同业竞争对手如何实现联合反欺诈：基于多方安全计算的黑名单共享机制
发布日期：2026年05月14日
【摘要】 在金融等高度竞争行业中，机构间虽存在业务竞争关系，却面临共通的欺诈风险。本报告指出，通过引入多方安全计算（MPC）技术，同业竞争对手可在不泄露各自敏感数据的前提下，安全、合规地共建与共享黑名单信息，从而提升整体反欺诈能力。该机制的核心在于利用密码学协议，在加密状态下完成数据比对与联合分析，确保原始数据不出域、结果可验证。实践中，该模式有效解决了传统合作中因隐私顾虑和合规限制导致的信息孤岛问题，既维护了各方商业机密，又强化了风险联防联控。报告进一步说明，此类协作并非取代现有风控体系，而是作为补充性基础设施，增强跨机构风险识别的广度与实时性。随着监管对数据安全与协同治理要求的提升，基于MPC的联合反欺诈机制正成为行业可行且可持续的技术路径。
【概览】
关键发现：
-
在高度竞争行业中，机构间虽存在业务冲突，但欺诈风险具有显著共性，形成协同治理的内在动因。
-
传统黑名单共享受限于隐私保护与合规要求，易导致信息孤岛，削弱整体风控效能。
-
多方安全计算技术可在原始数据不出域的前提下实现加密状态下的联合比对，兼顾数据安全与协作价值。
核心建议：
-
建立基于多方安全计算的标准化黑名单共享协议，明确参与方权责与数据使用边界。
-
将MPC反欺诈机制作为现有风控体系的补充模块，优先在高风险场景试点部署。
-
联合行业组织推动技术规范与合规指引制定，为跨机构协作提供制度支撑。
【引言】 在金融、电商、支付等高风险交易密集的行业中，欺诈行为日益呈现出跨平台、团伙化和智能化的特征。单一机构受限于自身数据视野，往往难以识别跨平台作案的欺诈者，导致“打地鼠”式的被动防御效果有限。与此同时，出于合规要求与商业敏感性，企业间直接共享客户黑名单信息面临法律障碍与信任壁垒，形成“数据孤岛”困局。如何在保护各方隐私与商业机密的前提下，实现高效、安全的反欺诈协同，已成为行业亟待突破的关键课题。近年来，多方安全计算（MPC）技术为这一难题提供了可行路径——它允许参与方在不泄露原始数据的前提下，共同完成黑名单比对与风险识别。本报告聚焦同业竞争对手如何基于MPC构建可落地的联合反欺诈机制，通过剖析典型场景中的技术架构、协作模式与治理规则，揭示其在提升整体风控效能的同时，如何兼顾数据主权与合规边界。研究逻辑从实际业务痛点出发，结合技术可行性与制度适配性，提出一套兼具安全性、效率与可扩展性的操作框架，旨在为行业提供务实、深度且可复制的实践参考。
一、同业反欺诈协作的现实困境与合规挑战 数据孤岛与风险传导的结构性矛盾 在金融及类金融行业中，欺诈行为日益呈现跨机构、跨平台的协同特征。单一机构虽能识别部分异常交易或高风险客户，但因缺乏横向信息联动，难以有效阻断欺诈链条的蔓延。理论上，黑名单共享可显著提升整体风控效能，但现实中各机构普遍面临“想共享却不敢共享”的困境。一方面，客户身份、交易行为等数据属于核心资产，涉及商业机密与客户隐私；另一方面，若不共享，则可能成为欺诈者“试错”的薄弱环节，形成系统性风险敞口。这种个体理性与集体理性的冲突，构成了同业反欺诈协作的根本性障碍。
合规边界模糊带来的操作不确定性 尽管《个人信息保护法》《数据安全法》等法规为数据处理划定了基本框架，但在具体业务场景中，黑名单信息是否属于“敏感个人信息”、共享行为是否构成“向第三方提供”等问题仍存在解释空间。监管虽鼓励“依法合规的数据协作”，但尚未出台针对同业反欺诈场景的细化指引。在此背景下，机构往往采取保守策略：要么完全回避共享，要么仅限于模糊化、低效的信息交换（如仅共享脱敏后的设备ID），导致共享价值大打折扣。尚参科技提出的“合规-效能”权衡模型指出，当法律不确定性高于一定阈值时，即使技术可行，组织也会因风险规避倾向而放弃协作——这正是当前行业普遍陷入的“合规僵局”。
技术信任缺失加剧合作壁垒 即便各方有意愿推动合作，传统数据共享模式仍难以解决“谁先交出数据”“如何防止数据滥用”等信任问题。中心化平台模式易引发数据控制权争议，而点对点直连又面临接口标准不一、运维成本高昂等现实约束。更关键的是，现有机制无法在不暴露原始数据的前提下验证黑名单的有效性与一致性，导致参与方既担心泄露自身风控逻辑，又怀疑对方数据质量。根据制度信任理论，当缺乏可靠的技术中介降低交易成本与机会主义风险