2.2 金融科技的典型技術體系

2.2.1 技術體系

根據金融穩定理事會的定義，金融科技主要是指由區塊鏈、大數據、云計算、人工智能、物聯網等新興前沿技術帶動，對金融市場和金融服務業務供給產生重大影響的新興業務模式、新技術應用、新產品服務等。因此，本章稱區塊鏈、大數據、云計算、人工智能、物聯網為金融科技的典型技術。

1.金融科技的典型技術體系概述

金融科技的典型技術體系如圖2-1所示。該技術體系可以分為三層及兩個管理體系。

基礎層包含的計算和存儲技術、網絡和通信技術為金融科技提供了算力和數據的支撐。本書將計算和存儲技術分為兩種，即云計算和存儲技術、其他計算存儲技術。這是因為云計算和存儲技術是新興計算存儲技術的典型代表，主要包括資源虛擬化技術、分布式存儲計算技術、分布式計算技術、資源管理技術等，云計算和存儲技術為金融科技提供了基礎資源支撐的關鍵技術。網絡和通信技術同樣按照新興技術即物聯網技術與其他網絡通信技術來劃分。物聯網技術為金融科技提供了數據采集的支撐，其包括射頻識別（Radio Frequency Identification，RFID）技術、傳感技術、近場通信（Near Field Communication，NFC）技術、視頻采集技術等。

中間層主要就是區塊鏈技術，區塊鏈技術在金融科技典型技術體系中比較特殊，充當了承上啟下的作用，既有利于多方聯合的業務應用的數據流轉更加可信，也有利于基礎層的計算、網絡與存儲服務更加可信與安全。區塊鏈技術是多種基礎技術的創新性組合，包括密碼算法、智能合約、共識機制、跨鏈技術、分布式存儲，其存儲的數據具有難篡改、易追溯、多方共同維護等特點。

應用層包括以大數據技術和人工智能技術為代表的新興技術，也包括其他的應用技術?；趨^塊鏈的支撐，大數據技術和人工智能技術在公平性和安全性的基礎上，直接對金融業務起到推動效率提升的作用，并且可能開啟全新的業務模式。

兩個管理體系包括安全管理體系和標準管理體系，管理體系是金融科技技術體系的必要基礎，為金融科技的典型技術提供執行準則和約束，保障技術的通用性和安全性。

2.金融科技技術體系的各技術關系

在圖2-1所示的金融科技典型技術體系中，區塊鏈技術與其他各個技術都存在雙向的支撐關系。

（1）在計算和存儲技術方面，計算和存儲技術為區塊鏈技術提供計算資源支撐，而區塊鏈技術通過為企業提供多中心化的云存儲來確保數據的安全。與此同時，區塊鏈技術幫助促進多中心化的云服務，增加連接性，提高安全性和計算能力。

（2）對于物聯網技術來說，物聯網技術為區塊鏈技術提供獲取數據的基礎技術支撐，同時區塊鏈技術的分布式思想也為物聯網提供去除網絡單中心節點、提升網絡魯棒性的技術支撐。

（3）對于大數據技術和人工智能技術來說，區塊鏈技術為它們提供安全性、隱私性、透明性、公平性的支撐，并且提供數據的來源。

（4）就安全性而言，區塊鏈將數據分散存儲在計算機網絡上，提高了數據的難篡改性，這也從一定程度上保證了數據的質量。區塊鏈通過加密手段來保護數據，能夠更好地保護敏感數據隱私。

（5）就標準而言，區塊鏈有利于建立多方交互與存儲一體化的技術標準，為產業聯盟與規?；瘧玫於ɑA。

2.2.2 基于區塊鏈的物聯網技術

1.物聯網的傳統關鍵技術

物聯網技術通過信息傳感將世界萬物與網絡連接，從而實現萬物的信息交互與通信。本節將物聯網的關鍵技術分為RFID技術、傳感技術、NFC技術、視頻采集技術。物聯網技術可以在多方面與金融應用相結合，如物聯網技術可以打破傳統金融的主觀信用體系，助力風險防控，解決信息孤島及逆向選擇等問題。同時，為了避免主觀判斷不準確的問題，物聯網通過智能識別手段，對物與物、人與物的信息、資金、實物交互，進行感知、定位、跟蹤、監控和管理，從而實現了對企業銷售、運營情況的實時性掌握，并以此對企業動態地調整評級結構。因此，物聯網技術可以使金融機構盡早地發現風險，做出預警，進而降低運作成本，規避風險，最大限度地提升服務效率。例如，2017年12月，江蘇銀行通過使用物聯網技術和區塊鏈技術，推出了線上物聯網動產質押融資業務。

1）RFID技術

RFID技術通過無線射頻方式進行非接觸雙向數據通信，從而對記錄媒體（電子標簽或射頻卡）進行讀寫，也就實現了識別目標和數據交換的目的。RFID技術可以廣泛地應用于金融領域，如在現金款箱交接流程中使用RFID技術監控，就可以實現押運、安全交接、人員身份驗證的智能監管，從而確保銀行錢款出入金庫的安全押運。農業銀行江蘇分行通過使用RFID芯片存單，即將RFID芯片封裝入存單中，通過讀取芯片信息實現其與生產系統的結合，進而防止存單克隆，保障存單安全。

2）傳感技術

傳感技術是一種信息采集技術，可以高精度、高效率、高可靠地采集數據信息。傳感技術也可以有效地應用于金融領域，如傳統業務模式中，銀行往往無法對質押的動產做到全方位監控，而物聯網的傳感、導航和定位等技術將使物流環節（尤其是倉儲和貨運環節）變得可視化，從而使銀行實現全面感知和監控質押動產的存續狀態和變化，提升風險防控水平。

3）NFC技術

NFC技術就是提供短距離無線連接的技術，可以實現電子設備間的雙向交互通信。例如，手機中攜帶NFC設備，從而實現金融場景中的小額支付。

4）視頻采集技術

視頻數據采集是一類特殊的數據采集方式，主要是對各類圖像傳感器、攝像機、錄像機、電視機等視頻設備輸出的視頻信號實行采樣、量化等操作，從而轉化成數字數據。視頻采集技術可以有效地支撐金融安全，如通過對采集的監控視頻和圖像進行分析，從而有效地保障資金安全。

2.基于區塊鏈的物聯網

1）傳統物聯網與基于區塊鏈的物聯網的對比分析

由于當前的物聯網采用的是中心化架構，導致如果出現不同的利益主體和信任關系，物聯網技術就很難自主協作地互聯互通，并且物聯網中的設備協作和交易都只能在同一個信任域下進行，這也會降低其應用價值和推廣程度。而引入區塊鏈技術就可以解決上述信任難題，彌補物聯網存在的缺陷。

如表2-3所示，通過區塊鏈與傳統物聯網技術的融合，解決了傳統物聯網中存在的諸多痛點問題，提升了系統的安全性、公平性與可靠性。例如，通過區塊鏈中P2P、分布式身份認證技術和分布式一致性等技術，緩解了無中心驗證的可靠性問題。

2）區塊鏈與物聯網技術結合的價值

區塊鏈與物聯網技術結合及其經濟價值創造可以從兩個角度進行總結：從短期角度來看，優化現有流程并削減成本，從而創造價值。從長期角度來看，價值創造更有可能以提升收入的形式實現。區塊鏈與物聯網技術的結合會體現3類經濟價值，包括削減成本、提升收入和降低風險。

（1）削減成本。

區塊鏈通過在多個利益相關方間創建集中可信的共享數據集，以減少中間環節，這會促使整個價值鏈交易的自動化，從而削減成本。

（2）提升收入。

通過區塊鏈來實現原本不可行或不可擴展的功能，從而使物聯網的價值得到充分釋放。例如，在智能合約的使用過程中，實現跨設備自動交易和支付。

（3）降低風險。

通過區塊鏈與物聯網技術的結合，推動企業收集并維護必要的審計跟蹤記錄，從而滿足監管要求，降低風險。

3）區塊鏈與物聯網技術結合的未來挑戰

區塊鏈與物聯網技術的結合創造了巨大的價值，但其應用可能面臨3項主要挑戰：

一是缺乏有效手段整合區塊鏈與物聯網技術來解決復雜的業務問題。區塊鏈和物聯網技術都可以為用戶創造價值，但是需要尋找有效的手段使兩者合理結合才能更好地服務用戶，同時需要進一步深入探索其應用場景，并且還需要考慮法律法規和安全性等方面的約束。

二是缺乏標準和統一的規范體系。當前區塊鏈技術與物聯網技術的整合方式、方法、途徑、機制都尚無統一的標準和規范體系，各個廠商勢必依據自身實際技術和應用情況采取不同的整合手段。而這會導致一定程度的市場混亂并難以推廣，甚至影響未來的進一步發展，危及企業自身的效益。

三是多方協調合作。因為要充分釋放“區塊鏈+物聯網”項目的真正價值，需要多方齊心協力地投入時間、資金和精力。因此，企業需要在測試新解決方案時讓所有利益相關方參與進來，并投資建設最小可行生態系統，從而確保解決方案對多個參與方均行之有效。

從短期來看，在金融領域，物聯網技術與區塊鏈的結合主要體現在物聯網技術對區塊鏈的數據支撐上。因為只要通過現存的、已經成熟的物聯網技術就可以從一定程度上提升原始上鏈數據的真實性，并不需要較大的技術改動。從長期來看，基于區塊鏈技術對物聯網技術的改進，可以促進金融領域物聯網應用價格的降低、可靠性的提升，間接地為金融領域產生效益。

2.2.3 基于區塊鏈的人工智能技術

人工智能技術是信息科學的一個重要分支，主要研究機器模擬人的思維過程和智能行為而構建的智能技術理論。本節將人工智能技術主要分為機器學習技術、強化學習技術、遷移學習技術、深度學習技術和聯邦學習技術。人工智能技術可以在多方面與金融應用相結合?；谌斯ぶ悄芗夹g打造金融數字助理，可以為用戶推薦產品/服務。金融聊天機器人也是利用人工智能技術來實現的，通過語音可以請求余額查詢、一般賬戶信息查詢等服務。此外，人工智能模型可以提供客戶信用風險的即時評分，銀行和保險公司通過該風險評分對客戶進行分析，然后制定適合的報價，如加拿大宏利金融集團（Manulife Financial）將人工智能技術應用于承保服務。

1.人工智能的關鍵技術

1）機器學習技術

機器學習技術的本質是機器通過模擬人類的學習行為，進而驅動其自身知識和技能的重新組織并得到不斷改善。其算法的設計能夠通過分析歷史市場行為，確定最佳市場策略，也可以檢測特殊或異常的行為，使交易更加安全。例如，美國Renaissance Technologies公司、Walnut Algorithms公司就研發了智能交易的產品。

2）強化學習技術

強化學習的本質是讓軟件智能體通過試錯的方法，在特定環境中獲得最大化回報的行為技術。強化學習是一種激勵技術，如果這種激勵對機器有利，則這種行為就會重復出現；若對機器不利，則這種行為就會減弱直至消失。在金融領域，強化學習可以優化股票的投資策略，從而使投資回報最大化。例如，美國貝爾實驗室和哥倫比亞大學就提出了基于深度強化學習方法的股票交易模型。

3）遷移學習技術

遷移學習技術是指一個預訓練的模型被重新用在另一個任務中，它使用源領域的知識來幫助目標領域的學習。根據遷移學習具體不同的實現方法，遷移學習可以分為基于樣本的學習、基于特征的學習、基于參數的學習、基于相關性的學習。遷移學習技術在金融領域應用廣泛，可以解決大部分源數據不足的問題。例如，學習部分信貸用戶的行為數據，判斷另一部分相似特征的用戶行為，使金融機構通過遷移學習建立風險防控模型，從而判斷客戶的信用風險。

4）深度學習技術

深度學習技術通常指深度神經網絡技術，比起傳統的神經網絡擁有更多的網絡層、更為復雜的網絡結構。例如，可以將螞蟻金服公司研究的面向海量圖數據的深度學習技術應用到金融營銷場景，通過用戶的歷史購買行為來預測用戶對金融產品優惠的敏感程度，從而推動個性化優惠，提升營銷資金的利用效率。

5）聯邦學習技術

一般的機器學習技術是通過收集數據到服務端，并通過相應的機器學習算法訓練模型的。但是，部分數據是十分隱私的，難以收集，導致此類機器學習技術和算法難以應對。而聯邦學習技術是一個全新的機器學習框架，可以將訓練任務放到用戶側，將訓練得到的模型參數發給服務端，這樣就能保證數據在用戶本地，在不會泄露隱私的前提下，有效幫助多個機構進行數據使用和機器學習建模。此外，聯邦學習技術可以通過引入更多的用戶參與訓練，進而拓展訓練數據集，提升模型的訓練質量。

2.基于區塊鏈的聯邦學習

當前的人工智能算法主要通過一個中心化數據集來訓練模型，一般來說，數據集越大，所訓練的模型擬合得越準確。為了達到此目的，就需要從用戶側收集更多的數據，這也會增加數據泄露的風險。此外，收集更多的數據本身也是一個難題。因此，如何將區塊鏈技術與人工智能技術相融合，從而通過分布式的手段提升系統整體的安全性與智能程度，是需要重點研究的問題。

由于聯邦學習具有分布式、本地計算等特征，與區塊鏈所具有的分散性、分布式計算等特征有諸多相似之處，因此聯邦學習較其他人工智能算法更適合與區塊鏈相融合。

1）區塊鏈與聯邦學習的結合

聯邦學習和區塊鏈都有不足之處，但也有互補之處，主要體現在3個方面。

一是存儲能力不足的問題。區塊鏈中的各個節點的存儲能力等都是有限的，上鏈數據如果過大，就會導致存儲不足。通過聯邦學習可以只將計算結果存儲在節點中，從而節省鏈上各節點的存儲空間。

二是無法互信與參數虛假問題。聯邦學習的參與方來自不同的組織或機構，彼此缺少信任，而通過區塊鏈技術可以建立不同方之間安全可信的機制。聯邦學習中的參與方會提供相應的訓練參數，但是這是缺乏質量驗證的，如果參與方懷有惡意，那么可能會提供虛假的模型參數，導致學習的失敗。而區塊鏈技術通過參數上鏈可以幫助避免出現該問題。

三是參數隱私問題。聯邦學習中的參數存在被破解的風險，所以在傳輸過程中的隱私性也需要保護和增強，因為惡意的用戶可以依據聯邦學習梯度參數在每一輪中的差異，通過調整輸入數據逼近并獲得真實的梯度，有可能推測出用戶的敏感數據。而上述問題前者可以通過區塊鏈技術的共識機制來解決，后者則可以通過區塊鏈的加密與用戶隱私技術來避免。

基于區塊鏈的聯邦學習的技術優勢如表2-4所示。

2）區塊鏈與聯邦學習技術結合的價值

（1）提升安全性與可靠性。

基于區塊鏈與聯邦學習的架構，將區塊鏈安全、可信，以及聯邦學習分布式智能特點進行了互補，提升了系統整體的安全性，構建了更為可靠的區塊鏈機制。從而實現了在安全、可靠的基礎上，大幅節省了系統維護的開支。

（2）降低成本。

數據分散到區塊鏈的各個節點共同存儲，會導致各個節點維護成本高的問題，通過聯邦學習技術存儲計算的結果數據，而非大量的中間過程數據，會使存儲的數據量顯著下降，從而節省區塊鏈上節點的存儲空間，降低經濟成本。

（3）提升收入。

區塊鏈與聯邦學習技術相融合，可以支撐一種新穎的分布式、強隱私、高可靠的協作數據服務的商業模式，有利于個人、企業與組織挖掘數據潛能、釋放數據價值、創新增值服務。

3）區塊鏈與人工智能技術結合的未來挑戰

盡管區塊鏈與聯邦學習技術的融合可以實現一定程度的互補，但是區塊鏈與聯邦學習技術或者人工智能技術的結合也存在諸多挑戰。

一是技術挑戰。區塊鏈共識機制的效率是限制系統整體性能、影響聯邦學習或者其他人工智能技術進一步應用的瓶頸。區塊鏈技術如何與更多的人工智能技術有機結合，發揮各自的優勢是值得長期研究的問題。

二是服務挑戰。區塊鏈與人工智能技術如何有效結合來服務用戶有待探索。區塊鏈與人工智能技術都是新興技術，各自服務不同需求的用戶，即便兩者有結合的可能性，但整合后是否對服務群體有積極的影響，如何擴大用戶群體還有待探索。

三是市場的適應性挑戰。區塊鏈與人工智能技術還處于探索階段，各自的成熟應用還有待市場檢驗，其技術發展方向是否與當前保持一致，也尚不確定，因此兩者在技術上的融合更加需要市場和用戶的進一步適應。

四是缺乏融合的標準挑戰。區塊鏈與人工智能雖然都有各自的技術標準，但是兩者的融合標準還處于缺失狀態，如果不能夠提前制定相關標準，勢必造成兩者不能夠順利地融合，甚至出現不同廠商的融合方法不同導致最終的應用無法相互兼容的問題，這不僅不會帶來任何優勢，反而會對兩種技術的價值帶來極大損害。

五是投資與發展的融合挑戰。從短期來看，無論是區塊鏈技術還是人工智能技術的進一步優化，都能帶來極大的商業價值，也符合短期發展的目標。但是從長期來看，對兩者的全面、深入的融合，由于上述的挑戰尚不能解決，也會直接影響兩個技術未來的發展和商業投資。

2.2.4 基于區塊鏈的大數據技術

大數據的“大”不僅指的是數據量大，而且還意味著數據維度足夠多，并且增長快?！皵祿辈粌H指數據本身，還包括數據采集、存儲、分析、呈現等環節，每個環節的技術也并非都是全新的，大數據技術是多個環節的技術的業務邏輯形成的集合。針對數據的管理存在數據孤島、隱私泄露等問題，可利用區塊鏈技術鏈接多方實現數據的可信共享，充分發揮大數據的應用價值。

1.關鍵技術

1）采集環節

數據采集環節是整個大數據技術環節的入口，是通過各種技術手段實時或非實時地收集、存儲數據，進而轉入大數據的分析環節。與傳統的數據采集過程相比，大數據采集的突出特點是數據類型豐富，不僅包括結構化數據，還包括半結構化數據和非結構化數據。在金融領域，大數據的信息載體既有以電子文檔形式發布的文件及報告，也有通過感應系統采集的真實世界中的信息流。隨著移動互聯網、物聯網技術的普及，數據的采集更加快捷，產生的數據也更加豐富。

由于采集的數據類型多樣且存在無效值和缺失值，因而在對數據進行分析前，還需要進行數據預處理。數據抽取、轉換和加載（Extraction Transformation Loading，ETL）是數據預處理的慣用做法。大致過程是先將已經存儲在系統中的數據抽取到臨時中間層，按照合適的業務邏輯進行清洗、轉換、合并，再加載至數據倉庫或數據集市中，成為聯機分析處理的基礎。

2）存儲環節

隨著人類社會數據總量的指數型增長，傳統的數據存儲技術也面臨著挑戰，海量數據的存儲是大數據時代必須解決的問題。基于分布式系統的思路，谷歌開發出GFS（Google File System）系統，使得在廉價服務器集群中實行分布式存儲成為可能。隨后Apache基金會支持的一個開源子項目實現了GFS，這就是后來的HDFS（Hadoop Distributed File System，HDFS）。HDFS和MapReduce分別解決了大數據時代的存儲和計算的問題，與其他多個組件共同構成了大數據的生態圈——Hadoop。與傳統數據存儲相比，大數據存儲的突出特點是需要使用以分布式文件系統和基于CAP原則設計的分布式數據庫。其中，CAP原則是指分布式系統具有一致性（Consistency）、可用性（Availability）與分區容錯性（Partition Tolerance）。

3）計算與分析處理環節

雖然CPU的速度在不斷提升，但其制造工藝已經接近物理極限，單純地增加CPU核心數并不能從根本上解決問題，傳統的指令執行方式已經無法滿足海量數據處理的需求。在這樣的現實背景下，谷歌提出了名為MapReduce的分布式計算模型，該模型的基本思路是將海量數據切分成多個小規模的數據集，并將其分布到多個服務器上完成并行計算，體現了分而治之的核心思想。MapReduce的出現使得原本連高性能服務器都難以處理的海量數據的問題可以通過多個廉價服務器解決。

金融行業存在多種不同的應用場景，因而處理過程面臨的問題復雜多樣，單一技術無法滿足不同類型的計算需求。此外，傳統的數據處理技術在面臨容量為PB級別的海量數據時無法滿足低延時的需求，因此大數據時代需要更高效的數據處理技術。除MapReduce之外，還存在流計算、圖計算和查詢分析計算等大數據分析技術。從表2-5中可以看出，大數據時代豐富的業務邏輯催生了多種分析處理技術，充分體現出技術的進化邏輯——“術業有專攻”。

4）數據可視化

數據可視化是將數據庫中的每個數據項以一定的業務邏輯組織起來，使用圖形圖像的形式表示，并將數據各個屬性值通過多種維度呈現出來，使受眾能從不同維度觀察數據，為更深入的洞察提供感性認識基礎，進而能夠形成理性認識并抽象出數據背后的規律，指導后續的研究。數據可視化可以將枯燥乏味的數據轉化成豐富生動的視覺效果，使數據變得更易于理解，提升數據的分析效果。

數據可視化過程應該滿足以下標準：簡潔美觀的展示界面、可視化報告在程序中的無縫式嵌入、強大的人機交互性。常用的數據可視化技術框架包括Tableau、Power BI、Qlikview等。

2.金融大數據與區塊鏈的結合

大數據的一大核心特征是數據的維度足夠大，這意味著數據必然有多個來源，如何進行有效數據共享和數據真實性認證是十分重要的問題。然而，數據孤島的問題直接制約了大數據的共享和認證。數據孤島有兩種，一是物理性數據孤島，指的是數據在不同的物理位置獨立存儲、分別維護；二是邏輯性數據孤島，指的是相同意義的數據被賦予了不同的存儲及處理規范，導致多個數據來源之間難以整合。而區塊鏈與大數據技術的結合可以解決上述問題。

1）區塊鏈與大數據技術的結合

結合分布式存儲和分布式賬本，可以為數據共享難題提供解決方案，從而實現可信的數據存儲、高效的數據利用和安全的數據共享。相對于傳統的數據存儲及傳輸，新的解決方案的特點是在部署環境和應用層之間加入一個分布式的基礎服務框架，每個節點相當于一個分布式賬本，當數據共享方有新數據上鏈時可向信息自組織（自組織是各節點按照某種規則形成的具有一定功能的組織）請求更新區塊鏈上的數據。在獲得授權后，將加密后的數據上傳至單個節點，再向該基礎服務框架的所有節點進行廣播。信息需求方可向信息自組織申請查看授權，獲得授權后由鏈上的節點返回結果。在這個過程中，信息自組織雖然是個中心化組織，但其作用僅限于信息更新和查看的授權，信息的存儲仍然處于區塊鏈的多個節點上，從而保證了信息的難篡改性。

數據作為一種重要資產，需要流通起來才能發揮更大的作用，而數據使用權和所有權難以分割，會導致產權關系不清晰。因此，要實現數據共享，其中的一個重要環節就是完成數據確權。王海龍等結合區塊鏈和數字水印技術，提出一種新的大數據確權方案，有助于解決大數據確權的問題。該方案先對質量審核通過的大數據和數據提供者的信息嵌入數字水印，形成確權結果，再將該結果上鏈，完成從傳統的中心化存儲轉向整個生態圈的分布式存儲，以上過程除了數據質量審核環節外，其他環節均可自動化實現。在數據交易完成后，為了防止數據使用方轉手倒賣，可以結合智能合約技術。在智能合約中記錄數據的使用日志，內容包括時間戳、使用者的賬戶和對數據采取的操作，這些日志內容均實時寫入區塊鏈。當數據的使用者只有瀏覽行為時，智能合約靜默，一旦發生復制行為，智能合約立即觸發，對復制行為實行阻止或收費。

綜上所述，傳統大數據技術存在數據質量差、隱私數據泄露、數據作為一種資產難以交易三大問題，而基于區塊鏈的大數據技術則解決了上述三大問題（見表2-6）。

2）基于區塊鏈的大數據技術的應用

隨著銀行間市場對外開放力度不斷加大，人民幣國際化與“一帶一路”的推進，人民幣在國際金融市場上扮演的角色勢必越來越重要，境內機構對標準化實名認證KYC的需求也隨之增加。推行KYC不僅有助于金融防范身份盜用、欺詐、洗錢等商業風險，也有利于維護整個金融系統不發生系統性風險。目前金融機構之間的KYC標準存在差異，機構之間無法大范圍共享數據，造成整個金融市場的重復合規成本高、數據利用率低的問題。為了解決以上問題，可考慮使用基于區塊鏈的大數據技術解決方案。

交易中心可以在機構交易行為評分和交易風險提示這個環節進行KYC試點，作為發起人，制定銀行間市場KYC的數據標準，鼓勵會員單位將自身數據上鏈，實現脫敏信息的可信共享和安全可控的KYC信息共享數據庫。在這一業務場景中，信息需求方（銀行間市場會員）同時也要提供自身的數據，發起人對數據的訪問和更新進行授權，并部署一定數量的區塊鏈節點。在這樣的聯盟鏈上，信息需求方可向發起人申請KYC業務的數據，根據彼此之間的授信關系，自主選擇是否公開信息共享和隱私數據服務共享，并完成點對點數據交易。整個過程可以實現原始數據不出機構，以加密機制下的參數交換方式實現“數據可用而不可見”。在這樣的業務場景下，交易中心作為中心化組織，作用是對數據訪問和更新進行授權，信息的存儲仍然處于區塊鏈的多個節點上，從而保證了信息的難篡改性。

以上信息表明，基于區塊鏈的大數據技術，可以在一定程度上解決隱私泄露和數據標準缺失導致的數據孤島問題。首先，在解決方案中，數據的提供者同時也是數據的使用者，這形成了對提供數據的正向激勵，使金融機構有意愿提供自身的數據取換取其他機構的數據；其次，區塊鏈的脫敏功能可以消除數據泄漏的隱患；最后，由交易中心牽頭制定該業務場景下的數據標準，完成整個業務場景的閉環。

3）區塊鏈與大數據技術結合面臨的挑戰

區塊鏈與大數據技術結合雖然能夠在一定程度上保證數據的真實性，但也只是保證上鏈后的真實性，而并不能保證源數據的真實性。以KYC為例，KYC的關鍵在于數據收集階段，原始數據在上鏈之前要保證準確性和完整性。在提供機構交易行為評分和交易風險提示的KYC服務中，需要收集交易會員的財務報告、經營狀況、股權信息、管理層信息、負面信息等數據。其中除了上市公司的財報、管理層和股權信息是公開的，其他數據均屬于另類數據范疇。銀行間市場的會員機構有大量為非上市公司，即使愿意提供這些數據，其準確性也難以保證。若數據在源頭上就無法保證準確性，則后面環節中區塊鏈的難篡改性也將失去意義。即使原始數據是準確的，數據的完整性也難以保證。以股權信息為例，上市公司可以隱匿股東的關聯關系，這就容易出現大股東掏空上市公司的問題，進而引致交易對手風險和信用風險。

由此可見，即使是經過審計的數據信息，也難以保證其完整性。原始數據的準確性和完整性問題直接制約了KYC服務的落地，該問題難以通過現有的技術手段解決，需要通過更嚴格的法律法規進行改善。

4）區塊鏈與大數據技術結合的未來價值

（1）數據價值的轉化。

“區塊鏈+大數據”為共享經濟的發展指明了方向。共享經濟的突出特征是物品使用權發生暫時轉移，其本質是整合資源，使資源的所有者獲得經濟紅利。數據作為新時代的重要資源，數據共享在未來的價值甚至會超越有形資源的共享價值。然而，數據難確權、數據隱私保護都會影響數據共享。區塊鏈通過智能合約技術可以對數據資產進行確權，解決數據隱私與信息共享難題，提高數據提供方源源不斷地生產數據的積極性，并且存在提交數據用于共享的內在驅動力，從而減少數據孤島的產生。

（2）數據質量驅動共享經濟。

區塊鏈的可追溯性使數據的采集、流通和分析均可實現留痕化管理，使數據的質量更有保障。區塊鏈的技術特性在數據的整個生命周期中均能發揮重要作用，從而為以數據流通為代表的共享經濟的發展指明了方向。

2.2.5 基于區塊鏈的云計算

大數據和人工智能時代的到來，對存儲和計算能力提出了更高的要求，因而成為云計算發展的重要驅動力。云計算與傳統IT設施相比的優勢在于構建計算和存儲資源時無須購置實物服務器和網絡設備。云計算作為一種新型IT資源使用方式，通過互聯網向用戶提供硬件、平臺及軟件服務，通過虛擬化技術滿足用戶對計算和存儲資源的彈性需求，具有動態易擴展的優點。云計算的基礎設施是數據中心的物理資源，基于多種軟件技術對物理硬件進行虛擬，這為用戶屏蔽了大量底層細節，便于在較高的層面進行架構設計和資源使用，提高了開發效率。

云計算是金融機構運用金融科技打造現代化運營的基礎，越來越多的金融機構將實施云計算解決方案作為建立數字金融生態的核心，監管機構也推出了相應的政策。例如，2015年國務院印發《關于促進云計算創新發展培育信息產業新業態的意見》、原銀監會在2016年發布《中國銀行業信息科技“十三五”發展規劃監管指導意見（征求意見稿）》等。IDC（國際數據公司）發布的《全球云IT基礎設施季度跟蹤報告》顯示，到2022年，亞太地區金融機構公有云服務支出將達到95億美元。以上分析表明，“金融上云”將成為常態。

1.關鍵技術與分類方式

1）虛擬化技術

虛擬化是云計算的基石，通過虛擬化，單個服務器可以被分割為多個顆粒度更細的資源，也可以將多個服務器組成分布式系統，滿足高吞吐、高并發、低延遲的業務需求，實現資源的高效利用。在物理服務器上安裝虛擬化軟件，就可以虛擬出多個在邏輯上互相隔離的虛擬機，本質上是對底層計算和存儲能力的集成和再分配。

（1）計算虛擬化。

將一臺計算機用邏輯隔離的方式劃分為多臺能同時獨立運行的計算機（虛擬機），實現資源的動態分配和靈活調度。核心是虛擬機運行在硬件和操作系統之間，允許多個操作系統共享一套服務器，運行時給每臺服務器分配適量的CPU算力、內存、硬盤和網絡帶寬。

（2）存儲虛擬化。

存儲虛擬化意味著無須對單個物理存儲設備進行管理，而是將多個物理存儲設備整合為統一的存儲空間進行管理。這種技術實現了分布式存儲，其優點在于強拓展性，存儲服務器可以按用戶的需求為其分配所需的空間。

（3）網絡虛擬化。

云端虛擬機體現了計算與存儲分離的設計思想。傳統單一物理服務器資源的虛擬化，是在同一臺服務器上對計算、存儲、網絡等環節進行分割，這種方式的缺陷在于，當物理機的局部出現故障時，也很容易影響到里面的多個虛擬機。云虛擬機的組成則有所不同，CPU與內存仍整合在一臺服務器上，這樣的多臺服務器就組成了計算集群，每個服務器帶有虛擬網卡，通過數據中心的內網共享一個IP地址，完成網絡接入。在存儲方面，云端使用磁盤集群。網絡、硬盤等其他部分可脫離于宿主機之外。

2）分類方式

目前，云計算是由不同業務形態的云服務組成的，業界一般將其分為基礎設施即服務（Infrastructure as a Service，IaaS）、平臺即服務（Platform as a Service，PaaS）和軟件即服務（Software as a Service，SaaS）3種業態。

IaaS一般指云計算所能提供的計算、存儲、網絡等底層服務，同時還提供跟蹤服務組件和資源調度模塊，一些技術細節對云端開發者而言是封裝起來的，使用者無須關心這些底層技術細節。使用者能夠在上面部署和運行任意軟件，包括操作系統和應用程序。使用者不管理或控制底層云基礎設施，但可以控制操作系統、存儲和已部署的應用程序，并且還能受限地控制所選的網絡組件。IaaS代表性產品和服務包括云端虛擬機、云磁盤、云網絡等，其突出特征是與傳統的本地化IT設備之間存在明確的對應關系。

PaaS是指云計算提供的平臺類服務，以及面向場景領域的服務，PaaS相當于云計算時代的“操作系統”，為開發者提供了功能完備的中間件模塊，包括集成開發環境和SDK等工具，免去了傳統軟件開發過程中配置開發環境的環節，能大大縮短開發周期。在具體的產品服務類型方面，云端數據庫、云容器和云端AI平臺都屬于PaaS。

SaaS是指基于云構建可開箱即用的各種業務應用，即在云基礎設施上運行的供應商應用程序，應用程序可通過Web瀏覽器或客戶端界面訪問。傳統軟件業的商業模式為出售復制，而SaaS是在互聯網上提供傳統軟件的功能，精簡了軟件行業的服務環節。電子郵件、云桌面、在線游戲都屬于SaaS類型。

3）部署方式

（1）公有云。

公有云的突出特征是資源服務共享，是目前云計算市場最主流的業態。云服務提供商負責系統的所有管理和維護工作，相較于本地IT基礎設施，公有云還可以更快地部署，且理論上在算力和存儲方面具有可無限縮放的拓展能力。

（2）私有云。

私有云是為單一用戶而構建的，一般部署在企業自己的數據中心內，或部署在安全等級更高的托管場所。其突出特征在于其計算、存儲、網絡資源是專有的。與公有云相比，私有云的優點在于能提供對數據、安全性和服務質量的最有效控制，缺點在于安裝和運維成本高。

（3）混合云。

混合云是公有云和私有云兩種服務方式的結合。出于對成本效率和數據安全的綜合考慮，一些企業會選擇混合云的服務模式，將敏感數據存儲在私有云中，將脫敏后的數據上傳至公有云進行計算，計算完成后將結果返回私有云，這種模式體現出極大的靈活性。

2.云計算與區塊鏈技術的結合

1）云計算與區塊鏈技術的結合概述

從技術特性上看，云計算和區塊鏈同屬分布式技術的典型代表，云計算的目標是實現按需分配，區塊鏈的目標是構建一個信任體系。如表2-7所示，云計算的問題在于數據安全存在泄漏風險，而區塊鏈的加密特性有助于這一問題的解決；區塊鏈的一個性能瓶頸在于數據存儲能力，而云計算可以通過分布式存儲，滿足上鏈數據只增不減的業務需求。可以預見，將區塊鏈技術框架嵌入云計算平臺，為開發者提供簡潔、高效的使用環境，將成為金融科技發展的大勢所趨。

2）基于區塊鏈的云計算技術在客戶征信中的應用

由于金融機構在征信過程中存在信息不對稱和隱私保護的隱患，傳統的系統架構難以滿足信息共享和隱私保護的要求，基于BaaS模式，金融機構可在有效保護敏感信息的基礎上實現重點信息的共享和驗證，免除多個金融機構重復的記錄和識別工作，有助于以低成本方式識別欺詐行為。隨著征信對象數量的激增，征信系統有必要使用分布式架構，公有云可以成為其技術解決方案。但考慮到敏感數據泄露的風險，可借助區塊鏈中的密碼學技術實現敏感信息的驗證。隨著征信數據的積累，金融機構可以構建準確度更高的信貸反欺詐模型，降低壞賬率。

3）區塊鏈與云計算技術結合面臨的挑戰

（1）健壯性挑戰。區塊鏈與云計算技術在結合時盡管有諸多優勢，但也面臨著一些挑戰。BaaS利用云計算技術可以便利地實現區塊鏈，但是它會導致區塊鏈部署在一塊云上，云的健壯性將直接影響區塊鏈的健壯性，如果云本身的規模很小，部署得不夠分散，就會導致部署在此之上的區塊鏈的健壯性弱。

（2）響應性挑戰。區塊鏈技術本身是分布式賬本，需要大量的分布式空間，而云計算技術盡管將分布式空間進行整合，但是每個節點的存儲能力卻不同，導致部署在其上的區塊鏈節點的存儲能力不同，降低了區塊鏈的響應性能，影響了區塊鏈的實際應用。

4）區塊鏈與云計算技術結合的經濟價值

（1）提升技術開發效率，降低成本。

BaaS的價值在于降低開發者的技術門檻，減少開發成本，使開發者能專注于業務邏輯層面的開發，而非區塊鏈的底層技術，從而滿足敏捷開發的需求。當前主流的BaaS技術服務提供商均提供了標準化節點，方便開發者調用，并兼容以太坊等多種區塊鏈技術，方便開發者在技術選型時進行切換。

（2）利用激勵策略提升經濟價值。

區塊鏈還可以在邊緣計算的實施中產生價值。邊緣計算網絡中的不同節點及設備可以提供一定量的計算、存儲和帶寬服務，區塊鏈的智能合約及分布式賬本的特性可以保證對有貢獻的單個節點給予激勵，實現相應的經濟價值，使更多的計算資源得以充分利用。