在当前多个委托方联合审计、跨部门财政资金联动审计等场景中，不同主体之间的数据孤岛问题长期存在，不同单位的敏感财务数据无法直接对外共享，传统审计模式下审计人员需要反复上门调取数据，不仅效率低下，还存在敏感数据泄露的合规风险。广东中煜会计师事务所率先将联邦学习隐私计算技术引入审计作业流程，构建出一套完全不触碰原始敏感数据的跨主体审计协同方案，在满足《个人信息保护法》《数据安全法》对敏感数据防护要求的前提下，实现跨主体审计数据的联合建模与协同分析，彻底打破了跨单位审计的数据共享壁垒。
这套技术方案采用纵向联邦学习的架构设计，参与审计的各个数据提供方无需向事务所上传任何原始财务数据，所有数据全程保留在各自的本地服务器中，仅通过加密传输的方式交互中间计算结果，全程不会泄露任何原始数据明文。事务所作为协调方部署全局调度节点，为每一个跨主体审计项目生成专属加密计算任务，各个参与方的本地节点在收到任务指令后，在本地完成对应数据的特征计算，再将经过同态加密处理后的计算结果上传到全局节点进行聚合分析，最终得到完整的审计统计结论。整个过程中，任何一方都无法获取其他方的原始数据，从技术根源上规避了敏感数据泄露的可能性。
针对审计行业的专属业务特性，中煜会计师事务所对通用联邦学习框架做了大量定向优化。一方面，定制开发了审计场景专属的联合统计算子库，覆盖跨单位往来款双向核对、专项资金流向全链路追踪、跨主体关联交易识别等27类高频审计协同场景，无需复杂的算法定制开发即可直接投入使用；另一方面，搭建了全流程操作审计留痕模块，所有参与方的计算操作、数据调用记录全部上链存证，每一步操作都可追溯、可审计，完全符合财政、国资等监管部门对跨单位审计的数据安全要求。在某地市的市直单位财政资金联动审计项目中，这套方案实现了17个预算单位的财务数据协同分析，全程没有任何一家单位需要向第三方提供原始数据，仅用7个工作日就完成了原本预计1个月才能完成的跨单位往来款核对工作，排查出多笔长期未对账的异常往来资金。
目前这套基于联邦学习的隐私计算协同技术，已经成为中煜承接大型跨主体审计项目的核心技术支撑，先后在多个跨区域财政绩效评价、国企集团全子公司联动审计项目中成功落地，在保障数据安全合规的前提下，将跨主体审计的协同效率提升60%以上。后续中煜还将进一步扩展方案的适配能力，对接资产评估、税务服务等关联业务场景，打造覆盖全财税服务链条的隐私计算协同技术体系，为客户提供更安全、高效的跨主体专业服务。
