解决方案 | 隐私计算在智能核保业务场景中的应用

之前的很多文章我对隐私计算技术做了介绍，想必关注我的老粉已有所了解。隐私计算是一个术语，指的是多方安全计算、联邦学习、可信执信环境等技术或解决方案，特点是“数据可用不可见”。隐私计算和隐私保护不是一个概念，隐私计算强调的是“计算时”的隐私保护，而非传输、存储时的隐私保护。

技术是为业务服务的，不能给业务赋能的技术一文不值。从这个角度，最牛逼的技术未必是最好的技术，解决客户痛点是王道。

今天给大家分享一个隐私计算在商业保险中的应用，具体场景是核保业务。先说下买商业保险的过程。老早之前是保险业务员向你推销保险产品，如果你同意买了，然后你需要按他们要求提供各种纸质资料，保险公司根据你提供的资料会对你的既往就诊情况进行分析，看你是否符合投保条件。这个业务叫做核保，就是投保资格审查。那个时期审核要一周时间左右，因为保险公司要去医院核实你的就诊信息，工作量大，效率低。

随着移动互联网的普及，现在没这么麻烦了，也不需要跟保险业务员见面了，直接在手机上提交资料就可以。核实信息基本上通过线上就能完成。效率比之前高多了。

但这里有个问题，就是《个人信息保护法》出台后，线上查询潜在投保人的信息这条路有风险，因为容易造成个人隐私信息的泄漏。我的所有就诊信息全被你保险公司知道了，最后告诉我审核没通过，买不了保险，这怎么能行。这个时候隐私计算就能派上用场了。

大家还记得隐私计算的特点吧，就是“数据可见不可见”，就是数据在“计算”的时候，数据对于保险公司是“黑匣子”，这样就不会造成投保人的个人隐私信息泄漏了，不管有没有投保成功，保险公司是不知道投保人具体的就诊信息的，比如某年某月某日在哪家医院看的病，得的什么病等等，从而满足国家合规监管要求。示意图如下：

请持续关注，后续将分享更多隐私计算在更多行业的实际应用。记得点右下角转发或在看哦