隐私计算：让你的数据信息不再“裸奔”

在互联网时代，数据隐私泄露到底有多严重？

近日，微博大V袁启聪发布微博称，两周前接到一个私人手机号码来电，来电者自称是招商银行的，银行询问，“你太太去世了，你要不要帮她还信用卡？”

袁启聪称，妻子离开得突然，生前并未向他交代这方面的信息，他也并不清楚妻子的财务状况。更重要的是银行在打这通电话之前，并没有用一次官方号或者正规渠道，包括函件，短信，等等方式联系过自己。他很疑惑，为什么银行会把自己和家人的全部个人信息，包括身份信息等等，泄露给一家“收数公司”。

日常生活中，我们把多少隐私信息留在了网上，给了多少平台，恐怕多到自己也记不清了，但是我们对于这些数据的去向、用途和安全性却一无所知。

近年来，我国在公民的个人数据隐私保护上已经开始了相关立法，但是法律手段更多保护的还是事后维权，要想保护个人的隐私数据不被泄露还得从源头抓起，也就是各个网络平台从技术层面来实现对数据的保护和监管。

与此同时，数据的交易和流通，又成为制约我国大数据产业发展的一个重要的问题。如何通过合法合规的手段获得可信、高质量的数据又成为很多科技企业和平台急需解决的问题。

一方面数据隐私泄露泛滥成灾，一方面企业和平台需要合规的数据使用，这样一种矛盾的存在促使了隐私计算的出现。

01

隐私计算如何打破数据壁垒

假设有两个百万富翁相遇，他们都想知道谁更富有，但是又相互都不愿意告诉对方有多少钱，那么在没有可信第三方的情况下，如何知道谁更有钱？这是2000年姚明智院士提出的“百万富翁”的假设。

富翁拥有的财富就是数据的所有权，富翁将财富数据公布就是数据的使用权，是否有一种技术，可以使数据的所有权和使用权分离，能够让富翁向这个技术平台透露财富数据，但是经过一系列加密数据的计算，最终只给出相应的结果（谁更富有）？对于需要用户数据的互联网企业来说，他们获得的不再是原始数据的所有权，而是经过率先加密的一套数据了。

理解了这一假设，就可以理解隐私计算的大致思路了。

隐私计算在20世纪80年代姚期智等人提出后，更多的是停留在学术研究层面，实用价值不高。但近年来，随着算法协议的优化和硬件计算能力的增强，MPC计算耗时已经从数十万倍下降至100倍以内，其可用性大大增强。同时，随着其它配套安全技术的逐渐成熟，隐私计算的技术和产品成熟度在近两年迅速提升。那么隐私计算目前在哪些产业应用上有具体进展呢？

02

隐私计算应用场景不断扩展

伴随着我国大数据产业的持续发展和数据安全共享的需求快速进发，隐私计算技术的应用场景也越来越多。

金融行业已经开启隐私计算应用。目前国内隐私计算产品主要应用于金融行业的风控和获客，即多家金融相关机构在不泄露客户个人信息的前提下对客户进行联合画像和产品推荐，在多头借贷等场景下能有效降低违约风险。

医疗行业也正在成为隐私计算关注重点。通过隐私计算技术，医疗机构与保险公司之间可以在不共享原始数据的情况下分析投保者的健康信息。政务行业有望成为隐私计算下一个应用重点。隐私计算提供了政府数据与电信企业、互联网企业等社会数据融合的解决方案。在部分地方政府的相关规划里，已经有所涉及。

未来，隐私计算将广泛应用于金融、保险、医疗、物流、汽车业等众多拥有敏感隐私数据的领域，在解决数据隐私保护问题的时候，也帮助缓解行业内的数据孤岛问题，为大量AI模型的训练和技术落地提供一种合规的解决方案。

03

隐私计算未来发展趋势

在我国，隐私计算发展具备一定的优势、存在广阔应用空间，但是由于技术发展仍不完善，也因此面临着一系列的问题。首先，隐私计算的技术性能还难以满足大规模的商用要求。虽然目前隐私计算的性能已经大大提升，但是由于其加密机理比较复杂，计算效率的问题仍然未能解决。

其次是目前大部分企业的数据规范性和数据质量难以支撑隐私计算技术。由于隐私计算算法敏感度较高，因此对参与方的数据规范性和数据质量要求也较高。此外，隐私计算多用于跨企业甚至跨行业的数据流通，对参与方的数据一致性也提出了较高要求。

另外现有法律法规未对隐私计算地位进行明确定位。例如，《中华人民共和国网络安全法》中规定“未经被收集者同意，网络运营者不得向他人提供个人信息”，同时设置了“经过处理无法识别特定个人且不能复原”的例外条款。将个人信息用于隐私计算是否属于这一例外条款，法律法规及相关标准等并无明确界定。

这些隐私计算的应用困境，亟待多方面主体的共同解决。那么对于推动隐私计算发展的相关技术公司，现在则有一系列新的发展趋势出现。

首先是区块链技术的出现，为隐私计算提供了新的解决方案。将隐私计算应用于区块链上，既一定程度上增加了隐私计算结果的不可篡改性和可验证性，也增加了区块链上数据的保密能力，目前成为诸多厂商的技术融合方向。比如一种无许可性隐私计算服务正是利用遍布全球的TEE可信计算节点来保证隐私计算的稳定性和安全性。

其次是软硬件协同和平台整合，正在大幅提升隐私计算的性能和便利性。使得通过平台基础设施对隐私计算的硬件加速和能力整理，可以实现从存储计算到建模挖掘等全方位的能力提升。

最终我们看到，隐私计算成为用户数据安全和企业数据使用之间的把关者，解决数字社会的关键性问题，为数据隐私保驾护航并创造出一种全新的“数据交易”庞大市场，也会成为实现数据价值释放的突破口。