數(shù)據(jù)來(lái)源和運(yùn)營(yíng)過(guò)程都在線上。網(wǎng)絡(luò)攻擊可以在任何時(shí)候、任何地點(diǎn)發(fā)動(dòng)，難以預(yù)測(cè)，隱蔽性強(qiáng)。這就要求風(fēng)控策略加快迭代速度、縮短周期，同時(shí)還要保證不損失風(fēng)控精準(zhǔn)度。

聯(lián)邦學(xué)習(xí)技術(shù)正成為解決金融風(fēng)控問(wèn)題的關(guān)鍵

上述問(wèn)題是金融行業(yè)風(fēng)控領(lǐng)域的常見(jiàn)問(wèn)題，而隱私計(jì)算技術(shù)的應(yīng)用正在成為這些問(wèn)題的一個(gè)有效的技術(shù)解。隱私計(jì)算是面向隱私信息全生命周期保護(hù)的計(jì)算理論和方法，是隱私信息的所有權(quán)、管理權(quán)和使用權(quán)分離時(shí)隱私度量、隱私泄漏代價(jià)、隱私保護(hù)與隱私分析復(fù)雜性的可計(jì)算模型與公理化系統(tǒng)。它可以在保證數(shù)據(jù)提供方不泄露原始數(shù)據(jù)的前提下，對(duì)數(shù)據(jù)進(jìn)行分析計(jì)算，實(shí)現(xiàn)數(shù)據(jù)在流通與融合過(guò)程中的“可用不可見(jiàn)”。其中，聯(lián)邦學(xué)習(xí)（Federated Learning）是一種多個(gè)參與方在保證各自原始私有數(shù)據(jù)不出數(shù)據(jù)方定義的私有邊界的前提下，協(xié)作完成某項(xiàng)機(jī)器學(xué)習(xí)任務(wù)的機(jī)器學(xué)習(xí)模式，在金融領(lǐng)域更具可用性。

一方面，聯(lián)邦學(xué)習(xí)技術(shù)可以在保護(hù)用戶信息不泄露的前提下將多元、多維度的數(shù)據(jù)納入聯(lián)合風(fēng)控模型中，從而實(shí)現(xiàn)更精細(xì)的洞察，構(gòu)建更精準(zhǔn)的風(fēng)控模型。另一方面，金融機(jī)構(gòu)與外部機(jī)構(gòu)之間也可基于聯(lián)邦學(xué)習(xí)技術(shù)，利用多維度數(shù)據(jù)建立聯(lián)合金融風(fēng)險(xiǎn)模型、擇優(yōu)導(dǎo)流、共享黑名單等，在數(shù)據(jù)沒(méi)有離開(kāi)本地的情況下，擴(kuò)充多方特征或樣本，提高模型效果（見(jiàn)圖1）。

圖1 聯(lián)邦學(xué)習(xí)示意圖

在金融風(fēng)控領(lǐng)域，聯(lián)邦學(xué)習(xí)技術(shù)主要有如下應(yīng)用場(chǎng)景：一是擇優(yōu)導(dǎo)流?？苫阢y行風(fēng)險(xiǎn)標(biāo)簽，和合作機(jī)構(gòu)的客戶交易、瀏覽等行為數(shù)據(jù)構(gòu)建聯(lián)合風(fēng)控模型，提高消費(fèi)貸、小微貸等信貸產(chǎn)品引流的客群質(zhì)量，提升信貸審批通過(guò)率，把控貸款風(fēng)險(xiǎn)。二是貸前準(zhǔn)入?？苫谕獠繑?shù)據(jù)構(gòu)建風(fēng)控模型及風(fēng)控規(guī)則作為信貸決策流的補(bǔ)充，提高貸前風(fēng)控能力。例如，通過(guò)稅務(wù)、用電、發(fā)票等數(shù)據(jù)衡量小微企業(yè)的經(jīng)營(yíng)狀況及風(fēng)險(xiǎn)水平，促進(jìn)普惠金融。三是貸中預(yù)警?？舍槍?duì)銀行貸款客戶，與外部機(jī)構(gòu)共同構(gòu)建貸中預(yù)警模型，量化違約概率，聯(lián)合監(jiān)控貸中違約風(fēng)險(xiǎn)。四是聯(lián)合反洗錢、聯(lián)合反詐。即可與多金融機(jī)構(gòu)共建反洗錢、反欺詐模型。五是黑名單共享。即可與多機(jī)構(gòu)共享黑名單，而不泄露查詢客戶。

聯(lián)邦學(xué)習(xí)等新技術(shù)在銀行業(yè)的應(yīng)用實(shí)踐

以某銀行的數(shù)據(jù)貸款產(chǎn)品為例，旨在展示銀行無(wú)需大范圍改變風(fēng)險(xiǎn)控制流程，但在最小樣本的前提下，基于聯(lián)邦學(xué)習(xí)、回溯推演等新技術(shù)，通過(guò)持續(xù)迭代的閉環(huán)，實(shí)現(xiàn)銀行風(fēng)險(xiǎn)控制策略組合的最優(yōu)化，最大程度提升銀行的獲客精準(zhǔn)度和客戶質(zhì)量，有效降低銀行信貸產(chǎn)品的不良率和獲客成本。

聯(lián)邦學(xué)習(xí)技術(shù)的應(yīng)用，實(shí)質(zhì)上跨越了傳統(tǒng)多方信貸業(yè)務(wù)的數(shù)據(jù)壁壘，為風(fēng)險(xiǎn)策略優(yōu)化提供了可靠的外部數(shù)據(jù)支撐。因此，結(jié)合聯(lián)邦學(xué)習(xí)的應(yīng)用特點(diǎn)，風(fēng)險(xiǎn)策略優(yōu)化應(yīng)采用新的迭代路徑，以期充分利用外部數(shù)據(jù)價(jià)值。

新技術(shù)應(yīng)用的價(jià)值體現(xiàn)，主要體現(xiàn)在以下幾個(gè)方面（見(jiàn)圖2）。

圖2 基于聯(lián)邦學(xué)習(xí)技術(shù)的風(fēng)險(xiǎn)控制策略組合優(yōu)化

聯(lián)邦學(xué)習(xí)的技術(shù)價(jià)值：客戶KYC、精準(zhǔn)畫(huà)像與智能導(dǎo)流。聯(lián)邦學(xué)習(xí)平臺(tái)打通了行內(nèi)與行外數(shù)據(jù)可信交換的安全通道，構(gòu)建了銀行通用的數(shù)據(jù)產(chǎn)品庫(kù)，助力了銀行數(shù)字化金融轉(zhuǎn)型。基于此平臺(tái)，可在銀行與政務(wù)企業(yè)、互聯(lián)網(wǎng)企業(yè)、其他機(jī)構(gòu)之間架設(shè)安全的數(shù)據(jù)橋梁，提升數(shù)據(jù)安全及隱私保護(hù)水平；降低金融信息壁壘，激發(fā)業(yè)務(wù)創(chuàng)新；提升金融風(fēng)險(xiǎn)防范能力，促進(jìn)行業(yè)健康發(fā)展。在聯(lián)合風(fēng)控方面，可實(shí)現(xiàn)擇優(yōu)導(dǎo)流、貸前準(zhǔn)入、貸中預(yù)警、聯(lián)合反欺詐、黑名單共享等場(chǎng)景應(yīng)用；在精準(zhǔn)營(yíng)銷方面，可實(shí)現(xiàn)獲新、高潛客戶挖掘、交叉營(yíng)銷等場(chǎng)景應(yīng)用。

大數(shù)據(jù)風(fēng)險(xiǎn)控制技術(shù)價(jià)值：風(fēng)控策略可視化、可定制及可監(jiān)測(cè)。銀行風(fēng)控系統(tǒng)提供信貸業(yè)務(wù)貸前、貸中、貸后全生命周期的風(fēng)控業(yè)務(wù)決策結(jié)果輸出，能準(zhǔn)確識(shí)別客戶和風(fēng)險(xiǎn)，貫穿信貸業(yè)務(wù)全流程，提供一站式解決方案。一是實(shí)現(xiàn)風(fēng)控?cái)?shù)據(jù)特征管理，包括風(fēng)控策略配置、模型管理以及發(fā)布和測(cè)試管理等，同時(shí)可實(shí)現(xiàn)反欺詐策略、數(shù)據(jù)采集和管理，以及對(duì)風(fēng)控中各類名單的管理；二是實(shí)現(xiàn)風(fēng)控策略的實(shí)時(shí)調(diào)用和決策，以及支持全自動(dòng)、半自動(dòng)、人工審核方式；三是實(shí)現(xiàn)風(fēng)控預(yù)警規(guī)則管理和預(yù)警處置；四是實(shí)現(xiàn)風(fēng)控運(yùn)營(yíng)分析，滿足風(fēng)控運(yùn)營(yíng)管理需求。在數(shù)據(jù)運(yùn)營(yíng)方面，聯(lián)邦學(xué)習(xí)技術(shù)具備完備的數(shù)據(jù)結(jié)構(gòu)體系和完善的運(yùn)營(yíng)支撐能力，通過(guò)對(duì)資產(chǎn)、產(chǎn)品、渠道、營(yíng)銷、風(fēng)控等全方位的監(jiān)控和預(yù)警，全流程監(jiān)控報(bào)表，可視化前端展示，可實(shí)現(xiàn)風(fēng)險(xiǎn)及時(shí)預(yù)警、前瞻性預(yù)測(cè)，驅(qū)動(dòng)業(yè)務(wù)和風(fēng)控的優(yōu)化和提升，滿足互聯(lián)網(wǎng)業(yè)務(wù)的高頻迭代需求。

交易日志回溯技術(shù)價(jià)值：策略可回溯，決策有依據(jù)，效果可預(yù)估。傳統(tǒng)的風(fēng)控流程往往以串行為主，導(dǎo)致流程節(jié)點(diǎn)靠后的規(guī)則缺乏充分的進(jìn)件樣本進(jìn)行分析驗(yàn)證，策略的調(diào)整甚至下架主要依賴專家經(jīng)驗(yàn)。銀行風(fēng)控系統(tǒng)創(chuàng)新性引入了并行化的風(fēng)控規(guī)則設(shè)計(jì)，產(chǎn)品上線以來(lái)積累了大量數(shù)據(jù)樣本?；诨厮萃蒲萜脚_(tái)，可實(shí)現(xiàn)針對(duì)歷史生產(chǎn)數(shù)據(jù)的策略回溯功能，根據(jù)歷史積累的樣本和所有規(guī)則集的結(jié)果，推演不同渠道、不同客群、不同策略閾值的通過(guò)率、逾期率等業(yè)務(wù)指標(biāo)的預(yù)期表現(xiàn)，實(shí)現(xiàn)效果可預(yù)估、調(diào)整有依據(jù)?？梢暬那芭_(tái)展示為風(fēng)險(xiǎn)人員提供了包括預(yù)期通過(guò)率、拒絕原因、逾期率表現(xiàn)等在內(nèi)的風(fēng)險(xiǎn)表現(xiàn)分析和相關(guān)報(bào)表展現(xiàn)，為風(fēng)險(xiǎn)人員的風(fēng)險(xiǎn)決策提供了便利。借助于大數(shù)據(jù)的算力可實(shí)現(xiàn)決策流程中決策節(jié)點(diǎn)之間針對(duì)大量風(fēng)險(xiǎn)規(guī)則的自動(dòng)尋優(yōu)，尋找階段性最優(yōu)解，并由風(fēng)險(xiǎn)策略人員通過(guò)回溯平臺(tái)進(jìn)行策略變更前后的全流程驗(yàn)證，為智能化風(fēng)險(xiǎn)決策提供依據(jù)。通過(guò)此平臺(tái)，可改變?cè)袃H通過(guò)專家經(jīng)驗(yàn)進(jìn)行風(fēng)險(xiǎn)策略迭代的現(xiàn)狀，實(shí)現(xiàn)風(fēng)險(xiǎn)策略的快速、智能化迭代，快速提高產(chǎn)品的通過(guò)率，提升導(dǎo)流客戶的使用率，從而加大合作機(jī)構(gòu)的流量投放，提升機(jī)構(gòu)合作意愿，實(shí)現(xiàn)雙贏。

在保障數(shù)據(jù)可用不可見(jiàn)的前提下，聯(lián)邦學(xué)習(xí)技術(shù)的應(yīng)用作為基礎(chǔ)能力，可以服務(wù)于銀行業(yè)務(wù)部門開(kāi)展數(shù)字化產(chǎn)品創(chuàng)新，如與客戶開(kāi)展銀企、銀政等數(shù)據(jù)智能決策方面的合作，核心企業(yè)集團(tuán)總部與附屬機(jī)構(gòu)、上下游企業(yè)開(kāi)展數(shù)據(jù)共享等場(chǎng)景。在銀行數(shù)字化產(chǎn)品創(chuàng)新方面，基于閉環(huán)的風(fēng)控能力，可以幫助銀行開(kāi)展數(shù)字化信貸產(chǎn)品創(chuàng)新，提供數(shù)據(jù)交互、風(fēng)險(xiǎn)決策、貸后監(jiān)控等底層技術(shù)能力；在與客戶開(kāi)展數(shù)據(jù)智能決策合作方面，面向大流量平臺(tái)、政府機(jī)構(gòu)等，可以通過(guò)聯(lián)合建模的方式提供場(chǎng)景金融服務(wù)，有效利用場(chǎng)景數(shù)據(jù)拓寬獲客渠道和收入來(lái)源；在服務(wù)數(shù)字化轉(zhuǎn)型方面，可以為一些有數(shù)字化基礎(chǔ)的核心企業(yè)總部，提供金融科技賦能，輔助其整合集團(tuán)與附屬機(jī)構(gòu)、上下游企業(yè)的各類數(shù)據(jù)，實(shí)現(xiàn)企業(yè)集團(tuán)內(nèi)部的數(shù)據(jù)共享，提高內(nèi)部管理效率，進(jìn)而實(shí)現(xiàn)數(shù)據(jù)變現(xiàn)。

基于聯(lián)邦學(xué)習(xí)、回溯推演等新技術(shù)，通過(guò)持續(xù)迭代，風(fēng)控策略組合不斷優(yōu)化。經(jīng)過(guò)ABTest生產(chǎn)驗(yàn)證和投產(chǎn)部署，在風(fēng)險(xiǎn)管控上表現(xiàn)亮眼、成績(jī)突出。通過(guò)分析組合風(fēng)控策略執(zhí)行前后的有效數(shù)據(jù)樣本，比對(duì)前后不同風(fēng)險(xiǎn)維度數(shù)據(jù)，風(fēng)險(xiǎn)管控成效重點(diǎn)表現(xiàn)在以下三個(gè)方面。

資產(chǎn)規(guī)?？焖偬嵘Ｔ谡w流量不變的情況下，依托授信通過(guò)率大幅提升420%、件均授信增加10%、資產(chǎn)規(guī)模呈倍數(shù)增長(zhǎng)。這在當(dāng)下數(shù)據(jù)合規(guī)趨嚴(yán)的大背景下，降低了有效準(zhǔn)入人均數(shù)據(jù)成本，在資產(chǎn)規(guī)模提升的同時(shí)，進(jìn)一步壓降了無(wú)效成本的支出。

客群質(zhì)量顯著提升。產(chǎn)品在授信準(zhǔn)入時(shí)，除滿足風(fēng)險(xiǎn)規(guī)則外，也要滿足一些模型分?jǐn)?shù)。綜合客戶模型準(zhǔn)入率由17.17%提升到51.59%，傳統(tǒng)客戶模型準(zhǔn)入率由26.58%提升到59.51%。此外，新增準(zhǔn)入的客戶并非集中在通過(guò)線上的中低分段，而是在各高分段線性增加，表明客群質(zhì)量在組合風(fēng)控策略下有明顯提升。

較好捕捉風(fēng)控規(guī)則。渠道引流通過(guò)率低的原因很大程度上是渠道方不知道銀行的準(zhǔn)入規(guī)則，但在銀行準(zhǔn)入規(guī)則不能泄露的情況下，前篩模型篩選后的客戶能否降低命中規(guī)則成為評(píng)判前篩模型的重要標(biāo)準(zhǔn)。目前前篩規(guī)則能夠較好捕捉客戶多頭申請(qǐng)和共債、收入過(guò)低、非銀機(jī)構(gòu)借貸等維度的規(guī)則，這些維度規(guī)則的命中率平均下降20%。前篩規(guī)則實(shí)現(xiàn)了客戶精準(zhǔn)畫(huà)像，增大了符合銀行準(zhǔn)入客戶流量。

綜上，在新技術(shù)下，風(fēng)險(xiǎn)控制策略組合持續(xù)迭代優(yōu)化，實(shí)現(xiàn)了精準(zhǔn)捕捉客戶畫(huà)像、客群質(zhì)量顯著增加和資管成效全面提升。

結(jié)論和展望

聯(lián)邦學(xué)習(xí)技術(shù)是在保障數(shù)據(jù)安全的前提下實(shí)現(xiàn)數(shù)據(jù)價(jià)值流通的一種重要技術(shù)手段。技術(shù)價(jià)值的凸顯和政策環(huán)境的助力，使聯(lián)邦學(xué)習(xí)技術(shù)在數(shù)據(jù)相關(guān)產(chǎn)業(yè)悄然興起。在算法協(xié)議不斷優(yōu)化、硬件性能逐步增強(qiáng)之下，聯(lián)邦學(xué)習(xí)技術(shù)的可用性大大提升，越來(lái)越多的企業(yè)入局隱私計(jì)算的研發(fā)和產(chǎn)品化。金融機(jī)構(gòu)利用聯(lián)邦學(xué)習(xí)技術(shù)可對(duì)運(yùn)營(yíng)商、政務(wù)、征信等數(shù)據(jù)實(shí)現(xiàn)應(yīng)用場(chǎng)景所需的價(jià)值融合，從而為用戶提供安全可信任的聚合金融服務(wù)?；趦?nèi)外部數(shù)據(jù)合作，在聯(lián)合風(fēng)控方面，可實(shí)現(xiàn)擇優(yōu)導(dǎo)流、貸前準(zhǔn)入、聯(lián)合反欺詐、黑名單共享等場(chǎng)景應(yīng)用；在精準(zhǔn)營(yíng)銷方面，可實(shí)現(xiàn)獲新、高潛客戶挖掘、交叉營(yíng)銷等場(chǎng)景應(yīng)用。

在傳統(tǒng)的銀行風(fēng)險(xiǎn)控制流程基礎(chǔ)上，利用聯(lián)邦學(xué)習(xí)和回溯推演等新技術(shù)，通過(guò)持續(xù)迭代的閉環(huán)，實(shí)現(xiàn)在最小樣本的前提下風(fēng)險(xiǎn)控制策略組合的最優(yōu)化，具有較強(qiáng)的可行性和推廣性。