当前订单式畜牧业供应链金融存在三个主要的行业困境：高度依赖核心企业的信用、长尾群体不易触达、供应链的封闭性。 （1） 供应链上下游小微企业往往相关经营数据，企业信用数据缺失，资金提供方往往难以有效评估贷款风险，借助隐私计算，联邦学习技术，引入外部数据源可以构建更全面的客户画像，对用户贷前信用评级精准评估，降低资金方的所面临的信贷风险，同时提高小微企业融资效率，降低其融资成本。 （2） 小微企业数据建设不完善，且提供数据真实性难以保证，而其他数据来源特别是政务部门与金融机构出于法律法规的约束和数据安全的要求，对数据共享存在较大顾虑。通过使用匿踪查询、联合统计等手段，帮助金融机构通过其日常交易往来和税费支出等评估借方经营状况，实现准确的贷中贷后管理，预防违约风险。 （3） 针对物联网改造下，以电子票据为依据的抵押贷款，为防止一单多贷、虚假票据等贷款欺诈现象，使用隐私计算+区块链技术认证并核实查验抵押物的真实性与唯一性，可以有效防范融资欺诈。
1.对分散在各部门的企业经营数据，构建安全特征图谱，丰富数据维度，并使用联邦学习技术在数据不出本地的前提下联合训练授信模型；基于安全多方计算技术与匿踪查询技术对关键风险指标进行联合查询，辅助判断授信环节。 2.为监测信贷资金是否流向非生产必需环节，联合同业金融机构、消费品售卖部门、房地产商等关键节点进行匿踪查询及联合统计，当特定目标的资金异常流向指标达到警戒线时发出预警，指导债权人采取进一步行动。 3. 针对供应链内企业常见的应收账款融资、存单融资等行为，基于联合统计与联合比较技术，在不泄露具体某方数据的前提下，确认联盟链上的物流、仓储、订单等数据的总量或时间窗口内增量与单据是否匹配，验证应收账款与存单真实性。并将验证过程加密后上传至区块链，防止多头借贷或超额借贷。
基于安全多方计算、安全供应链图谱、联邦学习等技术打通企业税务、电力、交易流水、票务数据等多源数据，通过隐私图技术构建供应链上下游信息链，扩宽供应链上流动性提供者的信息来源作为授信参考，构建信用风险联合评估模型 基于联合统计技术，多方安全计算技术联合多金融机构进行信贷资金流向监控，实现对融资企业的贷中贷后管理全过程跟踪。 结合隐私计算和区块链技术，构建不可篡改、无敏感信息泄露的融资抵押物认证机制，在质押、合同、交易等环节进行融资欺诈监测，有效防范融资欺诈行为。