【金猿产品展】InsightOne——让数据价值安全释放

InsightOne 数据价值数据安全

原创洞见科技 | 2021-12-21 21:58

【数据猿导读】本项目由洞见科技投递并参与“数据猿年度金猿策划活动——2021大数据产业创新服务产品榜单及奖项”评选。

洞见数智联邦平台（InsightOne）是洞见科技基于安全多方计算、联邦学习、区块链等技术独立创新自研的金融级隐私保护计算平台产品，具有“高安全性、高兼容性、高连接性、高灵活性、高专业性”五大特点，通过匿踪查询、集合运算、联合统计与联合建模等应用服务矩阵的构建，已在政务、银行、保险等行业取得了数十个成功应用案例。InsightOne平台是中国唯一通过中国信通院“联邦学习功能、性能、安全”，“多方安全计算功能、性能、安全”，“区块链辅助隐私计算”等全系列评测认证的产品。

InsightOne_数据价值_数据安全-1

2021年重大更新升级

构建安全多方计算一站式服务

异构数据源整合

丰富了数据接入类型，实现了多种ID加密方式。

交互式探索

基于Notebook提供交互式数据探索环境，让用户在Web页面上轻松完成数据清洗、转换、统计、可视化等工作。

更强的性能

基于超融合安全计算架构，相比于传统技术，具有计算速度快、计算精度高、隐私保护强等特点，支持亿级海量数据计算，实现秒级隐私运算和服务响应。

更多的预置算子

围绕联邦学习流程，对常用算子以及模型类型进行了大量扩充。

全新的模型生产化系统

支持模型产出、配置、上线的全生命周期管理，在保护数据不出私域的前提下，实现可适用于多种业务场景的多方联合在线服务。

可视化监控预警系统

支持实时监控节点通信状态，及时对异常指标发出预警，为平台稳定运行提供进一步支持。

应用场景/人群

洞见科技自主研发的隐私计算平台InsightOne首创面向计算场景的融合引擎架构，以安全多方计算和可信联邦学习为主计算引擎，以可信执行环境、差分隐私、零知识证明等为辅助计算引擎，面向具体场景提供可定义的计算能力，实现“数据可用不可见”，平台采用数据资源引擎+隐私计算引擎+场景科技引擎+区块链可信服务网关的“三横一纵”融合引擎架构，以“左加数据、右加场景”的模式，提供面向政务、金融等行业客户的安全数据智能服务。

InsightOne_数据价值_数据安全-2

在政务领域：隐私计算为政府数据跨部门开放共享、数据要素流通及向金融机构等社会企业提供政务数据赋能的解决方案，助力政府数据面向社会开放，促进实体经济发展，提升政务协同、运营管控及决策能力，全面构建智慧政务与智能城市大脑。

在银行领域：为国有银行、股份制银行、城商行、农商行等在进行数字化转型与智能化应用过程中，安全连接金融机构内部各部门之间、金融机构与外部各类数据源或同业其他机构，在不泄露各方原始数据的前提下，实现数据安全融合、联合风控建模、联合营销筛选等，提升金融智能的准确性及完备性。

在保险领域：以数据可用而不可见的安全方式促进保险公司/集团内部数据能力融合共享以及内外部数据智能生态共建，以更加安全合规的方式开展交叉营销、联合营销、精算定价等业务，既保护商业秘密与客户隐私，又能充分发挥数据智能在保险业务中的应用价值。

产品功能

异构数据源整合

兼容多种数据源，可接入企业内部各类业务系统API、多种经典关系行数据库、多种数据文件来源；支持多种数据资源ID加密处理方式，支持多种授权方式。

多样数据处理方式

支持全自动处理、专家处理方式，可快速删除或替换无效数据，支持多种资源关联方式；提供交互式数据探索环境，使用户可以在Web页面中轻松完成数据清洗、转换、统计等工作。

丰富的模型算法库

系统预置了大量算法库，包括常用的数据准备，数据清洗、数据标准化、数据特征提取，数值编码、分类、回归、聚类等算法。

交互式数据分析

提供包含直方图、分布图以及其他条形图、线型图、点图、网状图等可视化图文报表，为用户分析数据提供高效支持。

多种加密协议

通过同态加密、差分隐私、秘密共享等安全多方计算技术处理，对各方数据的交换和运算过程进行保护，防止数据泄露与逆推。进而保障各个合作机构的合规安全，为科学分析、预测和决策，提供有力支撑。

多方联合建模

平台内置丰富的基础算子与函数支持，在保护各参与方原始数据的前提下，只交换模型训练过程中加密计算的中间结果，结合内外部更为丰富的特征维度数据，实现多方的联合建模。

多方联合计算

支持各参与方在互不暴露任何客户ID及其它隐私信息的前提下让各方获取且仅仅获取客户交集，而无从得知任何交集以外的己方所没有的客户信息，不仅如此，还支持自由配置指定计算条件的情况下进行逻辑运算，以更加精准地挖掘满足业务场景所需的符合特定行为特征的客户。

匿踪查询

安全实现让数据拥有方无从知晓数据查询方的查询信息，而查询方也无从知晓拥有方除查询信息外的其余信息。

联合筛选

在各方不暴露自有数据的前提下，利用安全多方计算联合外部数据勾勒出更加精准的存量客户画像和实现维度更广的行为特征筛选，从而实现多方联合营销。

全新的模型服务

将客户训练好的模型一键发布，通过配置，对模型服务进行管理，支持模型部署、上线、监控等，实现企业分析服务的最后一里路，达成智能化决策。

全面的监控预警系统

可视化展示节点通信及环境等状态数据，通过对节点指标的细化、深化分析，辅助企业或机构客户的管理决策。提供数据智能联邦网络节点管理、证书认证、对账计费等维护管理功能，支持实时监控机构节点通信状态，及时对异常指标发出预警，为隐私计算服务稳定运行提供支持。

产品优势

高隐私和高安全性

基于自研的隐私计算框架，采用不经意传输、秘密共享、混淆电路、零知识证明、差分隐私等安全多方计算技术，在联通各数据孤岛的同时，规避数据泄漏风险。让用户可以通过更丰富的数据维度，实现业务的探索、融合、提升与创新。

可视化建模

平台拥有对数据配置、样本对齐、特征工程、模型训练、模型评估等全流程进行可视化拖拉拽建模的能力，无需编写代码即可完成。友好的操作界面，交互式的探索分析、高效的算子性能，不仅降低数据分析师以及业务人员使用门槛，使其可以快速上手，也能提升资深专家的建模效率，缩短模型调优的周期。

模型生产化

通过可视化管理系统，将训练完成后的模型一键推送，支持模型配置全流程管理，对模型服务调度情况进行全方位监控，支持实体部署、容器部署、云上部署等多种灵活的部署方式，为客户业务场景的数据安全流通赋能，实现数据可用不可见。

全周期管理

通过自动整合源数据，自由配置指标、规则、评分卡、模型等，形成可以由用户灵活调配的决策，自动处理业务得出结果并支持智能数据实时分析等功能，实现业务决策工作流的全生命周期管理，提升业务响应速率与决策效率，大幅节约人工成本。

高性能计算

服务客户/使用人数

洞见科技推出的国内首个面向场景的隐私计算平台InsightOne，围绕数据资源融合和业务场景应用构建安全可信的数据智能联邦，目前已为山东省大数据局、苏州相城区政府、中国移动、中国联通、中国人寿、中诚信、安心保险、香港银通、浪潮等数十个典型客户实现基于隐私计算的安全数据智能服务。

市场价值

1. 促进数据要素安全流通，推动数字经济健康发展

在数据作为国家第五大生产要素，数据安全与隐私保护法律法规与监管要求愈发严格的背景下，洞见数智联邦平台（InsightOne），将数据可见的具体信息部分和不可见的计算价值部分进行分离，在合法合规的前提下既能保护数据安全与隐私、又能促进数据要素流通，实现“数据可用不可见”，通过加密协作机制对数据进行联合计算和分析，实现数据的融合价值，助力我国数字经济产业健康有序发展。

2. 赋能政务数据安全开放，加速数据要素市场化

基于洞见科技隐私安全计算平台（InsightOne）构建数据开放/共享/交换平台，能够以“使用即交易”的方式重构“转移式交易”的数据要素流通市场，结合区块链技术对数据进行确权和资产化的探索，促进政务数据跨层级、跨区域、跨部门、跨行业的流通，以及政务数据面向企业的开放赋能。

3. 以技术信任满足合规要求，助力企业数字化转型

面对数据要素时代新机遇、企业数字化转型浪潮，数据安全流通与隐私信息保护已成为企业发展的基本诉求，洞见数智联邦平台（InsightOne）以技术信任解决企业内部跨部门、外部跨机构的数据安全流通难题，在保障安全的前提下释放数据价值，促进数据要素依法有序流动，助力企业数字化转型升级。

4. 构建安可政企融资对接平台，促进普惠金融和实体经济发展

基于洞见隐私安全计算平台（InsightOne）构建地方政府、金融机构、公用事业单位、各厅局委办部门多方数据融合的中小微企业金融服务，通过隐私计算技术在安全可信的前提下通过政务数据与市场化数据联合建模，对中小微企业经营状况、融资意愿、信用风险等进行分析判断，帮助其精准对接扶植政策和银行信贷服务，促进普惠金融和实体经济发展。

提示：直接点击文末左下角“阅读原文”链接可直达该产品官网页面

产品所属企业·洞见科技：

洞见科技由信用管理集团“中诚信”投资孵化，致力于以隐私计算技术赋能数据价值的安全释放和数据智能的合规应用。公司的创始团队是中国大数据征信和智能风控行业的推动者和领军人物，核心成员来自中诚信征信、大型银行、保险公司以及人工智能企业，具备丰富的行业知识和服务经验。公司在2020年初推出国内首个面向场景的隐私计算平台InsightOne，围绕数据资源融合和业务场景应用构建安全可信的数据智能联邦，已经在政务、金融等领域取得了数十个行业客户场景的典型案例。

来源：数据猿

收藏分享

声明：数据猿尊重媒体行业规范，相关内容都会注明来源与作者；转载我们原创内容时，也请务必注明“来源：数据猿”与作者名称，否则将会受到数据猿追责。