[Download] Tải Đề xuất giải pháp bảo mật dữ liệu riêng tư trong xếp hạng tín dụng của các ngân hàng thương mại ở Việt Nam – Tải về File Word, PDF

Đề xuất giải pháp bảo mật dữ liệu riêng tư trong xếp hạng tín dụng của các ngân hàng thương mại ở Việt Nam

Đề xuất giải pháp bảo mật dữ liệu riêng tư trong xếp hạng tín dụng của các ngân hàng thương mại ở Việt Nam
Nội dung Text: Đề xuất giải pháp bảo mật dữ liệu riêng tư trong xếp hạng tín dụng của các ngân hàng thương mại ở Việt Nam

Download


Xếp hạng tín dụng khách hàng (hay còn được gọi là chấm điểm tín dụng) được đánh giá là một trong những khâu quan trọng nhất giúp các ngân hàng thương mại (NHTM)/ tổ chức tín dụng (TCTD) phòng ngừa và hạn chế rủi ro trong hoạt động tín dụng. Bài viết trình bày việc đề xuất một giải pháp cho phép các NHTM/TCTD xếp hạng tín dụng khách hàng trong khi hạn chế tối đa việc chia sẻ dữ liệu của khách hàng giữa các bên liên quan.

Bạn đang xem: [Download] Tải Đề xuất giải pháp bảo mật dữ liệu riêng tư trong xếp hạng tín dụng của các ngân hàng thương mại ở Việt Nam – Tải về File Word, PDF

*Ghi chú: Có 2 link để tải biểu mẫu, Nếu Link này không download được, các bạn kéo xuống dưới cùng, dùng link 2 để tải tài liệu về máy nhé!
Download tài liệu Đề xuất giải pháp bảo mật dữ liệu riêng tư trong xếp hạng tín dụng của các ngân hàng thương mại ở Việt Nam File Word, PDF về máy

Đề xuất giải pháp bảo mật dữ liệu riêng tư trong xếp hạng tín dụng của các ngân hàng thương mại ở Việt Nam

Mô tả tài liệu

Nội dung Text: Đề xuất giải pháp bảo mật dữ liệu riêng tư trong xếp hạng tín dụng của các ngân hàng thương mại ở Việt Nam

  1. Đề xuất giải pháp bảo mật dữ liệu riêng tư trong xếp
    hạng tín dụng của các ngân hàng thương mại ở Việt Nam

    Đinh Trọng Hiếu Nguyễn Thị Thu Trang
    Khoa Hệ thống thông tin quản lý, Học viện Ngân hàng

    Xếp hạng tín dụng khách hàng (hay còn được gọi là chấm điểm tín dụng)
    được đánh giá là một trong những khâu quan trọng nhất giúp các ngân
    hàng thương mại (NHTM)/ tổ chức tín dụng (TCTD) phòng ngừa và hạn
    chế rủi ro trong hoạt động tín dụng. Tuy nhiên, việc tiếp cận tới các thông
    tin của khách hàng phục vụ cho việc chấm điểm tín dụng, đặc biệt là những
    thông tin mang tính chất riêng tư, nhạy cảm là điều không hề đơn giản.
    Thậm chí, kể cả khi khách hàng đồng ý cho các NHTM/TCTD sử dụng dữ
    liệu của mình thì việc lưu trữ, quản lý dữ liệu đó theo đúng quy định cũng
    hết sức phức tạp. Bài báo này, chúng tôi đề xuất một giải pháp cho phép
    các NHTM/TCTD xếp hạng tín dụng khách hàng trong khi hạn chế tối đa
    việc chia sẻ dữ liệu của khách hàng giữa các bên liên quan. Giải pháp này

    A solution to secure private data in credit scoring for commercial banks in Vietnam
    Abstract: Credit rating (also known as credit scoring) is considered as one of the most important steps to
    help commercial banks and credit institutions prevent and limit risks in credit activities. However, access
    to customer information for credit scoring is not simple, especially confidential and sensitive information.
    Even if the customer agrees to let the commercial banks or credit institutions use their data, the storage
    and management of such data in accordance with the regulations is also very complicated. In this paper, we
    propose a solution that allows commercial banks/credit institutions to calculate customer credit score while
    minimizing the sharing of customer data among stakeholders. Our solution helps protect the privacy and
    confidentiality of all parties.
    Keywords: credit scoring, security, private data, banking

    Hieu Trong Dinh
    Email: hieudt@hvnh.edu.vn
    Trang Thi Thu Nguyen
    Email: trangntt83@gmail.com
    Organization of all: Faculty of Management Information Systems, Banking Academy of Vietnam

    1
    Bài báo được thực hiện trong khuôn khổ Đề tài khoa học cấp Học viện Ngân hàng: “Nghiên cứu ứng dụng giải pháp
    khai phá dữ liệu đảm bảo tính riêng tư trong phân tích dữ liệu NHTM Việt Nam”, do Thạc sỹ Vũ Duy Hiến làm chủ
    nhiệm cùng nhóm thành viên thực hiện, Mã số: DTHV.02/2019.

    Ngày nhận: 28/04/2020 Ngày nhận bản sửa: 14/05/2020 Ngày duyệt đăng: 15/00/2019

    © Học viện Ngân hàng Tạp chí Khoa học & Đào tạo Ngân hàng
    ISSN 1859 – 011X 1 Số 218- Tháng 7. 2020

  2. Đề xuất giải pháp bảo mật dữ liệu riêng tư trong xếp hạng tín dụng
    của các ngân hàngthương mại ở Việt Nam

    được kỳ vọng sẽ giúp các thông tin riêng tư và bí mật của các bên được bảo
    vệ an toàn hơn.
    Từ khóa: bảo mật, dữ liệu riêng tư, xếp hạng tín dụng

    1. Giới thiệu Luật Công nghệ thông tin năm 2006 (Luật
    CNTT, 2006), Mục 2 bảo vệ thông tin cá
    Trong lĩnh vực tài chính- ngân hàng (TC- nhân của Luật An toàn thông tin mạng năm
    NH), hoạt động xếp hạng tín dụng khách 2015 (Luật ATTTM, 2015), tuy nhiên các
    hàng là đánh giá về rủi ro tín dụng, chất vụ việc nghiêm trọng làm lộ thông tin cá
    lượng tín dụng, khả năng và thiện chí của nhân của khách hàng vẫn xảy ra, đồng thời
    chủ thể đi vay trong việc đáp ứng các nghĩa cũng không thể ngăn ngừa các tổ chức, cá
    vụ tài chính một cách đầy đủ và đúng hạn nhân sử dụng dữ liệu khách hàng vào mục
    (Reserve, 2007). Hoạt động này được đánh đích trái phép. Bên cạnh đó, việc sử dụng
    giá là một trong những khâu quan trọng “chéo” dữ liệu khách hàng giữa các bên liên
    nhất giúp các NHTM và TCTD phòng quan càng làm tăng nguy cơ rò rỉ các thông
    ngừa và hạn chế rủi ro trong hoạt động tín tin nhạy cảm và bí mật. Vì vậy, nhiệm vụ
    dụng. Hiện nay, đối với các NHTM cổ phần bảo vệ tính riêng tư cho dữ liệu khách hàng
    (NHTMCP) ở Việt Nam như Vietcombank, trong quá trình xếp hạng tín dụng là rất cấp
    BIDV, Vietinbank, công cụ xếp hạng tín thiết và phù hợp với tình hình thực tiễn hiện
    dụng phổ biến nhất được sử dụng là chấm nay.
    điểm tín dụng theo mô hình được tư vấn
    bởi chuyên gia (Dinh & Kleimeiera, 2007; Tính đến nay, cùng với sự phát triển của
    Lê & Đặng, 2016; Nguyễn, 2019). hướng nghiên cứu phân tích dữ liệu ngân
    hàng đảm bảo tính riêng tư (Meints &
    Để phục vụ cho hoạt động xếp hạng tín Möller, 2004; Abbe, Khandani, & Lo,
    dụng, mỗi khách hàng cần phải cung cấp 2012), một vài kết quả nghiên cứu bảo
    nhiều thông tin, bao gồm cả thông tin mang vệ tính riêng tư cho thông tin khách hàng
    tính riêng tư như: thu nhập cá nhân, tổng số trong quá trình xếp hạng tín dụng đã được
    dư nợ hiện tại, các gói bảo hiểm nhân thọ giới thiệu.
    tham gia, cước di động hàng tháng… cho các
    NHTM/TCTD. Những dữ liệu, thông tin Elli Androulaki đã đề xuất trong
    này thường được chia sẻ từ phía các bên sở (Androulaki, 2011) công cụ chấm điểm tín
    hữu (ví dụ: CIC, công ty bảo hiểm nhân thọ, dụng khách hàng bảo vệ tính riêng tư với sự
    công ty viễn thông, cơ quan thuế…) dưới sự hợp tác giữa một ngân hàng và các tổ chức
    đồng ý của khách hàng. liên quan tới điểm tín dụng của khách hàng.
    Với kỹ thuật ẩn danh, giải pháp này đã giúp
    Mặc dù việc sử dụng, lưu trữ và bảo vệ cho ngân hàng cập nhật điểm tín dụng của
    dữ liệu thông tin riêng tư của cá nhân đã khách hàng dựa trên dữ liệu của khách hàng
    được quy định trong Điều 21 (Hiến pháp, được gửi trực tiếp từ các tổ chức đối tác.
    2013), Nghị định 117 (Chính phủ, 2018),
    Thông tư số 18 (NHNN, 2018), Khoản 2 Trong nghiên cứu (Ralf Stecking and Klaus
    Điều 46 của Luật Giao dịch điện tử năm B. Schebesch, 2015), các tác giả đã giới
    2005 (Luật GDĐT, 2005), Điều 72 của thiệu mô hình chấm điểm tín dụng khách

    2 Tạp chí Khoa học & Đào tạo Ngân hàng- Số 218- Tháng 7. 2020

  3. ĐINH TRỌNG HIẾU – NGUYỄN THỊ THU TRANG

    hàng dựa trên kết quả phân lớp dữ liệu 2. Cơ sở lý thuyết
    khách hàng sẵn có với ràng buộc đảm bảo
    tính riêng tư. Phương pháp xác định điểm Trong phần này, chúng tôi nhắc lại các yêu
    tín dụng sử dụng kỹ thuật khai phá dữ liệu cầu của bài toán chấm điểm tín dụng đảm
    này được áp dụng khá phổ biến trên thế bảo tính riêng tư và một số kết quả trong lý
    giới, tuy nhiên lại chưa được áp dụng ở thuyết mật mã như: Hệ mã hóa ElGamal,
    Việt Nam- nơi mà điểm tín dụng vẫn được thuật toán Shanks’s baby-step giant-step,
    xác định chủ yếu thông qua ý kiến của giao thức tính tích vô hướng bí mật và giao
    chuyên gia. thức tính tổng bí mật. Đây là những cơ sở
    lý thuyết được chúng tôi sử dụng làm nền
    Gần đây, Wang và cộng sự (Wang, Chen, tảng để xây dựng giải pháp đề xuất.
    & Feng, 2018) đã đề xuất công cụ chấm
    điểm tín dụng khách hàng trên môi trường 2.1. Phát biểu bài toán
    đám mây trong khi vẫn bảo vệ được dữ liệu
    riêng tư của khách hàng. Trong nghiên cứu Ngoài những dữ liệu của khách hàng không
    này, các bên sở hữu dữ liệu khách hàng liên thuộc loại riêng tư và nhạy cảm, chúng tôi
    quan tới điểm tín dụng sẽ tải dữ liệu khách giả sử rằng NHTM sử dụng thêm thuộc
    hàng (đã được mã hóa) lên máy chủ (đám tính “bí mật và riêng tư” (A1, A2, …, Ak) làm
    mây). Việc chia sẻ này rất dễ gây mất an căn cứ xếp hạng tín dụng cho khách hàng.
    toàn nếu bên sở hữu khóa mật mã thông Ví dụ: mức thu nhập, nhóm nghề nghiệp, số
    đồng với địch thủ. dư nợ tín dụng, bảo hiểm nhân mạng.

    Trong bài báo này, chúng tôi đề xuất một Một khách hàng C với các đặc trưng tương
    giải pháp cho phép các NHTM/TCTD xếp ứng (c1, c2, …, ck) được xếp hạng như sau:
    hạng tín dụng khách hàng trong khi hạn
    chế tối đa việc chia sẻ trực tiếp dữ liệu của – Với mỗi đặc trưng ci của thuộc tính Ai: C
    khách hàng giữa các bên liên quan. Cụ thể, nhận được điểm Marki theo thang điểm và
    giải pháp của chúng tôi kỳ vọng đạt được hệ số mà B quy định.
    những mục tiêu như sau:
    – Tổng điểm tín dụng cho khách hàng C là
    – Dữ liệu khách hàng do các bên sở hữu Mark (C) =
    được giữ bí mật đối với ngân hàng.
    – Ngân hàng B căn cứ vào bảng quy đổi
    – Khách hàng và các đối tác sở hữu dữ liệu để biết hạng tín dụng của C và từ đó quyết
    khách hàng không khai thác được công định cho X vay hay không.
    thức tính điểm tín dụng của ngân hàng.
    Chúng tôi khái quát bài toán xếp hạng tín
    Nội dung chính của bài báo được tổ chức dụng khách hàng có đảm bảo tính riêng tư
    như sau: phần 2 nhằm cung cấp cơ sở lý như sau:
    thuyết để xây dựng giải pháp đề xuất.
    Ngoài trình bày chi tiết giải pháp này, phần – Ngân hàng xét mỗi thuộc tính Ai thành
    3 chứng minh tính chính xác và phân tích các nhóm đặc trưng (Ai1, …, Aim(i)) và điểm
    tính riêng tư của giao thức đề xuất. tương ứng cho mỗi nhóm là (marki1, …,
    markim(i)) cho mỗi trường hợp. Ví dụ: thuộc

    Số 218- Tháng 7. 2020- Tạp chí Khoa học & Đào tạo Ngân hàng 3

  4. Đề xuất giải pháp bảo mật dữ liệu riêng tư trong xếp hạng tín dụng
    của các ngân hàngthương mại ở Việt Nam

    tính Bảo hiểm nhân mạng được Ngân hàng rõ M như sau: anh ấy chọn ngẫu nhiên giá
    phân thành năm nhóm đặc trưng: > 100 trị k � [1, q – 1] và tính bản mã C = (C1 =
    triệu; 50-100 triệu; 50-100 triệu; < 30 M.hk, C2 = gk).
    triệu; Không có, với điểm tương ứng là
    100, 75, 50, 25, 0. Để giải mã, người nhận sử dụng khóa bí
    mật x theo công thức M = C1. (C2x)-1.
    – B công bố thông tin chi tiết (Ai1, …, Aim(i))
    cho tất cả đối tác và giữ bí mật (marki1, …, Theo giả thuyết Diffie-Hellman quyết
    markim(i)). định (decisional Diffie–Hellman (DDH)
    assumption), hệ mã hóa ElGamal kể trên
    – Các đối tác không tiết lộ các đặc trưng ci an toàn (Boneh, 1998).
    của khách hàng mà họ nắm giữ. Một đối tác
    có thể nắm giữ nhiều đặc trưng. 2.3. Thuật toán Shanks’s baby-step giant-step

    Ngân hàng B cần tính được tổng số điểm C Trong lĩnh vực số học và đại số, thuật toán
    đạt được và xếp hạng tín dụng cho C. Shanks’s baby-step giant-step (Shanks,
    1971) được sử dụng để giải quyết hiệu quả
    Tương tự như những bài toán phân tích dữ hơn các bài toán logarit rời rạc so với giải
    liệu đảm bảo tính riêng tư khác, bài toán thuật vét cạn. Thuật toán này được trình
    này có thể giải quyết bằng hai phương bày ở Hình 1.
    pháp cơ bản là: phương pháp biến đổi ngẫu
    nhiên (Randomization) và phương pháp Chú ý rằng, nếu giá trị x cần tìm bị giới hạn
    tính toán bảo mật nhiều thành viên (Secure bởi giá trị n (x ≤ n

  5. ĐINH TRỌNG HIẾU – NGUYỄN THỊ THU TRANG

    Hình 1. Thuật toán Shanks’s baby-step giant-step

    Nguồn: (Shanks, 1971)

    Hình 2. Giao thức tính tích vô hướng bí mật
    Input: X có vector (x1, x2, …, xk) và Y có vector tương ứng (y1, y2, …, yk )
    Output: X có giá trị u, Y có giá trị v sao cho: u =

    Bước 1: X tính E(gx(1)), …, E(gx(k)) rồi gửi cho Y
    Bước 2: Y tính các giá trị sau: (E(gx(1)))y(1) mod p, …, (E(gx(k)))y(k) mod p
    Chọn ngẫu nhiên v và tính m = (E(gv). ∏ki=1(E(gx(i)))y(i) mod p
    Gửi m lại cho X
    Bước 3: X tính K = D(m)
    Thực thi thuật toán Shank’s baby-step giant-step để tính u thỏa mãn gu = K
    Nguồn: (Goethals, Bart and Laur, Sven and Lipmaa, Helger and Mielikainen, Taneli, 2004)

    tôi sử dụng ký hiệu E(m) thay cho phép mã = (E(gv). ∏ki=1E(gx(i) y(i))) mod p
    hóa dữ liệu m sử dụng khóa công khai h và
    ký hiệu D(c) thay cho phép giải mã lấy dữ = E (gv + )
    liệu gốc từ bản mã c sử dụng khóa bí mật .
    Suy ra K = gv + . Và vì vậy u = v +
    Giao thức tính tích vô hướng bí mật được .
    trình bày trong Hình 2.
    Hơn thế nữa, X không để lộ vector của
    Phân tích giao thức trên, ta có E(g ) x(i) y(i)
    mình vì mỗi đặc trưng xi đã được mã hóa
    mod N2 + E(gx(i) y(i)) nên: thành E(gx(i)), và Y cũng giữ bí mật vector
    của mình do tất cả các đặc trưng yi đã được
    m = (E(gv). ∏ki=1(E(gx(i)))y(i) mod p) mod p “ẩn giấu” trong giá trị m.

    Số 218- Tháng 7. 2020- Tạp chí Khoa học & Đào tạo Ngân hàng 5

  6. Đề xuất giải pháp bảo mật dữ liệu riêng tư trong xếp hạng tín dụng
    của các ngân hàngthương mại ở Việt Nam

    2.5. Giao thức tính tổng bí mật Để tính được điểm tín dụng cho, đầu
    tiên giao thức tính tích vô hướng bí mật
    Phần tiếp theo mô tả lại giao thức tính tổng được sử dụng giữa mỗi cặp: B với vector
    bí mật (Hình 3) được lấy từ giao thức A-V bí mật đầu vào là và
    dựa trên hệ mã hóa ElGamal của Hao và đối tác Pi với vector bí mật đầu vào là
    cộng sự trong các nghiên cứu (F. Hao, P. ; trong đó sji là
    Y. Ryan, P. Zieli´nski, 2010). “điểm*trọng số” cho nhóm đặc trưng thứ
    j đối với thuộc tính Ai và giá trị “1” trong
    3. Đề xuất giải pháp xếp hạng tín dụng đứng vị trí thứ k nếu như khách hàng
    khách hàng đảm bảo thông tin riêng tư C thuộc nhóm đặc trưng thứ k đối khi xét tới
    thuộc tính Ai. Kết quả đầu ra của giao thức
    Trong mục này, phần đầu sẽ mô tả giải pháp này là đạt được giá trị ui và Pi có được giá
    tính xếp hạng tín dụng khách hàng đảm bảo trị vi thỏa mãn . Dễ thấy,
    tính riêng tư. Phần tiếp theo sẽ phân tích và giá trị tích vô hướng bí mật chính là điểm
    chứng minh tính riêng tư và sự đúng đắn (trên 100) của khách hàng C đạt được khi
    toán học của giải pháp được đề xuất. chấm thuộc tính Ai. Quay lại ví dụ về thuộc
    tính Bảo hiểm nhân mạng ở trên, các nhóm
    3.1. Giải pháp xếp hạng tín dụng khách (> 100 triệu; 50-100 triệu; 30-50 triệu; <
    hàng đảm bảo thông tin riêng tư 30 triệu; Không có) có điểm tương ứng là
    (100, 75, 50, 25, 0) và trọng số của thuộc
    Trước khi thực hiện quy trình xếp hạng tín tính này là thì ; nếu C mua gói bảo hiểm
    dụng khách hàng có đảm bảo tính riêng tư nhân mạng là 80 triệu thì
    đối với khách hàng, ngân hàng và các đối . Tiếp theo, B sẽ hợp tác cùng các đối tác Pi
    tác lựa chọn các tham số cần thiết. Như đã thực thi giao thức tính tổng bí mật để tính
    trình bày ở trên, một đối tác có thể nắm giữ được giá trị ∑vi. Cuối cùng, tính giá trị S
    nhiều đặc trưng quan trọng của khách hàng. = (∑ui – ∑vi) ÷ 100 chính là điểm tín dụng
    Tuy nhiên, để cho dễ hiểu và cũng không của khách hàng C.
    làm mất tính tổng quát, giả sử rằng mỗi
    thuộc tính được sở hữu bởi đối tác (bao Giải pháp bảo vệ thông tin riêng tư của
    gồm cả khách hàng ). khách hàng trong quá trình xếp hạng tín

    Hình 3. Giao thức tính tổng bí mật

    Input: Mỗi đối tác Pi sở hữu một giá trị bí mật vi (i = )
    Output: Ngân hàng B tính được giá trị tổng s = trong khi Pi không tiết lộ vi

    Bước 1: Mỗi Pi chọn khóa bí mật xi rồi gửi khóa công khai gx(i) cho B
    Bước 2: B tính Xi = rồi gửi lại cho Pi
    Bước 3: Mỗi Pi tính mi = gv(i). Xix(i) rồi gửi lại cho B
    Bước 4: B tính K = ∏ni=1mi
    Thực thi thuật toán Shank’s baby-step giant-step để tính s thỏa mãn gs = K

    Nguồn: (F. Hao, P. Y. Ryan, P. Zieli´nski, 2010)

    6 Tạp chí Khoa học & Đào tạo Ngân hàng- Số 218- Tháng 7. 2020

  7. ĐINH TRỌNG HIẾU – NGUYỄN THỊ THU TRANG

    Hình 4. Giải pháp bảo vệ thông tin riêng tư của khách hàng trong
    quá trình xếp hạng tín dụng
    Bước 1: B lần lượt hợp tác tính tích vô hướng bí mật với mỗi đối tác Pi
    B đạt được giá trị bí mật ui và Pi có được giá trị bí mật vi
    Bước 2: B hợp tác với các đối tác Pi để tính tổng bí mật ∑vi
    Bước 3: B tính giá trị S = (∑ui – ∑vi) ÷ 100 và quy đổi hạng tín dụng cho C dựa trên S.
    Nguồn: ?

    dụng được đề xuất như trình bày trong dữ liệu của C được nắm giữ bởi Pi không
    Hình 4. cần tiết lộ.

    3.2. Phân tích giải pháp đề xuất Tiếp theo, chúng ta xét trường hợp tất cả
    đối tác Pi thông đồng chống lại B: do tất cả
    3.2.1. Chứng minh tính đúng đắn các vector riêng tư của ngân hàng B (trong
    công thức tính điểm tín dụng) đều được mã
    Để chứng minh giải pháp đề xuất mô tả hóa bởi hệ mã hóa ElGamal sử dụng khóa
    trong Hình 4 xếp hạng tín dụng chính xác công khai của B và tổng điểm tín dụng S
    cho khách hàng C, chúng ta sẽ chỉ ra rằng của C chỉ được biết bởi một mình B nên
    giá trị S là tổng điểm tín dụng mà C nhận địch thủ không thể khai thác được gì.
    được. Hay nói cách khác, ta chứng minh
    kết quả điểm tín dụng tính theo giải pháp đề 4. Kết luận
    xuất (Hình 4) bằng đúng kết quả tính điểm
    tín dụng thông thường (nhưng không đảm Trong nghiên cứu này, việc chấm điểm tín
    bảo tính riêng tư). dụng vẫn sử dụng công thức tổng có trọng
    số với trọng số do ngân hàng quyết định.
    Thật vậy, ta có: Tuy nhiên, thay vì phải lưu trữ và tính toán
    trên những thông tin của khách hàng (không
    đảm bảo tính riêng tư), giải pháp được đề
    xuất đưa ra phương thức chấm điểm tín
    Như đã đề cập, tích vô hướng dụng mà khách hàng không cần công khai
    chính là điểm (trên 100) của khách hàng các thông tin riêng tư của mình dựa trên các
    C đạt được khi xét thuộc tính Ai. Vì thế, S công cụ mã hóa. Vì vậy, giải pháp này có
    chính là tổng điểm tín dụng của C. thể đảm bảo phía lưu trữ dữ liệu đặc trưng
    của khách hàng không cần tiết lộ các thông
    3.2.2. Phân tích tính riêng tư tin riêng tư, nhạy cảm, còn phía ngân hàng
    không cần công bố chi tiết phương pháp xếp
    Trong phần này, chúng tôi sẽ chỉ ra rằng dữ hạng tín dụng, nhưng vẫn đạt được kết quả
    liệu riêng tư của mỗi bên tham gia vào giải đầu ra chính xác ■
    pháp đều được giữ bí mật.

    Ta thấy rằng khi kết thúc các bước tính
    toán trong Hình 4, ngân hàng B chỉ đạt
    được tổng điểm tín dụng của C trong khi

    Số 218- Tháng 7. 2020- Tạp chí Khoa học & Đào tạo Ngân hàng 7

  8. Đề xuất giải pháp bảo mật dữ liệu riêng tư trong xếp hạng tín dụng
    của các ngân hàngthương mại ở Việt Nam

    Tài liệu tham khảo
    1. Abbe, E. A., Khandani, A. E., & Lo, A. W. (2012). Privacy-preserving methods for sharing financial risk exposures.
    American Economic Review.
    2. Androulaki, E. (2011). A Privacy Preserving ECommerce Oriented Identity Management Architecture. COLUMBIA
    UNIVERSITY.
    3. Boneh, D. (1998). The Decision Diffie–Hellman Problem. Proceedings of the Third Algorithmic Number Theory
    Symposium, (pp. 48-63).
    4. Chính phủ. (2018). Nghị định 117/2018/NĐ-CP ngày 11/9/2018 của Chính phủ.
    5. Dinh, T. H., & Kleimeiera, S. (2007). Credit scoring for Vietnam’s retail banking. International Review of
    Financial Analysis.
    6. ElGamal, T. (1985). A public key cryptosystem and a signature scheme based on discrete logarithms. IEEE
    transactions on information theory, 31(4), 469-472.
    7. F. Hao, P. Y. Ryan, P. Zieli´nski. (2010). Anonymous voting by two-round public. IET Information Security.
    8. Goethals, Bart and Laur, Sven and Lipmaa, Helger and Mielikainen, Taneli. (2004). On private scalar product
    computation for privacy-preserving data mining. International Conference on Information Security and Cryptology
    (pp. 104-120). Springer.
    9. Hiến pháp. (2013). Điều 21. Hiến pháp năm 2013 của nước Cộng hòa xã hội chủ nghĩa Việt Nam.
    10. Lê, T. T., & Đặng, T. V. (2016). Xếp hạng tín dụng khách hàng thể nhân tại. Tạp chí tài chính.
    11. Luật ATTTM. (2015). Mục 2 Bảo vệ thông tin cá nhân . Luật an toàn thông tin mạng năm 2015.
    12. Luật CNTT. (2006). Điều 72. Luật công nghệ thông tin năm 2006.
    13. Luật GDĐT. (2005). Điều 46. Luật giao dịch điện tử năm 2005.
    14. Meints, M., & Möller, J. (2004). Privacy Preserving Data Mining: A Process Centric View from a European
    Perspective.
    15. Nguyễn, H. C. (2019). Một số đề xuất nhằm nâng cao hiệu quả xếp hạng tín dụng. Nâng cao chất lượng thu thập
    thông tin và chấm điểm tín dụng cho khách hàng cá nhân tại các tổ chức tín dụng.
    16. Ngân hàng Nhà nước (2018). Thông tư số 18/2018/TT-NHNN của Ngân hàng Nhà nước.
    17. Ralf Stecking and Klaus B. Schebesch. (2015). Classification of credit scoring data with privacy constraints.
    Intelligent Data Analysis .
    18. Reserve, B. o. (2007). Report to the Congress on credit scoring and its effects.
    19. Shanks, D. (1971). Class Number, a Theory of Factorization, and Genera. Proc. of Symposia in Pure Mathematics
    (pp. 415-440). AMS.
    20. Wang, J., Chen, Y., & Feng, X. (2018). Privacy-Preserving Credit Scoring on Cloud. International Conference on
    Cloud Computing and Security.

    8 Tạp chí Khoa học & Đào tạo Ngân hàng- Số 218- Tháng 7. 2020

Download tài liệu Đề xuất giải pháp bảo mật dữ liệu riêng tư trong xếp hạng tín dụng của các ngân hàng thương mại ở Việt Nam File Word, PDF về máy