阻止电信诈骗，隐私计算会是一剂良方吗？|数据

“当一个人在信息泄露后面临电信诈骗的风险，那么可以积极采取‘断卡’行动，阻止电信诈骗的发生，但现在的一个困难是，信息泄露后，银行和运营商并不掌握相关情况，它们并不知道哪些用户可能会被诈骗。”

富数科技副总裁、安全计算首席专家卞阳近日在接受南方日报、南方+记者专访时表示，运用隐私计算等技术构建电信网络诈骗风险预警模型，可以对客户交易行为实时风险监测分析，及时识别、预警和拦截电信网络欺诈行为，提升银行风控水平。

当前，电信网络诈骗犯罪持续上升的势头得到有效遏制。9月27日，公安部召开新闻发布会并通报称，夏季治安打击整治“百日行动”开展以来，会同有关部门拦截诈骗电话2.8亿次、短信4亿条，封堵涉诈域名网址81.9万个，实现立案数连续15个月同比下降。

反诈需平台间互联互通

卞阳介绍，在此之前，一些平台机构虽拥有大量数据，却无法能完全保障个人信息的百分百安全，与此同时，合规机构却拿不到更多有效数据来阻止电信诈骗的发生。

比如说，银行卡一般都会绑定手机号，一个诈骗电话从海外打进行，对个人来说很难判断真伪，对银行来说，转账是否存在欺诈行为，也会因掌握的信息不全而难下判断。

一些“蛛丝马迹”则为电信诈骗提供线索，比如转账对象是常用联系人，还是在很短时间建立起的联系，这些信息非常关键。

但基于信息安全的要求，各主体之间信息独立，难以形成闭环管理。而这个特征，往往会被犯罪集团利用，防不胜防。传统的反诈手段依赖于明文传输、数据汇聚等模式实现数据共享，但该模式维度单一、效率低下、范围受限，并且伴随着数据暴露的风险。

数据可用不可见

在富数科技看来，目前中国最大的数据库其实是运营商数据，公众所有的网络行为都在上面，运营商也会严格按照法律法规的要求保证隐私数据安全。但当有了隐私计算，数据可以在不出库的情况下为其它场景赋能。

银行和银行之间进行横向联邦，补充各方在欺诈类数据上数据量不足的劣势；其后在运营商等数据上完成纵向联邦，利用外部特征识别电诈客群。通过隐私计算进行异构数据联合建模，从本质上保护了数据安全，灵活便捷解决了多方数据联合建模的痛点。

“比如一个新开户的号码，马上就在频繁对方联系并接受转账；再比如，通话的位置信息显示，该地区是诈骗案聚集地，存在较大的风险，等等。”卞阳说，通过联合建模，可以找出一些对应关系，但又不至于泄露信息。

在最终效果上，通过大数据，可以直观了解当地的诈骗风险和命中效率；短信预警模板，实时向疑似受骗用户群体进行精准短信通知；标记恶意账户，通过运营商号码拦截接口对疑似受骗用户进行紧急封停；黑白名单管理，有效地避免欺诈重复发生。

反诈成隐私计算刚需？

2020年被称之为“隐私计算元年”，但隐私计算仅仅在医疗、金融等领域小范围落地，如何找到最迫切的应用场景，推动大规模落地？

“电信反诈是一个痛点，通过它可大力推动隐私计算快速落地。”卞阳说，如果隐私计算把金融、运营商等各个业务之间连接起来，就拥有一个数十万的庞大应用场景，隐私计算也会成为普遍采用的方式。

他认为，随着数字化越来越深入，隐私计算在金融领域率先落地并形成示范后，诸如车联网、社会治理、智慧城市等场景，也都需要多种类型的数据服务综合起来，最终形成隐私计算应用的网络效应。

卞阳也表示，在这个过程中，还需要各层加强对数据的监控稽核，提升数据质量；加大对高价值萃取后模型的依法合规开放共享，提升数据复用度，助力数据资产价值转化。

【记者】郜小平

【出品】南方产业智库

【作者】 郜小平

南方产业智库