下载掌阅APP，畅读海量书库
立即打开
根据金融稳定理事会的定义，金融科技主要是指由区块链、大数据、云计算、人工智能、物联网等新兴前沿技术带动，对金融市场和金融服务业务供给产生重大影响的新兴业务模式、新技术应用、新产品服务等。因此，本章称区块链、大数据、云计算、人工智能、物联网为金融科技的典型技术。
1.金融科技的典型技术体系概述
金融科技的典型技术体系如图2-1所示。该技术体系可以分为三层及两个管理体系。
基础层包含的计算和存储技术、网络和通信技术为金融科技提供了算力和数据的支撑。本书将计算和存储技术分为两种，即云计算和存储技术、其他计算存储技术。这是因为云计算和存储技术是新兴计算存储技术的典型代表，主要包括资源虚拟化技术、分布式存储计算技术、分布式计算技术、资源管理技术等，云计算和存储技术为金融科技提供了基础资源支撑的关键技术。网络和通信技术同样按照新兴技术即物联网技术与其他网络通信技术来划分。物联网技术为金融科技提供了数据采集的支撑，其包括射频识别（Radio Frequency Identification，RFID）技术、传感技术、近场通信（Near Field Communication，NFC）技术、视频采集技术等。
中间层主要就是区块链技术，区块链技术在金融科技典型技术体系中比较特殊，充当了承上启下的作用，既有利于多方联合的业务应用的数据流转更加可信，也有利于基础层的计算、网络与存储服务更加可信与安全。区块链技术是多种基础技术的创新性组合，包括密码算法、智能合约、共识机制、跨链技术、分布式存储，其存储的数据具有难篡改、易追溯、多方共同维护等特点。
图2-1 金融科技的典型技术体系
应用层包括以大数据技术和人工智能技术为代表的新兴技术，也包括其他的应用技术。基于区块链的支撑，大数据技术和人工智能技术在公平性和安全性的基础上，直接对金融业务起到推动效率提升的作用，并且可能开启全新的业务模式。
两个管理体系包括安全管理体系和标准管理体系，管理体系是金融科技技术体系的必要基础，为金融科技的典型技术提供执行准则和约束，保障技术的通用性和安全性。
2.金融科技技术体系的各技术关系
在图2-1所示的金融科技典型技术体系中，区块链技术与其他各个技术都存在双向的支撑关系。
（1）在计算和存储技术方面，计算和存储技术为区块链技术提供计算资源支撑，而区块链技术通过为企业提供多中心化的云存储来确保数据的安全。与此同时，区块链技术帮助促进多中心化的云服务，增加连接性，提高安全性和计算能力。
（2）对于物联网技术来说，物联网技术为区块链技术提供获取数据的基础技术支撑，同时区块链技术的分布式思想也为物联网提供去除网络单中心节点、提升网络鲁棒性的技术支撑。
（3）对于大数据技术和人工智能技术来说，区块链技术为它们提供安全性、隐私性、透明性、公平性的支撑，并且提供数据的来源。
（4）就安全性而言，区块链将数据分散存储在计算机网络上，提高了数据的难篡改性，这也从一定程度上保证了数据的质量。区块链通过加密手段来保护数据，能够更好地保护敏感数据隐私。
（5）就标准而言，区块链有利于建立多方交互与存储一体化的技术标准，为产业联盟与规模化应用奠定基础。
1.物联网的传统关键技术
物联网技术通过信息传感将世界万物与网络连接，从而实现万物的信息交互与通信。本节将物联网的关键技术分为RFID技术、传感技术、NFC技术、视频采集技术。物联网技术可以在多方面与金融应用相结合，如物联网技术可以打破传统金融的主观信用体系，助力风险防控，解决信息孤岛及逆向选择等问题。同时，为了避免主观判断不准确的问题，物联网通过智能识别手段，对物与物、人与物的信息、资金、实物交互，进行感知、定位、跟踪、监控和管理，从而实现了对企业销售、运营情况的实时性掌握，并以此对企业动态地调整评级结构。因此，物联网技术可以使金融机构尽早地发现风险，做出预警，进而降低运作成本，规避风险，最大限度地提升服务效率。例如，2017年12月，江苏银行通过使用物联网技术和区块链技术，推出了线上物联网动产质押融资业务。
1）RFID技术
RFID技术通过无线射频方式进行非接触双向数据通信，从而对记录媒体（电子标签或射频卡）进行读写，也就实现了识别目标和数据交换的目的。RFID技术可以广泛地应用于金融领域，如在现金款箱交接流程中使用RFID技术监控，就可以实现押运、安全交接、人员身份验证的智能监管，从而确保银行钱款出入金库的安全押运。农业银行江苏分行通过使用RFID芯片存单，即将RFID芯片封装入存单中，通过读取芯片信息实现其与生产系统的结合，进而防止存单克隆，保障存单安全。
2）传感技术
传感技术是一种信息采集技术，可以高精度、高效率、高可靠地采集数据信息。传感技术也可以有效地应用于金融领域，如传统业务模式中，银行往往无法对质押的动产做到全方位监控，而物联网的传感、导航和定位等技术将使物流环节（尤其是仓储和货运环节）变得可视化，从而使银行实现全面感知和监控质押动产的存续状态和变化，提升风险防控水平。
3）NFC技术
NFC技术就是提供短距离无线连接的技术，可以实现电子设备间的双向交互通信。例如，手机中携带NFC设备，从而实现金融场景中的小额支付。
4）视频采集技术
视频数据采集是一类特殊的数据采集方式，主要是对各类图像传感器、摄像机、录像机、电视机等视频设备输出的视频信号实行采样、量化等操作，从而转化成数字数据。视频采集技术可以有效地支撑金融安全，如通过对采集的监控视频和图像进行分析，从而有效地保障资金安全。
2.基于区块链的物联网
1）传统物联网与基于区块链的物联网的对比分析
由于当前的物联网采用的是中心化架构，导致如果出现不同的利益主体和信任关系，物联网技术就很难自主协作地互联互通，并且物联网中的设备协作和交易都只能在同一个信任域下进行，这也会降低其应用价值和推广程度。而引入区块链技术就可以解决上述信任难题，弥补物联网存在的缺陷。
如表2-3所示，通过区块链与传统物联网技术的融合，解决了传统物联网中存在的诸多痛点问题，提升了系统的安全性、公平性与可靠性。例如，通过区块链中P2P、分布式身份认证技术和分布式一致性等技术，缓解了无中心验证的可靠性问题。
表2-3 基于区块链的物联网的技术优势
2）区块链与物联网技术结合的价值
区块链与物联网技术结合及其经济价值创造可以从两个角度进行总结：从短期角度来看，优化现有流程并削减成本，从而创造价值。从长期角度来看，价值创造更有可能以提升收入的形式实现。区块链与物联网技术的结合会体现3类经济价值，包括削减成本、提升收入和降低风险。
（1）削减成本。
区块链通过在多个利益相关方间创建集中可信的共享数据集，以减少中间环节，这会促使整个价值链交易的自动化，从而削减成本。
（2）提升收入。
通过区块链来实现原本不可行或不可扩展的功能，从而使物联网的价值得到充分释放。例如，在智能合约的使用过程中，实现跨设备自动交易和支付。
（3）降低风险。
通过区块链与物联网技术的结合，推动企业收集并维护必要的审计跟踪记录，从而满足监管要求，降低风险。
3）区块链与物联网技术结合的未来挑战
区块链与物联网技术的结合创造了巨大的价值，但其应用可能面临3项主要挑战：
一是缺乏有效手段整合区块链与物联网技术来解决复杂的业务问题。区块链和物联网技术都可以为用户创造价值，但是需要寻找有效的手段使两者合理结合才能更好地服务用户，同时需要进一步深入探索其应用场景，并且还需要考虑法律法规和安全性等方面的约束。
二是缺乏标准和统一的规范体系。当前区块链技术与物联网技术的整合方式、方法、途径、机制都尚无统一的标准和规范体系，各个厂商势必依据自身实际技术和应用情况采取不同的整合手段。而这会导致一定程度的市场混乱并难以推广，甚至影响未来的进一步发展，危及企业自身的效益。
三是多方协调合作。因为要充分释放“区块链+物联网”项目的真正价值，需要多方齐心协力地投入时间、资金和精力。因此，企业需要在测试新解决方案时让所有利益相关方参与进来，并投资建设最小可行生态系统，从而确保解决方案对多个参与方均行之有效。
从短期来看，在金融领域，物联网技术与区块链的结合主要体现在物联网技术对区块链的数据支撑上。因为只要通过现存的、已经成熟的物联网技术就可以从一定程度上提升原始上链数据的真实性，并不需要较大的技术改动。从长期来看，基于区块链技术对物联网技术的改进，可以促进金融领域物联网应用价格的降低、可靠性的提升，间接地为金融领域产生效益。
人工智能技术是信息科学的一个重要分支，主要研究机器模拟人的思维过程和智能行为而构建的智能技术理论。本节将人工智能技术主要分为机器学习技术、强化学习技术、迁移学习技术、深度学习技术和联邦学习技术。人工智能技术可以在多方面与金融应用相结合。基于人工智能技术打造金融数字助理，可以为用户推荐产品/服务。金融聊天机器人也是利用人工智能技术来实现的，通过语音可以请求余额查询、一般账户信息查询等服务。此外，人工智能模型可以提供客户信用风险的即时评分，银行和保险公司通过该风险评分对客户进行分析，然后制定适合的报价，如加拿大宏利金融集团（Manulife Financial）将人工智能技术应用于承保服务。
1.人工智能的关键技术
1）机器学习技术
机器学习技术的本质是机器通过模拟人类的学习行为，进而驱动其自身知识和技能的重新组织并得到不断改善。其算法的设计能够通过分析历史市场行为，确定最佳市场策略，也可以检测特殊或异常的行为，使交易更加安全。例如，美国Renaissance Technologies公司、Walnut Algorithms公司就研发了智能交易的产品。
2）强化学习技术
强化学习的本质是让软件智能体通过试错的方法，在特定环境中获得最大化回报的行为技术。强化学习是一种激励技术，如果这种激励对机器有利，则这种行为就会重复出现；若对机器不利，则这种行为就会减弱直至消失。在金融领域，强化学习可以优化股票的投资策略，从而使投资回报最大化。例如，美国贝尔实验室和哥伦比亚大学就提出了基于深度强化学习方法的股票交易模型。
3）迁移学习技术
迁移学习技术是指一个预训练的模型被重新用在另一个任务中，它使用源领域的知识来帮助目标领域的学习。根据迁移学习具体不同的实现方法，迁移学习可以分为基于样本的学习、基于特征的学习、基于参数的学习、基于相关性的学习。迁移学习技术在金融领域应用广泛，可以解决大部分源数据不足的问题。例如，学习部分信贷用户的行为数据，判断另一部分相似特征的用户行为，使金融机构通过迁移学习建立风险防控模型，从而判断客户的信用风险。
4）深度学习技术
深度学习技术通常指深度神经网络技术，比起传统的神经网络拥有更多的网络层、更为复杂的网络结构。例如，可以将蚂蚁金服公司研究的面向海量图数据的深度学习技术应用到金融营销场景，通过用户的历史购买行为来预测用户对金融产品优惠的敏感程度，从而推动个性化优惠，提升营销资金的利用效率。
5）联邦学习技术
一般的机器学习技术是通过收集数据到服务端，并通过相应的机器学习算法训练模型的。但是，部分数据是十分隐私的，难以收集，导致此类机器学习技术和算法难以应对。而联邦学习技术是一个全新的机器学习框架，可以将训练任务放到用户侧，将训练得到的模型参数发给服务端，这样就能保证数据在用户本地，在不会泄露隐私的前提下，有效帮助多个机构进行数据使用和机器学习建模。此外，联邦学习技术可以通过引入更多的用户参与训练，进而拓展训练数据集，提升模型的训练质量。
2.基于区块链的联邦学习
当前的人工智能算法主要通过一个中心化数据集来训练模型，一般来说，数据集越大，所训练的模型拟合得越准确。为了达到此目的，就需要从用户侧收集更多的数据，这也会增加数据泄露的风险。此外，收集更多的数据本身也是一个难题。因此，如何将区块链技术与人工智能技术相融合，从而通过分布式的手段提升系统整体的安全性与智能程度，是需要重点研究的问题。
由于联邦学习具有分布式、本地计算等特征，与区块链所具有的分散性、分布式计算等特征有诸多相似之处，因此联邦学习较其他人工智能算法更适合与区块链相融合。
1）区块链与联邦学习的结合
联邦学习和区块链都有不足之处，但也有互补之处，主要体现在3个方面。
一是存储能力不足的问题。区块链中的各个节点的存储能力等都是有限的，上链数据如果过大，就会导致存储不足。通过联邦学习可以只将计算结果存储在节点中，从而节省链上各节点的存储空间。
二是无法互信与参数虚假问题。联邦学习的参与方来自不同的组织或机构，彼此缺少信任，而通过区块链技术可以建立不同方之间安全可信的机制。联邦学习中的参与方会提供相应的训练参数，但是这是缺乏质量验证的，如果参与方怀有恶意，那么可能会提供虚假的模型参数，导致学习的失败。而区块链技术通过参数上链可以帮助避免出现该问题。
三是参数隐私问题。联邦学习中的参数存在被破解的风险，所以在传输过程中的隐私性也需要保护和增强，因为恶意的用户可以依据联邦学习梯度参数在每一轮中的差异，通过调整输入数据逼近并获得真实的梯度，有可能推测出用户的敏感数据。而上述问题前者可以通过区块链技术的共识机制来解决，后者则可以通过区块链的加密与用户隐私技术来避免。
基于区块链的联邦学习的技术优势如表2-4所示。
表2-4 基于区块链的联邦学习的技术优势
2）区块链与联邦学习技术结合的价值
（1）提升安全性与可靠性。
基于区块链与联邦学习的架构，将区块链安全、可信，以及联邦学习分布式智能特点进行了互补，提升了系统整体的安全性，构建了更为可靠的区块链机制。从而实现了在安全、可靠的基础上，大幅节省了系统维护的开支。
（2）降低成本。
数据分散到区块链的各个节点共同存储，会导致各个节点维护成本高的问题，通过联邦学习技术存储计算的结果数据，而非大量的中间过程数据，会使存储的数据量显著下降，从而节省区块链上节点的存储空间，降低经济成本。
（3）提升收入。
区块链与联邦学习技术相融合，可以支撑一种新颖的分布式、强隐私、高可靠的协作数据服务的商业模式，有利于个人、企业与组织挖掘数据潜能、释放数据价值、创新增值服务。
3）区块链与人工智能技术结合的未来挑战
尽管区块链与联邦学习技术的融合可以实现一定程度的互补，但是区块链与联邦学习技术或者人工智能技术的结合也存在诸多挑战。
一是技术挑战。区块链共识机制的效率是限制系统整体性能、影响联邦学习或者其他人工智能技术进一步应用的瓶颈。区块链技术如何与更多的人工智能技术有机结合，发挥各自的优势是值得长期研究的问题。
二是服务挑战。区块链与人工智能技术如何有效结合来服务用户有待探索。区块链与人工智能技术都是新兴技术，各自服务不同需求的用户，即便两者有结合的可能性，但整合后是否对服务群体有积极的影响，如何扩大用户群体还有待探索。
三是市场的适应性挑战。区块链与人工智能技术还处于探索阶段，各自的成熟应用还有待市场检验，其技术发展方向是否与当前保持一致，也尚不确定，因此两者在技术上的融合更加需要市场和用户的进一步适应。
四是缺乏融合的标准挑战。区块链与人工智能虽然都有各自的技术标准，但是两者的融合标准还处于缺失状态，如果不能够提前制定相关标准，势必造成两者不能够顺利地融合，甚至出现不同厂商的融合方法不同导致最终的应用无法相互兼容的问题，这不仅不会带来任何优势，反而会对两种技术的价值带来极大损害。
五是投资与发展的融合挑战。从短期来看，无论是区块链技术还是人工智能技术的进一步优化，都能带来极大的商业价值，也符合短期发展的目标。但是从长期来看，对两者的全面、深入的融合，由于上述的挑战尚不能解决，也会直接影响两个技术未来的发展和商业投资。
大数据的“大”不仅指的是数据量大，而且还意味着数据维度足够多，并且增长快。“数据”不仅指数据本身，还包括数据采集、存储、分析、呈现等环节，每个环节的技术也并非都是全新的，大数据技术是多个环节的技术的业务逻辑形成的集合。针对数据的管理存在数据孤岛、隐私泄露等问题，可利用区块链技术链接多方实现数据的可信共享，充分发挥大数据的应用价值。
1.关键技术
1）采集环节
数据采集环节是整个大数据技术环节的入口，是通过各种技术手段实时或非实时地收集、存储数据，进而转入大数据的分析环节。与传统的数据采集过程相比，大数据采集的突出特点是数据类型丰富，不仅包括结构化数据，还包括半结构化数据和非结构化数据。在金融领域，大数据的信息载体既有以电子文档形式发布的文件及报告，也有通过感应系统采集的真实世界中的信息流。随着移动互联网、物联网技术的普及，数据的采集更加快捷，产生的数据也更加丰富。
由于采集的数据类型多样且存在无效值和缺失值，因而在对数据进行分析前，还需要进行数据预处理。数据抽取、转换和加载（Extraction Transformation Loading，ETL）是数据预处理的惯用做法。大致过程是先将已经存储在系统中的数据抽取到临时中间层，按照合适的业务逻辑进行清洗、转换、合并，再加载至数据仓库或数据集市中，成为联机分析处理的基础。
2）存储环节
随着人类社会数据总量的指数型增长，传统的数据存储技术也面临着挑战，海量数据的存储是大数据时代必须解决的问题。基于分布式系统的思路，谷歌开发出GFS（Google File System）系统，使得在廉价服务器集群中实行分布式存储成为可能。随后Apache基金会支持的一个开源子项目实现了GFS，这就是后来的HDFS（Hadoop Distributed File System，HDFS）。HDFS和MapReduce分别解决了大数据时代的存储和计算的问题，与其他多个组件共同构成了大数据的生态圈——Hadoop。与传统数据存储相比，大数据存储的突出特点是需要使用以分布式文件系统和基于CAP原则设计的分布式数据库。其中，CAP原则是指分布式系统具有一致性（Consistency）、可用性（Availability）与分区容错性（Partition Tolerance）。
3）计算与分析处理环节
虽然CPU的速度在不断提升，但其制造工艺已经接近物理极限，单纯地增加CPU核心数并不能从根本上解决问题，传统的指令执行方式已经无法满足海量数据处理的需求。在这样的现实背景下，谷歌提出了名为MapReduce的分布式计算模型，该模型的基本思路是将海量数据切分成多个小规模的数据集，并将其分布到多个服务器上完成并行计算，体现了分而治之的核心思想。MapReduce的出现使得原本连高性能服务器都难以处理的海量数据的问题可以通过多个廉价服务器解决。
金融行业存在多种不同的应用场景，因而处理过程面临的问题复杂多样，单一技术无法满足不同类型的计算需求。此外，传统的数据处理技术在面临容量为PB级别的海量数据时无法满足低延时的需求，因此大数据时代需要更高效的数据处理技术。除MapReduce之外，还存在流计算、图计算和查询分析计算等大数据分析技术。从表2-5中可以看出，大数据时代丰富的业务逻辑催生了多种分析处理技术，充分体现出技术的进化逻辑——“术业有专攻”。
表2-5 大数据分析技术比较
（续表）
4）数据可视化
数据可视化是将数据库中的每个数据项以一定的业务逻辑组织起来，使用图形图像的形式表示，并将数据各个属性值通过多种维度呈现出来，使受众能从不同维度观察数据，为更深入的洞察提供感性认识基础，进而能够形成理性认识并抽象出数据背后的规律，指导后续的研究。数据可视化可以将枯燥乏味的数据转化成丰富生动的视觉效果，使数据变得更易于理解，提升数据的分析效果。
数据可视化过程应该满足以下标准：简洁美观的展示界面、可视化报告在程序中的无缝式嵌入、强大的人机交互性。常用的数据可视化技术框架包括Tableau、Power BI、Qlikview等。
2.金融大数据与区块链的结合
大数据的一大核心特征是数据的维度足够大，这意味着数据必然有多个来源，如何进行有效数据共享和数据真实性认证是十分重要的问题。然而，数据孤岛的问题直接制约了大数据的共享和认证。数据孤岛有两种，一是物理性数据孤岛，指的是数据在不同的物理位置独立存储、分别维护；二是逻辑性数据孤岛，指的是相同意义的数据被赋予了不同的存储及处理规范，导致多个数据来源之间难以整合。而区块链与大数据技术的结合可以解决上述问题。
1）区块链与大数据技术的结合
结合分布式存储和分布式账本，可以为数据共享难题提供解决方案，从而实现可信的数据存储、高效的数据利用和安全的数据共享。相对于传统的数据存储及传输，新的解决方案的特点是在部署环境和应用层之间加入一个分布式的基础服务框架，每个节点相当于一个分布式账本，当数据共享方有新数据上链时可向信息自组织（自组织是各节点按照某种规则形成的具有一定功能的组织）请求更新区块链上的数据。在获得授权后，将加密后的数据上传至单个节点，再向该基础服务框架的所有节点进行广播。信息需求方可向信息自组织申请查看授权，获得授权后由链上的节点返回结果。在这个过程中，信息自组织虽然是个中心化组织，但其作用仅限于信息更新和查看的授权，信息的存储仍然处于区块链的多个节点上，从而保证了信息的难篡改性。
数据作为一种重要资产，需要流通起来才能发挥更大的作用，而数据使用权和所有权难以分割，会导致产权关系不清晰。因此，要实现数据共享，其中的一个重要环节就是完成数据确权。王海龙等结合区块链和数字水印技术，提出一种新的大数据确权方案，有助于解决大数据确权的问题。该方案先对质量审核通过的大数据和数据提供者的信息嵌入数字水印，形成确权结果，再将该结果上链，完成从传统的中心化存储转向整个生态圈的分布式存储，以上过程除了数据质量审核环节外，其他环节均可自动化实现。在数据交易完成后，为了防止数据使用方转手倒卖，可以结合智能合约技术。在智能合约中记录数据的使用日志，内容包括时间戳、使用者的账户和对数据采取的操作，这些日志内容均实时写入区块链。当数据的使用者只有浏览行为时，智能合约静默，一旦发生复制行为，智能合约立即触发，对复制行为实行阻止或收费。
综上所述，传统大数据技术存在数据质量差、隐私数据泄露、数据作为一种资产难以交易三大问题，而基于区块链的大数据技术则解决了上述三大问题（见表2-6）。
表2-6 基于区块链的大数据技术的优势
2）基于区块链的大数据技术的应用
随着银行间市场对外开放力度不断加大，人民币国际化与“一带一路”的推进，人民币在国际金融市场上扮演的角色势必越来越重要，境内机构对标准化实名认证KYC的需求也随之增加。推行KYC不仅有助于金融防范身份盗用、欺诈、洗钱等商业风险，也有利于维护整个金融系统不发生系统性风险。目前金融机构之间的KYC标准存在差异，机构之间无法大范围共享数据，造成整个金融市场的重复合规成本高、数据利用率低的问题。为了解决以上问题，可考虑使用基于区块链的大数据技术解决方案。
交易中心可以在机构交易行为评分和交易风险提示这个环节进行KYC试点，作为发起人，制定银行间市场KYC的数据标准，鼓励会员单位将自身数据上链，实现脱敏信息的可信共享和安全可控的KYC信息共享数据库。在这一业务场景中，信息需求方（银行间市场会员）同时也要提供自身的数据，发起人对数据的访问和更新进行授权，并部署一定数量的区块链节点。在这样的联盟链上，信息需求方可向发起人申请KYC业务的数据，根据彼此之间的授信关系，自主选择是否公开信息共享和隐私数据服务共享，并完成点对点数据交易。整个过程可以实现原始数据不出机构，以加密机制下的参数交换方式实现“数据可用而不可见”。在这样的业务场景下，交易中心作为中心化组织，作用是对数据访问和更新进行授权，信息的存储仍然处于区块链的多个节点上，从而保证了信息的难篡改性。
以上信息表明，基于区块链的大数据技术，可以在一定程度上解决隐私泄露和数据标准缺失导致的数据孤岛问题。首先，在解决方案中，数据的提供者同时也是数据的使用者，这形成了对提供数据的正向激励，使金融机构有意愿提供自身的数据取换取其他机构的数据；其次，区块链的脱敏功能可以消除数据泄漏的隐患；最后，由交易中心牵头制定该业务场景下的数据标准，完成整个业务场景的闭环。
3）区块链与大数据技术结合面临的挑战
区块链与大数据技术结合虽然能够在一定程度上保证数据的真实性，但也只是保证上链后的真实性，而并不能保证源数据的真实性。以KYC为例，KYC的关键在于数据收集阶段，原始数据在上链之前要保证准确性和完整性。在提供机构交易行为评分和交易风险提示的KYC服务中，需要收集交易会员的财务报告、经营状况、股权信息、管理层信息、负面信息等数据。其中除了上市公司的财报、管理层和股权信息是公开的，其他数据均属于另类数据范畴。银行间市场的会员机构有大量为非上市公司，即使愿意提供这些数据，其准确性也难以保证。若数据在源头上就无法保证准确性，则后面环节中区块链的难篡改性也将失去意义。即使原始数据是准确的，数据的完整性也难以保证。以股权信息为例，上市公司可以隐匿股东的关联关系，这就容易出现大股东掏空上市公司的问题，进而引致交易对手风险和信用风险。
由此可见，即使是经过审计的数据信息，也难以保证其完整性。原始数据的准确性和完整性问题直接制约了KYC服务的落地，该问题难以通过现有的技术手段解决，需要通过更严格的法律法规进行改善。
4）区块链与大数据技术结合的未来价值
（1）数据价值的转化。
“区块链+大数据”为共享经济的发展指明了方向。共享经济的突出特征是物品使用权发生暂时转移，其本质是整合资源，使资源的所有者获得经济红利。数据作为新时代的重要资源，数据共享在未来的价值甚至会超越有形资源的共享价值。然而，数据难确权、数据隐私保护都会影响数据共享。区块链通过智能合约技术可以对数据资产进行确权，解决数据隐私与信息共享难题，提高数据提供方源源不断地生产数据的积极性，并且存在提交数据用于共享的内在驱动力，从而减少数据孤岛的产生。
（2）数据质量驱动共享经济。
区块链的可追溯性使数据的采集、流通和分析均可实现留痕化管理，使数据的质量更有保障。区块链的技术特性在数据的整个生命周期中均能发挥重要作用，从而为以数据流通为代表的共享经济的发展指明了方向。
大数据和人工智能时代的到来，对存储和计算能力提出了更高的要求，因而成为云计算发展的重要驱动力。云计算与传统IT设施相比的优势在于构建计算和存储资源时无须购置实物服务器和网络设备。云计算作为一种新型IT资源使用方式，通过互联网向用户提供硬件、平台及软件服务，通过虚拟化技术满足用户对计算和存储资源的弹性需求，具有动态易扩展的优点。云计算的基础设施是数据中心的物理资源，基于多种软件技术对物理硬件进行虚拟，这为用户屏蔽了大量底层细节，便于在较高的层面进行架构设计和资源使用，提高了开发效率。
云计算是金融机构运用金融科技打造现代化运营的基础，越来越多的金融机构将实施云计算解决方案作为建立数字金融生态的核心，监管机构也推出了相应的政策。例如，2015年国务院印发《关于促进云计算创新发展培育信息产业新业态的意见》、原银监会在2016年发布《中国银行业信息科技“十三五”发展规划监管指导意见（征求意见稿）》等。IDC（国际数据公司）发布的《全球云IT基础设施季度跟踪报告》显示，到2022年，亚太地区金融机构公有云服务支出将达到95亿美元。以上分析表明，“金融上云”将成为常态。
1.关键技术与分类方式
1）虚拟化技术
虚拟化是云计算的基石，通过虚拟化，单个服务器可以被分割为多个颗粒度更细的资源，也可以将多个服务器组成分布式系统，满足高吞吐、高并发、低延迟的业务需求，实现资源的高效利用。在物理服务器上安装虚拟化软件，就可以虚拟出多个在逻辑上互相隔离的虚拟机，本质上是对底层计算和存储能力的集成和再分配。
（1）计算虚拟化。
将一台计算机用逻辑隔离的方式划分为多台能同时独立运行的计算机（虚拟机），实现资源的动态分配和灵活调度。核心是虚拟机运行在硬件和操作系统之间，允许多个操作系统共享一套服务器，运行时给每台服务器分配适量的CPU算力、内存、硬盘和网络带宽。
（2）存储虚拟化。
存储虚拟化意味着无须对单个物理存储设备进行管理，而是将多个物理存储设备整合为统一的存储空间进行管理。这种技术实现了分布式存储，其优点在于强拓展性，存储服务器可以按用户的需求为其分配所需的空间。
（3）网络虚拟化。
云端虚拟机体现了计算与存储分离的设计思想。传统单一物理服务器资源的虚拟化，是在同一台服务器上对计算、存储、网络等环节进行分割，这种方式的缺陷在于，当物理机的局部出现故障时，也很容易影响到里面的多个虚拟机。云虚拟机的组成则有所不同，CPU与内存仍整合在一台服务器上，这样的多台服务器就组成了计算集群，每个服务器带有虚拟网卡，通过数据中心的内网共享一个IP地址，完成网络接入。在存储方面，云端使用磁盘集群。网络、硬盘等其他部分可脱离于宿主机之外。
2）分类方式
目前，云计算是由不同业务形态的云服务组成的，业界一般将其分为基础设施即服务（Infrastructure as a Service，IaaS）、平台即服务（Platform as a Service，PaaS）和软件即服务（Software as a Service，SaaS）3种业态。
IaaS一般指云计算所能提供的计算、存储、网络等底层服务，同时还提供跟踪服务组件和资源调度模块，一些技术细节对云端开发者而言是封装起来的，使用者无须关心这些底层技术细节。使用者能够在上面部署和运行任意软件，包括操作系统和应用程序。使用者不管理或控制底层云基础设施，但可以控制操作系统、存储和已部署的应用程序，并且还能受限地控制所选的网络组件。IaaS代表性产品和服务包括云端虚拟机、云磁盘、云网络等，其突出特征是与传统的本地化IT设备之间存在明确的对应关系。
PaaS是指云计算提供的平台类服务，以及面向场景领域的服务，PaaS相当于云计算时代的“操作系统”，为开发者提供了功能完备的中间件模块，包括集成开发环境和SDK等工具，免去了传统软件开发过程中配置开发环境的环节，能大大缩短开发周期。在具体的产品服务类型方面，云端数据库、云容器和云端AI平台都属于PaaS。
SaaS是指基于云构建可开箱即用的各种业务应用，即在云基础设施上运行的供应商应用程序，应用程序可通过Web浏览器或客户端界面访问。传统软件业的商业模式为出售复制，而SaaS是在互联网上提供传统软件的功能，精简了软件行业的服务环节。电子邮件、云桌面、在线游戏都属于SaaS类型。
3）部署方式
（1）公有云。
公有云的突出特征是资源服务共享，是目前云计算市场最主流的业态。云服务提供商负责系统的所有管理和维护工作，相较于本地IT基础设施，公有云还可以更快地部署，且理论上在算力和存储方面具有可无限缩放的拓展能力。
（2）私有云。
私有云是为单一用户而构建的，一般部署在企业自己的数据中心内，或部署在安全等级更高的托管场所。其突出特征在于其计算、存储、网络资源是专有的。与公有云相比，私有云的优点在于能提供对数据、安全性和服务质量的最有效控制，缺点在于安装和运维成本高。
（3）混合云。
混合云是公有云和私有云两种服务方式的结合。出于对成本效率和数据安全的综合考虑，一些企业会选择混合云的服务模式，将敏感数据存储在私有云中，将脱敏后的数据上传至公有云进行计算，计算完成后将结果返回私有云，这种模式体现出极大的灵活性。
2.云计算与区块链技术的结合
1）云计算与区块链技术的结合概述
从技术特性上看，云计算和区块链同属分布式技术的典型代表，云计算的目标是实现按需分配，区块链的目标是构建一个信任体系。如表2-7所示，云计算的问题在于数据安全存在泄漏风险，而区块链的加密特性有助于这一问题的解决；区块链的一个性能瓶颈在于数据存储能力，而云计算可以通过分布式存储，满足上链数据只增不减的业务需求。可以预见，将区块链技术框架嵌入云计算平台，为开发者提供简洁、高效的使用环境，将成为金融科技发展的大势所趋。
表2-7 基于区块链的云计算技术的优势
2）基于区块链的云计算技术在客户征信中的应用
由于金融机构在征信过程中存在信息不对称和隐私保护的隐患，传统的系统架构难以满足信息共享和隐私保护的要求，基于BaaS模式，金融机构可在有效保护敏感信息的基础上实现重点信息的共享和验证，免除多个金融机构重复的记录和识别工作，有助于以低成本方式识别欺诈行为。随着征信对象数量的激增，征信系统有必要使用分布式架构，公有云可以成为其技术解决方案。但考虑到敏感数据泄露的风险，可借助区块链中的密码学技术实现敏感信息的验证。随着征信数据的积累，金融机构可以构建准确度更高的信贷反欺诈模型，降低坏账率。
3）区块链与云计算技术结合面临的挑战
（1）健壮性挑战。区块链与云计算技术在结合时尽管有诸多优势，但也面临着一些挑战。BaaS利用云计算技术可以便利地实现区块链，但是它会导致区块链部署在一块云上，云的健壮性将直接影响区块链的健壮性，如果云本身的规模很小，部署得不够分散，就会导致部署在此之上的区块链的健壮性弱。
（2）响应性挑战。区块链技术本身是分布式账本，需要大量的分布式空间，而云计算技术尽管将分布式空间进行整合，但是每个节点的存储能力却不同，导致部署在其上的区块链节点的存储能力不同，降低了区块链的响应性能，影响了区块链的实际应用。
4）区块链与云计算技术结合的经济价值
（1）提升技术开发效率，降低成本。
BaaS的价值在于降低开发者的技术门槛，减少开发成本，使开发者能专注于业务逻辑层面的开发，而非区块链的底层技术，从而满足敏捷开发的需求。当前主流的BaaS技术服务提供商均提供了标准化节点，方便开发者调用，并兼容以太坊等多种区块链技术，方便开发者在技术选型时进行切换。
（2）利用激励策略提升经济价值。
区块链还可以在边缘计算的实施中产生价值。边缘计算网络中的不同节点及设备可以提供一定量的计算、存储和带宽服务，区块链的智能合约及分布式账本的特性可以保证对有贡献的单个节点给予激励，实现相应的经济价值，使更多的计算资源得以充分利用。