英特尔与Consilient联手利用联邦学习打击金融欺诈

Consilient是一家专注于建立下一代反洗钱和打击恐怖主义融资（AML/CFT）系统的新公司，推出了一个由Intel® Software Guard Extensions（Intel® SGX）驱动的新型安全联邦学习平台。该人工智能（AI）平台旨在防止金融犯罪，并在保护隐私和安全数据的同时实现金融机构之间的安全合作。

为什么重要

根据联合国的数据，每年全球2-5%的国内生产总值（GDP）被洗钱，金额约为8000亿美元至2万亿美元。认识到需要超越手动和分散的监控系统，Consilient建立了一个智能、协作和始终在线的解决方案，利用联邦学习和Intel SGX检测金融欺诈。

通过联邦学习自动化此过程，多个数据集、数据库和管辖区的访问被加密，而无需向参与的各方透露数据或敏感客户信息。政府和金融机构可以使用此新平台更准确、更高效地检测非法活动，具有较低的假阳性率，有助于打击金融犯罪，阻止更高价值的洗钱，并使合法个人和企业更有效地管理风险。

“当银行试图检测非法和欺诈活动时，系统效率低下，效果不佳，超过95%的交易监控结果为假阳性，机构无法看到自身墙外的风险。有了Consilient的联邦机器学习技术，得到了Intel SGX的支持，我们正在重新设计金融机构和当局动态、安全地发现和防止金融犯罪风险的方式。这一新方法使组织能够节省成本，重新部署人员，并高效、有效地管理和优先处理更严重的非法金融风险。”

— Juan Zarate，K2 Integrity全球共同管理合伙人和首席战略官，美国财政部首位反恐怖主义融资和金融犯罪助理秘书

工作原理

联邦学习是一种保密的机器学习（ML）技术和机密计算模型，能够在不集中数据的情况下进行AI训练。Consilient创建了一个基于行为的、ML驱动的平台，运行在其DOZER™技术上。可以在多个数据集上训练ML模型，以检测和分析人类和大多数当前技术无法识别的“正常”和“异常”模式。这使得参与机构、当局和监管机构能够在不将私人数据置于风险的情况下更有效、更高效、更可持续地合作和揭示系统性风险。

这种计算模型是通过Intel SGX实现的，Intel SGX使用基于硬件的可信执行环境（TEE）来帮助隔离和保护特定的应用程序代码和内存中的数据。该技术有助于确保根信任仅限于中央处理单元硬件的较小部分和ML应用程序本身，从而减少潜在威胁的攻击面，并更好地保护代码和数据的机密性和完整性。

“在金融领域应用Intel Software Guard Extensions（Intel SGX）技术非常令人兴奋”，Intel数据平台安全和系统架构副总裁兼总经理Anil Rao说。“金融业，如我们在许多行业中所见，往往受到安全信息共享的限制，Intel和Consilient之间的初步试验结果为合作金融的未来带来了巨大的希望。”

有关在金融服务行业使用联邦学习的更多信息，请参阅题为通过革命性技术实现联邦学习的白皮书。