如何防范銀行數(shù)據(jù)泄露風險？業(yè)內(nèi)：通過加密技術(shù)等手段，可實現(xiàn)數(shù)據(jù)在DeepSeek的訓練中“可用不可見”

每經(jīng)記者 陳植    每經(jīng)編輯 馬子卿    

DeepSeek對銀行信貸等業(yè)務生態(tài)的變革日益顯現(xiàn)。

記者多方了解到，近日多家銀行在接入DeepSeek并完成本地化部署后，正在測試DeepSeek在銀行信貸業(yè)務場景的應用成效。

一位國內(nèi)金融科技平臺負責人向記者透露：“以往，對公業(yè)務客戶經(jīng)理只能在網(wǎng)站四處搜索獲取企業(yè)輿情信息，難免出現(xiàn)漏查狀況，貸款企業(yè)輿情風險分析準確度不高；在接入DeepSeek后，通過后者的強推理能力，其生成的企業(yè)盡職調(diào)查報告輿情風險分析準確度超過90%；此外，DeepSeek的強推理能力，可以讓企業(yè)某些信息自動準確地“匹配”企業(yè)風險報告相關(guān)內(nèi)容輸入要求，令報告自動填充率明顯提高。”

他直言：“目前，我們與多家合作銀行內(nèi)測均發(fā)現(xiàn)，DeepSeek在企業(yè)風險報告、盡職調(diào)查報告的自動填充率與輿情風險分析準確性等方面，均不亞于其他大模型。”

蘇商銀行高級研究員孫揚表示，蘇商銀行已應用DeepSeek VL2多模態(tài)模型處理非標材料，如表格、影像資料、文檔圖片等識別，將提升信貸材料綜合識別準確率至97%。此外，蘇商銀行將DeepSeek的蒸餾技術(shù)應用于信貸風控、反欺詐等20多個場景，使盡調(diào)報告生成效率提升40%，欺詐風險標簽準確率提升35%。

隨著DeepSeek在信貸場景的應用日益普及，互聯(lián)網(wǎng)助貸平臺也在積極接入DeepSeek提升普惠信貸智能化水準。

近日，數(shù)禾科技完成了DeepSeek-R1-32B與DeepSeek-R1-671B（滿血版）的本地化部署，進一步提升在線普惠信貸風控及服務的智能化水準。

數(shù)禾科技CTO章積偉向《每日經(jīng)濟新聞》記者透露：“在互聯(lián)網(wǎng)普惠信貸場景，金融機構(gòu)需綜合評估貸款人征信報告、職業(yè)、收入狀況、以往還款記錄等眾多數(shù)據(jù)信息，再做出相對科學的信貸決策。以往，對這些用戶數(shù)據(jù)信息的梳理評估，金融機構(gòu)主要依靠基于專家經(jīng)驗的AI風控引擎。在接入DeepSeek后，金融機構(gòu)可以借助DeepSeek強大推理能力所形成的信貸風控建議，成為金融機構(gòu)完善信貸風控體系的新輔助工具。”

此外，如何妥善解決DeepSeek所帶來的“幻覺”挑戰(zhàn)，仍是金融機構(gòu)在信貸場景用好DeepSeek的一大挑戰(zhàn)。上述金融科技平臺負責人告訴記者，在與銀行開展測試過程，他們偶爾會遇到DeepSeek強大推理能力所帶來的“反作用”。比如，DeepSeek偶然會“自說自話地”地虛構(gòu)企業(yè)某些業(yè)務狀況，影響銀行的信貸決策準確性。

值得注意的是，隨著DeepSeek在金融機構(gòu)信貸場景的應用日益廣泛，它是否會取代其他大模型，正成為業(yè)界關(guān)注熱點。章積偉告訴記者，DeepSeek系列大模型將與現(xiàn)有其他大模型形成多元互補格局，進一步提升數(shù)禾科技在智能信貸服務領(lǐng)域的質(zhì)效。

他表示，由于大模型性能不同，金融機構(gòu)要讓大模型在信貸場景充分發(fā)揮降本增效作用，就需要根據(jù)不同大模型性能與優(yōu)勢進行融合使用。目前，DeepSeek的一大特點，是助力企業(yè)在多種智能化場景復雜推理任務處理方面實現(xiàn)質(zhì)的提升。

DeepSeek的強推理能力，將提升信貸風險預警準確度

隨著大模型在金融場景的應用日益增多，越來越多銀行與助貸機構(gòu)都致力于通過大模型提升信貸業(yè)務智能化操作水準。

尤其在信貸業(yè)務風險管理方面，銀行希望大模型技術(shù)能帶來更精準的風險評估與風險預警能力。

以往，銀行在進行信貸審批時，如何綜合評估用戶的信用記錄、收入情況、負債水平等因素，從而更全面精準地研判違約風險，主要依賴基于專家經(jīng)驗的傳統(tǒng)風險評估模型，但這容易引起“人為誤判”。

在大模型技術(shù)在信貸場景得到應用后，銀行通過大模型技術(shù)，對海量用戶數(shù)據(jù)信息和非結(jié)構(gòu)化數(shù)據(jù)（比如用戶部分金融行為等）進行分析，挖掘傳統(tǒng)風險評估模型難以發(fā)現(xiàn)的風險因素與潛在風險信號。

前述金融科技平臺負責人告訴記者：“通過對用戶社交媒體數(shù)據(jù)、新聞報道等非結(jié)構(gòu)化數(shù)據(jù)的全面分析，DeepSeek能捕捉到企業(yè)、個人的負面輿情信息，包括企業(yè)經(jīng)營糾紛、個人不良信用傳聞等，并將這些信息納入銀行的信貸風險評估體系，令信貸風險評估更全面準確。”

在信貸風險預警方面，DeepSeek正發(fā)揮新的作用，比如它能實時監(jiān)測市場動態(tài)與客戶行為變化，及時發(fā)現(xiàn)潛在的信貸風險事件。尤其是當利率波動、行業(yè)狀況出現(xiàn)異動、客戶金融交易行為出現(xiàn)異常時，DeepSeek能根據(jù)預設(shè)的風險模型與閾值，快速向銀行發(fā)出預警信號，銀行能夠提前采取相應的風險應對措施。

“DeepSeek的強推理能力，結(jié)合相應的數(shù)據(jù)訓練，能幫助銀行捕捉到企業(yè)個人某些異常行為所帶來的潛在信貸風險隱患，有效降低潛在的不良率。”這位金融科技平臺負責人向記者指出。據(jù)評估，基于DeepSeek的信貸風險管理系統(tǒng)幫助銀行對潛在風險事件的預警準確率提升約20%，這也是當前DeepSeek相比其他大模型，在信貸場景應用領(lǐng)域所呈現(xiàn)的獨特價值。

章積偉向記者透露，在接入DeepSeek后，普惠信貸業(yè)務智能化水準提升還體現(xiàn)在三大方面。一是智能決策中樞得到強化，因為DeepSeek有效提升數(shù)據(jù)處理速度與準確性，對信貸逾期率、不良率等指標的趨勢預測提供更科學的分析支持；二是風險管理系統(tǒng)開發(fā)效能得到提速增效，因為DeepSeek提供更精準的代碼補全和錯誤監(jiān)測，風險管理系統(tǒng)開發(fā)效率提升的同時，開發(fā)成本也相應降低；三是DeepSeek本地化部署后，可以覆蓋文檔處理、跨團隊協(xié)作的全棧式AI解決方案，令企業(yè)能更快響應用戶在信貸申請等環(huán)節(jié)所提出的各種疑惑，有效提升用戶信貸體驗。

此外，他強調(diào)說：“面對AI換臉、AI擬聲等深度合成技術(shù)被濫用所出現(xiàn)的新型欺詐行為，DeepSeek的強推理能力與深度學習算法，再結(jié)合歷史數(shù)據(jù)的訓練，可以構(gòu)建更強的智能模型，進而更精準地識別上述新型欺詐行為，進一步減少金融機構(gòu)的業(yè)務損失。”

章積偉向記者表示，DeepSeek將推動數(shù)禾科技進一步構(gòu)筑企業(yè)級AI中臺，進而重構(gòu)信貸審批數(shù)字化鏈路，為普惠金融業(yè)務流程數(shù)智化轉(zhuǎn)型提供有力支撐。

通過加密技術(shù)等手段，可實現(xiàn)銀行數(shù)據(jù)在DeepSeek的訓練中“可用不可見”

上述金融科技平臺負責人向記者透露，盡管DeepSeek在信貸場景的應用成效相當不錯，但在實際操作環(huán)節(jié)，銀行仍需借助數(shù)據(jù)參數(shù)更大的大模型，先對用戶海量信息數(shù)據(jù)進行處理，再借助DeepSeek的強推理能力，令AI生成的企業(yè)信貸報告準確性與全面性進一步提升。

為了更好地發(fā)揮DeepSeek在信貸場景的應用成效，銀行正著手對數(shù)據(jù)處理與數(shù)據(jù)分析架構(gòu)進行升級。

這位金融科技平臺負責人告訴記者，以往銀行的數(shù)據(jù)處理架構(gòu)主要以關(guān)系型數(shù)據(jù)庫為主，側(cè)重針對結(jié)構(gòu)化數(shù)據(jù)的存儲處理，難以滿足DeepSeek對海量非結(jié)構(gòu)性數(shù)據(jù)的處理需求，如此DeepSeek的強推理能力的充分發(fā)揮，容易遭遇某種制約，而企業(yè)個人信貸報告的輿情事件風險分析準確度也難以得到進一步提升。

“我們正與合作銀行溝通，引入新的大數(shù)據(jù)平臺與分布式數(shù)據(jù)存儲技術(shù)，實現(xiàn)對用戶海量結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)與非結(jié)構(gòu)化數(shù)據(jù)的統(tǒng)一存儲管理。”他告訴記者。

此舉目前最大的挑戰(zhàn)，不在于分布式數(shù)據(jù)存儲技術(shù)的引入，而是銀行在存儲管理上述數(shù)據(jù)時，如何持續(xù)增強數(shù)據(jù)質(zhì)量管理——比如通過數(shù)據(jù)清洗、去重與標準化格式化操作，提升數(shù)據(jù)質(zhì)量與準確性，從而給DeepSeek在信貸場景發(fā)揮強推理能力提供更好的數(shù)據(jù)基礎(chǔ)。此外，當銀行使用DeepSeek處理涉足多個信貸系統(tǒng)的復雜業(yè)務場景時，如何保證數(shù)據(jù)的一致性與完整性，又是一大挑戰(zhàn)。

一位銀行對公業(yè)務部門人士向記者透露，當前他們在測試DeepSeek的信貸場景應用成效時，還發(fā)現(xiàn)如何讓DeepSeek與銀行現(xiàn)有數(shù)據(jù)安全技術(shù)適配，也是亟須解決的挑戰(zhàn)。

具體而言，銀行在使用DeepSeek時，基于對用戶數(shù)據(jù)隱私安全保護的要求，需采取加密技術(shù)、訪問控制技術(shù)和數(shù)據(jù)脫敏技術(shù)等措施，確保敏感數(shù)據(jù)在傳輸、處理過程的安全性，其中包括先對客戶身份證號碼、銀行卡號等敏感信息進行加密處理，在數(shù)據(jù)輸入DeepSeek前還得做好脫敏操作等。

但在實際操作過程，“投喂”給DeepSeek的數(shù)據(jù)來源相當廣泛。其中包括銀行內(nèi)部數(shù)據(jù)、外部合作伙伴與第三方數(shù)據(jù)，且數(shù)據(jù)質(zhì)量參差不齊，容易存在數(shù)據(jù)缺失、錯誤與重復等狀況，既影響DeepSeek模型的訓練效果與預測準確性，又容易不小心出現(xiàn)數(shù)據(jù)泄露風險。

“針對DeepSeek在信貸場景的數(shù)據(jù)訓練使用要求，我們一方面增強對數(shù)據(jù)清洗、驗證與修復，先確保訓練數(shù)據(jù)的準確性與完整度，另一方面也采取加密技術(shù)、聯(lián)邦學習等隱私計算技術(shù)，實現(xiàn)數(shù)據(jù)在DeepSeek等大模型訓練方面的‘可用不可見’。”他告訴記者。

在他看來，隨著大模型技術(shù)在信貸等場景的應用日益普及，金融場景的多個大模型并行應用時代已經(jīng)悄然來臨。

他告訴記者，通過初步測試，他們發(fā)現(xiàn)將DeepSeek與其他大模型并行使用，所生成的企業(yè)信貸報告與個人信貸風險評估報告更加精準。究其原因，是DeepSeek的強推理能力，提升了用戶輿情事件的風險分析準確度，而其他大模型對用戶海量結(jié)構(gòu)性數(shù)據(jù)與非結(jié)構(gòu)性數(shù)據(jù)的處理，令信貸報告的整體質(zhì)量較以往客戶經(jīng)理人工操作更好。

近日，騰訊理財通在接入DeepSeek-R1模型滿血版同時，繼續(xù)支持混元大模型應用。

記者獲悉，不同大模型在騰訊理財通的金融場景應用側(cè)重有所不同，比如依托混元大模型的龐大金融數(shù)據(jù)參數(shù)，騰訊理財通可以結(jié)合全市場基金及股票實時行情，以及A股、港股、美股深度研報及財報，為用戶提供準確、實時大盤分析與市場走勢解讀；借助DeepSeek深度分析推理能力與騰訊理財通專業(yè)投研分析，用戶可以獲得熱門投資行業(yè)分析、基金篩選、基金診斷、資產(chǎn)配置分析、智能客服等個性化投資理財與陪伴服務。此外，在接入DeepSeek后，騰訊理財通還將進一步整合專業(yè)金融信息數(shù)據(jù)、微信公眾號文章等資源，提供專業(yè)性更強、時效性更高的金融服務。

前述金融科技平臺負責人向記者指出，隨著財富管理、信貸等金融場景的多個大模型并行時代來臨，銀行等金融機構(gòu)正根據(jù)大模型性能特點進行“分工”，令他們“各司其職”。其中一個比較明顯的趨勢是，部分銀行將自研的金融大模型用于數(shù)據(jù)清洗去重與標準化處理，將DeepSeek用于數(shù)據(jù)分析推理。甚至還有銀行正嘗試將DeepSeek開源大模型融入自研的金融大模型，一站式地提升信貸風控精準性與財富管理服務智能化水準。

記者注意到，銀行在多個大模型并行應用的布局進展相當迅速。

近日，中原銀行采用本地化方式，部署DeepSeek R1滿血模型、R1蒸餾模型與JanusPro多模態(tài)模型，支持與銀行內(nèi)部應用高效集成對接，根據(jù)實際應用進行持續(xù)調(diào)優(yōu)，滿足各類金融場景應用需求。未來，中原銀行計劃充分發(fā)揮DeepSeek大模型在深度思考推理等方面的特點，在智能信貸、知識問答、產(chǎn)業(yè)圖譜、智能客服、智能研發(fā)等場景探索創(chuàng)新應用，全面提升金融服務質(zhì)效。

封面圖片來源：視覺中國-VCG41N1354372881