本书在梳理分析全球主要国家和地区数据融合制度规范的基础上，重点聚焦于多方计算、联邦学习、数据脱敏、差分隐私、可信计算等有助于实现数据融合应用和安全保护更优平衡的支撑技术，探索其在银行、证券、保险、财富管理、监管科技等领域潜在的应用场景和应用价值，并从制度规范、金融监管、自律管理、行业实践、公众参与等方面针对性提出促进金融业数据安全合规融合应用的对策建议。

第一章 引言
一、时代背景
二、研究意义
三、研究对象和技术路线
第二章 隐私计算与金融数据融合应用：法律制度
一、欧洲有关数据融合的制度和实践
二、美国有关数据融合的制度和实践
三、中国有关数据融合的制度和实践
四、金融业数据融合应用规制：共识与分歧
第三章 隐私计算与金融数据融合应用：技术选择
一、隐私计算技术概述
二、各技术特点分析
三、产品架构分析
四、相关金融标准解读
第四章 隐私计算与金融数据融合应用：典型场景
一、银行业：科创企业信用评估
二、证券业：理财合格投资者认证
三、保险业：健康险理赔
四、金融基础设施：征信“白户”产品开发
五、个人金融信息保护：密文人脸识别的金融应用
六、监管科技：穿透式金融监管
七、企业集团级数据融合：智能化资产管理服务
八、行业级数据融合：支付反欺诈信息共享
九、跨行业数据融合：基于房产政务数据的信贷应用
第五章 风险挑战和对策建议
一、风险挑战
二、对策建议
附录一 多方安全计算金融应用技术规范
附录二 多方安全计算金融应用评估规范
参考文献
后记