在大数据时代，很多机构在服务客户的过程中积累了海量有价值的数据，这些数据对客户的某个或者某几个方面的生产生活有着细致的描述。但是我们如果想要更全面地刻画客户特征、更深入地挖掘客户需求，仅仅凭借自有的数据是远远不够的，如果能将大家的数据结合起来，将能够最大化的发挥数据价值。央行在去年的《金融科技发展规划》里也提到，要"打通金融业数据融合应用通道，破除不同金融业态的数据壁垒，化解信息孤岛"，在这样的背景下，如何在保证数据安全隐私的基础上,通过数据融合创造价值,实现持续性的交易达成，就成为了一个非常有意义、有价值的课题。
作为一家科技创新型企业，蚂蚁金服长期致力于推动自主研发的创新技术应用于金融行业，帮助金融机构更好地为用户提供金融服务。此前，蚂蚁金服联合江苏银行共同打造全新的联合风控机制，兼顾人工智能应用与用户隐私保障优点，成功实现金融服务效率和资产质量双向提升，开创了银行业智能化的新样板。
作为全球百强银行，江苏银行保持着灵活高效优势的银行战略定位，坚持打造"最具互联网大数据基因的银行"，长期支持区域内实体经济发展。瞄准金融业智慧化变革，江苏银行率先联合蚂蚁金服加速金融与前沿技术的深度融合，利用金融科技赋能业务发展，实现质量效益规模稳步提升。其中在风控领域，江苏银行与蚂蚁金服共同探索共享智能技术，强化风控机制，深挖数据的价值。
根据银行的运营流程，用户要申请贷款时，银行首先要进行贷款风控。例如，当某个用户想要买房去银行贷款，由于用户数据没有相通，在银行A可能被判定为审批拒绝，无法办理贷款，在机构B却可能被判定为审批通过，获得贷款。出现这种决策矛盾，主要由于银行获取的用户数据不够全面，导致风控决策结果不同。风控决策失当还可能带来流失优质客户、增加贷款不良率等后续问题，造成银行盈利能力下降。
基于这一行业痛点，江苏银行与蚂蚁金服率先建立起信贷联合风控机制，通过共享学习技术，构建共同的模型强化风控管理，让信贷防控的效果进一步提升。基于联合风控机制，江苏银行能够在获得贷款申请后，通过数据交互，依据多方数据进行更科学的信贷决策，在这个过程中，用户的数据和隐私也得到了有效的保护。在蚂蚁共享智能等前沿技术加持下，江苏银行通过联合风控系统，提升综合服务、智慧风控能力，破解信贷难题，在实现风险抵御能力增强的同时，推动业务稳步增长，资产质量持续改善。
能够实现这一成果，离不开蚂蚁金服在共享智能领域的长期耕耘。据了解，蚂蚁金服提出的共享智能（又称：共享机器学习）是为解决数据共享需求与隐私泄露和数据滥用之间矛盾的技术解决方案，结合TEE与MPC两条路线的同时，也根植蚂蚁的自身业务场景特性，聚焦于金融行业的应用。
作为一套完整的共享智能架构，蚂蚁金服推出的共享智能通过采用安全多方计算、可信执行环境等技术,在多方参与且各数据提供方与平台方互不信任的场景下，聚合多方信息并保护参与方数据隐私的学习，并确保各参与方的隐私不被泄漏，信息不被滥用，为银行业进行数据共享、运营创造条件。
具体而言，共享智能拥有以下特点：
· 多种安全计算引擎整合，可基于不同业务场景来选择合适的安全技术。既有基于TEE的集中式解决方案，也有基于MPC的分布式解决方案；既可满足数据水平切分的场景，也能解决数据垂直切分的诉求；既可以做模型训练，也可以做模型预测。
· 支持多种机器学习算法以及各种数据预处理算子。支持的算法包括但不限于LR，GBDT，Xgboost，DNN，CNN，RNN，GNN等。
· 大规模集群化。支持大规模集群化，提供金融级的高效、稳定、系统化的支撑。
经过实战检验，蚂蚁金服自主研发的共享学习平台展现出安全可靠性、高可扩展性、完备性以及易用性等特点，具有覆盖场景面广，支持算法丰富，支持工业化、规模化发展等优势，得到江苏银行等合作伙伴方在智能信贷、智能风控等业务领域的广泛应用，成为业界推动"隐私+AI"结合的新路径。
透过对人工智能、区块链等技术投入，蚂蚁金服正推动银行机构顺应数字化、场景化发展趋势，真正将金融科技渗透到风险管控、流程优化等经营管理中，让基于共享智能的数字金融加速成长。
