Atlas-X Equity Financing: Unlocking New Methods to Securely Obfuscate Axe Inventory Data Based on Differential Privacy

银行每天会向特定客户发布可用证券/资产列表（斧子清单），以帮助他们有效地找到低融资利率的多头（买入）或空头（卖出）交易。这降低了银行的成本，因为该清单汇总了银行所有客户的每个资产的内部公司库存，无论是多头还是空头交易。然而，这也存在一些问题：（1）银行的库存被揭示；（2）对于贡献到聚合列表中的客户，尤其是那些被认为规模较大的客户，其交易将被揭示给其他客户。与银行进行大宗交易并持有超过聚合资产50％的客户被认为是集中客户。这可能会向他们的竞争对手透露交易集中的客户的活动，从而为市场提供不公平的优势。 Atlas-X Axe Obfuscation由新的差分隐私方法提供支持，使银行能够在持续观察下每天混淆其公布的斧子清单，从而保持与嘈杂的混淆斧子清单相关的可接受库存损益成本，同时减少客户的交易泄漏。我们的主要差分隐私创新是针对正数和负数时间序列数据流的差分隐私聚合器。 在过去的两年中，Atlas-X系统已在J.P. Morgan这家主要金融机构的美国、欧洲和亚洲三个主要地区进行了生产实践，为其带来了显著的盈利。据我们所知，这是金融领域首个部署的差分隐私解决方案。我们还报告了基于（匿名）真实和合成数据的算法基准，以展示我们混淆的质量及其在生产中的成功。

如何在不暴露银行库存的情况下，为客户提供可降低融资成本的证券/资产清单？如何防止客户交易泄漏给竞争对手？

使用差分隐私方法，设计一种差分隐私流聚合器，对流中的正负整数进行隐私保护，生成噪声混淆后的证券/资产清单，以保护银行库存和客户交易隐私。

使用Atlas-X Axe Obfuscation方法，为银行提供了一种隐私保护的证券/资产清单发布方案，能够有效保护银行库存和客户交易隐私。实验结果表明，该方法在真实和合成数据集上的混淆效果良好，已在J.P. Morgan投入生产使用，是金融领域中第一个部署差分隐私方案的案例。

近期相关研究包括基于差分隐私的数据聚合、隐私保护数据发布等方向，如Dwork等人的《Differential Privacy: A Survey of Results》、McSherry等人的《Differentially Private Recommender Systems: Building Privacy into the Netflix Prize Contenders》等。