香港首份保險業聯盟式學習白皮書揭開隱私保護新章

近年來，數據隱私保護成為全球焦點，如何在保障用戶隱私的同時實現高效數據協作，成為各行各業的重要課題。在此背景下，香港應用科技研究院（應科院） 與 保險業監管局（保監局） 近日聯合發表香港首份關於保險業 聯盟式學習 (Federated Learning) 的白皮書，標誌著本地保險科技發展邁入新階段。

這份題為《聯盟式學習：開啟保險業創新之門》的白皮書，揭⽰聯盟式學習技術在保險業的應用潛力，並提出一套涵蓋數據保護、監管合規及道德考量的全面評估框架。聯盟式學習是一種分散式機器學習技術，樣本數據可在不共享原始資料的情況下完成模型訓練，從而有效保障用戶私隱。聯盟式學習在理賠管理、續保預測、客戶洞察分析等領域展現出實際效益，為行業帶來轉型契機。

推動數據協作，重塑業務模式

應科院行政總裁孫耀達博士工程師指出，聯盟式學習技術可在尊重數據私隱的前提下，促成公司間的安全協作。他補充說：「此白皮書及應科院開發的『聯盟式學習技術應用平台』為香港保險公司開創新方向，幫助區內公司善用先進技術提升實質價值，並與客戶及持份者建立長久信任關係。」

保監局行政總監張雲正先生強調：「聯盟式學習在保障個人私隱的同時，有助推動跨領域數據協作，為保險業應對未來挑戰提供關鍵支持。」

實際應用案例展示技術價值

白皮書中列舉了三個已完成測試的應用案例，具體展現聯盟式學習的實用效益：

• 客戶識別：透過互動數據優化人工智能模型（AI），精準識別潛在客戶。
• 理賠預測：利用醫療臨床數據預測保險索償概率（Credit Data），提升風險管理效率。
• 續保預測：分析信貸數據（Credit Data）以預測客戶續保傾向，協助企業制定靈活營銷策略。

這些應用不僅提升公司運營效率，亦為消費者提供更個性化的服務體驗。

技術應用的挑戰與發展方向

儘管聯盟式學習技術具有發展潛力，其推廣仍面臨諸多挑戰。白皮書建議保險公司採用一套全面評估框架，涵蓋數據保護、監管合規及道德考量。此外，書中提出促進技術應用的策略路線圖，重點聚焦技術優化、內部準備及生態系統合作三大方向。

白皮書全文已上載至應科院官方網站，有興趣的讀者可參閱：https://bit.ly/4hDcgDb。

在數據驅動的時代背景下，聯盟式學習技術為保險行業提供了一種兼顧隱私保護新與技術應用的可行方案。未來，隨著更多公司參與技術生態圈，香港有機會在亞洲保險科技領域中佔據領導地位。