筆記內容來自隱語Mooc，歡迎一起來學習。Mooc課程地址：https://www.secretflow.org.cn/community/bootcamp/2narwgw4ub8r...

📘 8.8 密態計算技術在車險行業的應用及前景

主講人：馬美鑫 | 華泰保險經紀有限公司互聯網與創新事業部 總經理

一、法律法規對數據安全的要求

1. 《數據安全法》與《個人信息保護法》

• 要求金融保險機構對業務數據（尤其是個人金融信息、健康信息）進行分類分級管理。
• 遵循最小必要原則，避免過度收集和使用個人信息。
• 密態計算（如聯邦學習、多方安全計算）可在不轉移原始數據的前提下實現聯合建模，符合合規要求。

2. 《網絡數據安全管理條例》（2025年施行）

• 明確要求金融、醫療等重點行業採用隱私增強技術（PETs）保障數據安全。
• 對跨境數據傳輸提出嚴格限制，密態計算可實現“數據不出境”的合規要求。

3. 《銀行保險機構數據安全管理辦法》（2024年12月發佈）

• 數據分為核心、重要、一般三級，實施差異化保護。
• 實施全生命週期安全管理，強調敏感數據保護。
• 個人信息需遵循“授權同意”原則，禁止過度收集。

二、密態計算技術的價值與適用場景

1. 核心價值

• 保護數據隱私：原始數據不出域，實現“數據可用不可見”。
• 打破數據孤島：支持多方數據安全融合與聯合計算。
• 驅動業務創新：賦能精準定價、智能風控、理賠優化等場景。

2. 最佳落地場景

• 健康險：融合醫療、體檢等多方數據，實現精準核保、理賠及反欺詐。
• 車險及涉車非車險：融合駕駛行為、車輛傳感、地理信息等多維數據，賦能差異化定價與風控優化。

三、車險數據來源與融合應用

1. 車險數據來源多樣性

• 車主及用户數據
• 行駛數據（駕駛行為、違法記錄等）
• 車輛數據（基本信息、車況等）
• 投保與理賠數據
• 車後生活數據（保養、充電、導航等）

2. 密態計算實現多源數據融合

• 構建車輛全生命週期畫像。

• 賦能四大業務環節：

  • 風險識別：車輛與車主風險評級
  • 風險管理：商用車運營與安全駕駛管理
  • 智能理賠與減損：智駕判定、反欺詐、快速定損
  • 產品創新：電池延保、場景化保險等

四、風險評分與車險定價

1. 風險因子分類

• 靜態因子：車主年齡、性別、地區；車輛品牌、車型、車齡等。
• 動態因子：駕駛行為數據（急剎、超速、疲勞駕駛等）；行駛場景數據（夜間駕駛、高速佔比等）。

2. 密態計算建模

• 使用同態加密、聯邦學習等技術構建“駕駛行為-風險映射模型”。
• 輸出風險評分（0-100分），實現精準風險評級與事故概率預測。

3. 定價與服務優化

• 保險公司：細化定價模型，實現基於人或里程的差異化保費。
• 車企：提供安全駕駛積分、車輛操控優化等增值服務。
• 用户：享受個性化保費與更安全的駕駛體驗。

五、智能理賠與減損

1. 智駕保險責任判定

• 主機廠提供加密的傳感器數據與系統日誌。
• 保險公司使用加密數據按規則計算，判定是否屬於保險責任。

2. 電池非現場損失補償保險

• 判斷是否為意外事件導致，或是否因輕微問題導致後果惡化。
• 依賴主機廠提供的加密電池性能數據進行責任判定。

3. 理賠流程優化

• 精準定責：通過多方安全計算認證，評估故障與事故關聯性。
• 快速定損：結合損壞部位信息、零配件價格體系，實現自動核損。
• 反欺詐：識別虛假報案與騙保行為。
• 維修引導：推薦品質保證的維修服務商，提升用户體驗。

六、密態計算賦能車險價值提升

• 保險公司：定價更精準、理賠更高效。
• 車企：用户服務更個性化、車輛安全設計更貼合實際需求。
• 用户：獲得更公平的保障與更安全的駕駛體驗。

核心方向：主機廠與保險公司的數據協同是未來車險市場化、智能化的關鍵。

✍️ 學習總結

• 數據安全法規趨嚴，推動密態計算在保險行業落地。
• 密態計算實現數據不動模型動，保護隱私的同時釋放數據價值。
• 車險數據來源多樣，融合後賦能風險定價、智能理賠、產品創新全流程。
• 主機廠與險企的數據協同將成為車險智能化發展的核心驅動力。
• 未來車險將更個性化、公平化、高效化，實現用户、車企、險企多方共贏。