赋能监管科技 金融壹账通“蜂巢联邦智能平台”备受期待？

随着金融数字化进程的不断提升，合规与创新发展齐头并进，对金融服务机构及金融监管部门提出了双重挑战。在金融机构不断突破创新的同时，金融监督部门也应对市场变化，加强内部修理。在此背景下，产生了利用技术手段提高监督合规性和效果的监督技术。

监督技术最早于2013年提出，自2015年成为新兴研究分支，2017年监督技术开始出现在中国金融监督部门的正式对外表现中，为了提高跨行业、跨市场交叉金融风险的识别、防范和解决能力，明确提出了监督技术的创新和应用。迄今为止，金融科技公司在监督科技领域的研究已经取得了成果。

在这方面，作为中国平安联营公司的金融壹账通已经走在行业前列，不仅取得了研发成果，还实现了产品的有效落地应用。例如，2020年，金融壹账通为广东省地方金融监管局搭建的智慧监管服务平台全面上线，该平台依托非现场采集体系，有效落实对小贷公司的分级监管职能。未来，广东省地方金融监管局将会继续和金融壹账通携手合作，相继在其他6类地方监管的类金融机构中推行智能监管评级。

不仅如此，金融壹账通还与证监会科技监管局、中国保险资产管理业协会等达成合作，协助提升监管科技化与智能化水平。

近日，金融壹账通还透露，公司研发的蜂巢联邦智能平台实现了人工智能在监管科技领域的技术突破，为技术赋能监管科技创造更多可能。

据了解，金融业数据有着天然的隐私性和孤立性，由于严格的分业监管，虽拥有庞大的数据，却因无法打通数据库，不能在人工智能研发方面有效利用，转化为实际价值。因此，数据整合的难题以及大数据产出效用问题在行业会议上被多次提及，数据孤岛的挑战亦被认为是监管科技的难点之一，金融业的特殊属性，使其成为最需要技术手段解决数据孤岛问题的领域。

解决数据孤岛问题，最大限度地激活数据价值，是金融壹账通蜂窝联邦智能平台最核心的亮点。该平台可以保证参与者在不分享原始数据的基础上共同建模，从技术上打破数据孤岛，综合标签数据，丰富用户画像维度，从整体上提高模型效果，实现AI合作。

蜂窝平台开发完全基于金融业技术规范和行业标准，采用国密算法加密，应用联邦学习技术，保证参与者共同建模的合法合规性。联邦学习(Federated Learning)是当下人工智能技术的一个热门研究领域，它可以在严格遵从法规的前提下把数据聚合起来建模，既保护隐私，不把数据进行交换，又能发挥大数据价值。未来，该技术在金融、保险、投资、教育、医疗等领域有着广阔的发展空间。

目前，金融壹账通积极开展该技术监督科学技术落地，已与多个政府部门协商推进应用优艾设计网_电脑技术实践，以科学技术监督，提高金融监督效率，优化金融监督模式，帮助数字中国高质量发展。