隐私计算:护航数据价值 实现“可用不可见”

有人说：“数据是新时代的石油。”事实上，随着全球数字经济的蓬勃发展，数据的重要性已经远远超过石油。但随之而来的大数据被扼杀、人脸识别技术被滥用、过度要求权威等乱象，让人苦不堪言，损害了公众的合法利益。

9月1日，我国首部数据安全特别法—— 《数据安全法》正式实施，成为数据安全和数字经济发展领域的重要基石。法律明确提出发展与安全并重，在强调数据安全的基础上鼓励数据应用和流通，同时鼓励相关技术的研究和应用。

私有计算作为兼顾数据应用和安全保护的关键技术，备受业界期待。什么是隐私计算？如何保护用户隐私？离落地申请还有多远？在日前举行的“数据安全与隐私计算”研讨会上，行业专家对上述问题进行了深入探讨，明确表示隐私计算可以在充分保护数据和隐私安全的前提下，实现数据价值的转化和释放，具有很大的应用前景和商业价值。

隐私让数据安全流动。

数据共享和协同计算可以更好地释放其价值，大数据的井喷式发展也将带来前所未有的价值转移。但由于隐私保护、数据合规等监管要求，数据所有者陷入了“不愿分享、不敢分享、无法分享”的困境。北京睿来智能科技有限公司CEO田甜表示，数据价值与隐私往往处于二元对立状态，海量数据分散在众多机构和信息系统中，形成“信息孤岛”和“数据烟囱”，无法充分发挥数据要素的经济价值和社会价值。

然而，隐私计算可能成为解决这一数据困境的突破口。什么是隐私计算？中国信通院云计算与大数据研究所大数据部副主任颜舒介绍，私有计算是在保护数据自身不被外部泄露的前提下，实现数据分析计算的一种技术集合。

“与传统的数据协同方式相比，私有计算技术开辟了一种全新的模式，能够在保证数据提供方不泄露原始数据的前提下，对数据进行分析计算，实现数据的‘可用与不可见’。”田说。然而，隐私计算虽然改变了数据交互和集成的模式和形式，有效地保护了数据流通过程中的数据安全，但仍需要与其他技术协同解决数据流通前后的所有权和应用问题。

从技术机制来看，隐私计算主要包括三大技术流派：一是以安全多方计算为代表的(部分)通用多方交互协议；二是以联邦学习为代表的机器学习应用的多方交互协议；第三，以可信执行环境为代表的基于可信硬件的集中式执行方案。

仍处于大规模商业化应用的早期阶段。

随着互联网数据相关法律法规的不断完善，企业合规数据流转的需求日益旺盛，私有计算市场也迎来了较大的发展期。各种机构争相进入赛道。除了一批大型互联网公司和专业化创业团队外，很多大数据、AI、区块链和传统数据安全公司也开始转型入轨。

在应用端，隐私计算的落地场景正逐步从数据需求旺盛的金融、互联网、医疗、政务等领域向智慧能源、智能终端、智慧城市等更多行业延伸。

然而，总体而言，私有计算市场仍处于大规模商业应用的早期阶段。晏殊还表示，目前的私有计算技术和解决方案还不够成熟，在安全性、性能和数据互联等方面还存在挑战，在一定程度上限制了私有计算的普及和应用

田强调，以安全为代价进行各种隐私计算技术是没有意义的。由于密码学中的证明安全并不等于实际安全，尤其是当一些多方隐私计算协议被用于不符合其安全假设的场景时，在实际应用中很多假设安全的方法存在严重的安全漏洞。

同时，在应用开发环境中，私有计算也会带来很多新的安全问题，比如算法歧视，或者被黑客放入“脏数据”“毒数据”，存在“数据中毒”的风险。颜姝表示，私有计算技术产品的安全分级标准和行业信任共识仍需建立。

性能是隐私计算应用的保障。晏殊介绍，私有计算产品的安全性、性能和准确性相互影响、相互抵消。目前国内隐私计算产品在特定场景下基本可用，但未来在面对更多数据方、更大数据量、更复杂场景时，性能等指标仍需加强。

成为核心基地还有很长的路要走。

在政策驱动和市场需求的共同作用下，隐私计算成为商业和资本竞争的赛道市场。信息技术研究分析公司Gartner在报告中将隐私计算列为2021年九大趋势之一，并指出到2024年，全球隐私驱动的数据保护和合规技术支出将超过150亿美元。

虽然隐私计算有望成为数据要素市场建设的关键基础设施，但要真正成为核心基础，还有很长的路要走。颜姝认为，隐私计算未来的发展需要在内部实现“互联互通”，实现不同平台之间的互认互通，打破平台壁垒，打通数据孤岛，避免“数据孤岛”的诞生；要充分释放数据元素的价值，仅仅依靠私有计算是不够的。还需要加强私有计算与AI、区块链、云计算等技术的“交叉融合”。

田还表示，隐私计算主要是解决数据“链接”的问题，打通数据通道，让更多的数据可以被利用。然而，要实现数据的价值，需要业务需求牵引，尤其是人工智能需求牵引。同时，面向AI的性能优化可以为隐私计算的高效落地带来巨大机遇，在实现跨行业、跨领域数据融合的基础上，深度挖掘和释放数据的最大价值。