2025年4月，中国人民银行发布《隐私计算技术金融应用指引》，推动隐私计算技术在金融领域规模化应用。目前已有工商银行、建设银行等20家银行采用联邦学习、安全多方计算等隐私计算技术，实现了客户信用评估、反欺诈等场景的数据“可用不可见”，既保护了用户隐私，又释放了数据价值。
隐私计算技术的核心优势在于，在不泄露原始数据的前提下实现数据协同计算。以银行信用评估为例，通过联邦学习技术，银行可联合电商、通信企业的用户数据构建信用模型，各参与方的数据不出本地，仅将模型参数进行交换，既满足了监管要求，又提升了信用评估的准确性，坏账率下降15%。
《指引》明确了隐私计算技术的金融应用标准，包括数据脱敏要求、模型安全评估、结果溯源机制等，要求金融机构采用的隐私计算产品需通过国家金融科技产品认证。目前蚂蚁集团的“摩斯隐私计算平台”、微众银行的“联邦学习平台”已通过认证，在多家银行落地应用。某股份制银行采用隐私计算技术后，客户信用评估效率提升60%，同时避免了用户数据泄露风险。
行业应用正从单一场景向全流程延伸。除信用评估外，隐私计算技术已应用于金融风控、保险精算、证券投资等多个领域。中国银行业协会数据显示，2025年一季度，金融行业隐私计算技术投入达25亿元，同比增长180%。业内预计，随着技术标准的完善和成本的下降，2025年金融行业隐私计算应用覆盖率将达50%，2027年将实现全覆盖，成为金融数据安全应用的标配技术。