隐私计算金融风控应用工程师考试试卷及答案

隐私计算金融风控应用工程师考试试卷及答案隐私计算金融风控应用工程师考试试卷一、填空题（共10题，每题1分）1.隐私计算的核心技术包括联邦学习、差分隐私和________。2.金融风控中，隐私计算主要解决________导致的数据无法共享问题。3.联邦学习按参与方角色可分为横向联邦、纵向联邦和________联邦。4.差分隐私中，衡量隐私保护强度的关键参数是________和噪声。5.金融风控场景下，隐私计算常用于反欺诈、________和授信评估。6.数据脱敏属于隐私计算的________环节（预处理/计算）。7.联邦学习中，参与方无需传输________数据，仅共享模型参数或中间结果。8.《数据安全法》要求数据处理应遵循________、目的限制等原则。9.隐私计算在金融合作中，需明确各方的________责任。10.差分隐私的“ε-差分隐私”中，ε越小，隐私保护越________。二、单项选择题（共10题，每题2分）1.以下属于隐私计算核心技术的是（）A.机器学习B.联邦学习C.大数据分析D.数据库优化2.纵向联邦学习适用于（）场景A.同特征、不同样本B.同样本、不同特征C.不同特征、不同样本D.无样本特征关联3.差分隐私中，添加噪声的目的是（）A.提高模型精度B.隐藏个体数据C.加快计算速度D.减少数据量4.金融风控中，隐私计算不直接用于（）环节A.数据采集B.模型训练C.结果推理D.数据共享5.以下哪项不是隐私计算的合规要求（）A.数据最小化B.明确授权C.公开原始数据D.安全存储6.联邦学习的“安全聚合”环节作用是（）A.聚合原始数据B.聚合加密后的中间结果C.聚合模型参数明文D.聚合用户ID7.差分隐私的参数δ通常取值（）A.接近0B.接近1C.大于1D.等于08.金融机构间使用隐私计算合作，需签订（）A.数据共享协议B.隐私计算合作协议C.模型授权协议D.仅口头约定9.以下哪种场景更适合用差分隐私（）A.多机构联合建模B.单机构数据发布C.跨行业数据共享D.实时交易反欺诈10.隐私计算在反欺诈中，可避免（）A.模型过拟合B.数据泄露C.计算成本高D.样本不平衡三、多项选择题（共10题，每题2分，多选、少选、错选均不得分）1.隐私计算的三大核心技术包括（）A.联邦学习B.差分隐私C.同态加密D.数据脱敏2.金融风控中隐私计算的应用场景有（）A.反欺诈B.信用评分C.贷后监控D.客户画像3.联邦学习的关键优势是（）A.数据不出本地B.模型效果接近集中式C.无需加密D.支持多机构协作4.差分隐私的核心要素包括（）A.ε（隐私预算）B.δ（近似参数）C.噪声生成D.数据聚合5.隐私计算的合规依据包括（）A.《数据安全法》B.《个人信息保护法》C.《网络安全法》D.《反垄断法》6.纵向联邦学习的参与方通常包括（）A.主动方B.被动方C.第三方可信机构D.所有参与方平等7.隐私计算在金融合作中需注意（）A.数据权属明确B.隐私保护强度匹配C.模型效果验证D.无需考虑成本8.同态加密的类型包括（）A.加法同态B.乘法同态C.全同态D.混合同态9.金融风控中隐私计算面临的挑战有（）A.技术落地成本高B.跨机构协作难度大C.模型效果下降D.合规性难以验证10.以下属于隐私计算预处理技术的是（）A.数据脱敏B.特征哈希C.差分隐私预处理D.原始数据直接使用四、判断题（共10题，每题2分，正确打√，错误打×）1.联邦学习需要传输原始数据才能训练模型。（）2.差分隐私的ε越大，隐私保护越强。（）3.隐私计算仅适用于金融行业。（）4.横向联邦学习适用于同样本、不同特征场景。（）5.同态加密可以对加密数据直接进行计算。（）6.隐私计算在金融风控中可完全替代传统建模。（）7.《个人信息保护法》要求处理个人信息需遵循合法、正当、必要原则。（）8.联邦学习的安全聚合环节可防止中间结果泄露。（）9.差分隐私无需考虑数据分布即可应用。（）10.金融机构间使用隐私计算合作无需第三方监管。（）五、简答题（共4题，每题5分）1.隐私计算在金融风控中解决的核心问题是什么？2.简述联邦学习在金融信用评估中的基本流程。3.差分隐私的主要参数有哪些？各有什么作用？4.金融风控隐私计算应用需遵循哪些合规要点？六、讨论题（共2题，每题5分）1.如何平衡隐私计算的隐私保护强度与模型效果？2.金融机构间开展隐私计算合作的落地难点及对策是什么？---答案一、填空题答案1.同态加密2.数据孤岛3.联邦迁移4.隐私预算（ε）5.贷后监控6.预处理7.原始8.最小必要9.数据安全/隐私保护10.强二、单项选择题答案1.B2.B3.B4.A5.C6.B7.A8.B9.B10.B三、多项选择题答案1.ABC2.ABCD3.ABD4.ABC5.ABC6.AB7.ABC8.ABC9.ABCD10.ABC四、判断题答案1.×2.×3.×4.×5.√6.×7.√8.√9.×10.×五、简答题答案1.核心解决数据孤岛问题：金融机构因数据权属、隐私法规限制无法直接共享原始数据，隐私计算可在“数据不出本地”前提下实现跨机构联合建模，同时满足《个人信息保护法》等合规要求，避免数据泄露，提升风控模型效果（如多机构数据融合增强准确性）。2.流程：①各参与方准备本地数据（纵向联邦：同用户ID、不同特征）；②初始化全局模型，本地训练更新参数；③安全聚合加密后的中间结果；④迭代更新全局模型至收敛；⑤本地推理（结果不出本地）。3.主要参数：①ε（隐私预算）：衡量保护强度，ε越小噪声越大、隐私越强但精度越低；②δ（近似参数）：允许极少量隐私泄露（接近0）；③噪声机制（如拉普拉斯）：干扰个体数据，平衡隐私与精度。4.合规要点：①数据权属清晰；②遵循最小必要原则；③明确用户授权；④隐私强度匹配数据敏感度；⑤定期合规审计（符合《数据安全法》《个人信息保护法》）。六、讨论题答案1.平衡方法：①参数调优：根据场景调整ε、安全聚合强度；②技术适配：反欺诈选轻量隐私计算，信用评估选联邦学习；③预处理优化：数据脱敏、特征工程提