在大數據時代，很多機構在服務客戶的過程中積累了海量有價值的數據，這些數據對客戶的某個或者某幾個方面的生產生活有著細致的描述。但是我們如果想要更全面地刻畫客戶特征、更深入地挖掘客戶需求，僅僅憑借自有的數據是遠遠不夠的，如果能將大家的數據結合起來，將能夠最大化的發揮數據價值。央行在去年的《金融科技發展規劃》里也提到，要"打通金融業數據融合應用通道，破除不同金融業態的數據壁壘，化解信息孤島"，在這樣的背景下，如何在保證數據安全隱私的基礎上,通過數據融合創造價值,實現持續性的交易達成，就成為了一個非常有意義、有價值的課題。
作為一家科技創新型企業，螞蟻金服長期致力于推動自主研發的創新技術應用于金融行業，幫助金融機構更好地為用戶提供金融服務。此前，螞蟻金服聯合江蘇銀行共同打造全新的聯合風控機制，兼顧人工智能應用與用戶隱私保障優點，成功實現金融服務效率和資產質量雙向提升，開創了銀行業智能化的新樣板。
作為全球百強銀行，江蘇銀行保持著靈活高效優勢的銀行戰略定位，堅持打造"最具互聯網大數據基因的銀行"，長期支持區域內實體經濟發展。瞄準金融業智慧化變革，江蘇銀行率先聯合螞蟻金服加速金融與前沿技術的深度融合，利用金融科技賦能業務發展，實現質量效益規模穩步提升。其中在風控領域，江蘇銀行與螞蟻金服共同探索共享智能技術，強化風控機制，深挖數據的價值。
根據銀行的運營流程，用戶要申請貸款時，銀行首先要進行貸款風控。例如，當某個用戶想要買房去銀行貸款，由于用戶數據沒有相通，在銀行A可能被判定為審批拒絕，無法辦理貸款，在機構B卻可能被判定為審批通過，獲得貸款。出現這種決策矛盾，主要由于銀行獲取的用戶數據不夠全面，導致風控決策結果不同。風控決策失當還可能帶來流失優質客戶、增加貸款不良率等后續問題，造成銀行盈利能力下降。
基于這一行業痛點，江蘇銀行與螞蟻金服率先建立起信貸聯合風控機制，通過共享學習技術，構建共同的模型強化風控管理，讓信貸防控的效果進一步提升。基于聯合風控機制，江蘇銀行能夠在獲得貸款申請后，通過數據交互，依據多方數據進行更科學的信貸決策，在這個過程中，用戶的數據和隱私也得到了有效的保護。在螞蟻共享智能等前沿技術加持下，江蘇銀行通過聯合風控系統，提升綜合服務、智慧風控能力，破解信貸難題，在實現風險抵御能力增強的同時，推動業務穩步增長，資產質量持續改善。
能夠實現這一成果，離不開螞蟻金服在共享智能領域的長期耕耘。據了解，螞蟻金服提出的共享智能（又稱：共享機器學習）是為解決數據共享需求與隱私泄露和數據濫用之間矛盾的技術解決方案，結合TEE與MPC兩條路線的同時，也根植螞蟻的自身業務場景特性，聚焦于金融行業的應用。
作為一套完整的共享智能架構，螞蟻金服推出的共享智能通過采用安全多方計算、可信執行環境等技術,在多方參與且各數據提供方與平臺方互不信任的場景下，聚合多方信息并保護參與方數據隱私的學習，并確保各參與方的隱私不被泄漏，信息不被濫用，為銀行業進行數據共享、運營創造條件。
具體而言，共享智能擁有以下特點：
· 多種安全計算引擎整合，可基于不同業務場景來選擇合適的安全技術。既有基于TEE的集中式解決方案，也有基于MPC的分布式解決方案；既可滿足數據水平切分的場景，也能解決數據垂直切分的訴求；既可以做模型訓練，也可以做模型預測。
· 支持多種機器學習算法以及各種數據預處理算子。支持的算法包括但不限于LR，GBDT，Xgboost，DNN，CNN，RNN，GNN等。
· 大規模集群化。支持大規模集群化，提供金融級的高效、穩定、系統化的支撐。
經過實戰檢驗，螞蟻金服自主研發的共享學習平臺展現出安全可靠性、高可擴展性、完備性以及易用性等特點，具有覆蓋場景面廣，支持算法豐富，支持工業化、規模化發展等優勢，得到江蘇銀行等合作伙伴方在智能信貸、智能風控等業務領域的廣泛應用，成為業界推動"隱私+AI"結合的新路徑。
透過對人工智能、區塊鏈等技術投入，螞蟻金服正推動銀行機構順應數字化、場景化發展趨勢，真正將金融科技滲透到風險管控、流程優化等經營管理中，讓基于共享智能的數字金融加速成長。
