面向金融智能共享的隐私保护模糊名称匹配

金融机构依赖数据完成多项运营任务，包括提高效率、提升服务质量及防止金融犯罪。跨组织或跨机构的数据共享可促进快速、以证据为依据的决策，包括识别洗钱及欺诈行为。然而，现代数据隐私法规对数据共享实施了限制。为此，隐私增强技术正日益被采纳，以确保在遵守监管要求的同时，组织能够从数据中提取共享智慧。本文考察如下情形：监管限制使得一方无法与另一方（内部或外部）共享其感兴趣账户数据，以确定持有双方账户的个人。账户持有人的姓名在各数据集中可能记录方式不同。我们引入一种面向金融智能共享的隐私保护模糊名称匹配方案，采用基于 MinHash 签名的全同态加密。通过引入聚类机制提升方案效率。该方案仅向查询方透露潜在匹配的可能性，从而确保隐私。我们对方案的实际性与有效性进行了不同数据集的评估，并与现有领先方案进行了比较。其搜索 1000 名称（来自 10k 或 100k 名称）所需时间分别为约 100 与 1000 秒，符合金融机构需求。此外，该方案在减少通信开销方面显著提升性能，降低 30 至 300 倍。