后疫情时代隐私泄露风险增加 隐私计算或勇挑大梁

本文深度讨论了后疫情时代，在日常的数据采集存储和计算中，数据隐私是否能得到妥善保护从而保障用户的基本权益。

当大量数据从边缘终端设备通过物联网（Internet of Things, IoT）和5G等技术进行收集传输和分析处理时，这些数据的隐私该如何得到有效保护？且看本文。

疫情后，隐私泄露的风险增加

2020年初，新冠疫情的突然爆发给每个人的工作生活都造成了巨大的影响。一方面，居家办公场景驱动了数字化办公的发展进程，诸多企业需要在短时间内将必要的生产联络方式等由线下转移到线上；另一方面，在社会公共卫生防疫需求下，个人健康数据以数字化形式收集处理用于疫情防控、健康服务和流调查询等。如在中国、西班牙等国使用的出行健康码，以及世界多国支持的线上预约核酸检测及检测结果查询等。

此次疫情的出现启发了人们对社会基础设施建设的重新审视，如此大规模的数据传输与交换，离不开新技术手段的支持。在全球背景下，为适应日益增长的数据交换需求，推进各领域的数字化进程，5G、大数据、人工智能、云计算等已经成为各大国最重视、投入最多的科技技术领域。

在疫情非常态下，数据交由相关机构和部门进行使用在某种程度上可以被理解和接受，然而当疫情过后，生活归于常态化后，在日常的数据采集存储和计算中，数据隐私是否能得到妥善保护从而保障用户的基本权益？在诸多新技术得以发展后，当大量数据从边缘终端设备通过物联网（Internet of Things, IoT）和5G等技术进行收集传输和分析处理时，数据泄露的风险也会相应增加，这些数据的隐私该如何得到有效保护？

隐私计算 保驾护航

指纹识别、人脸识别、语音识别等多种技术在收集用户信息为用户提供方便快捷的服务的同时，也将这些个人基本数据信息置于被泄露、滥用的风险中。随着欧盟 GDPR，加州 CCPA 法案等相继颁布与实施，相关方有必要重新审视对待数据资源的态度与操作。

在该背景下，隐私计算（Privacy-Preserving Computation）技术逐渐走入人们视野，隐私计算是指借助以安全多方计算、同态加密、零知识证明、差分隐私和可信执行环境等为代表的现代密码学和信息安全技术，在保证原始数据安全隐私性的同时，实现对数据的计算和分析。

目前隐私计算有三种主要的技术实现路径：密码学（Cryptography）、可信任执行环境（Trusted Execution Environment，TEE）、联邦学习（Federated Learning）。

其中，以密码学为根基的数据隐私保护方案，是对隐私信息进行全生命周期保护的计算方法，支持在数据本身不对第三方泄露的情况下运行分析计算等操作。其核心理念是在处理信息流时，形成建立一套符号化、公式化且具有量化评价标准的隐私计算理论。[1]相比于传统端到端加密方法所存在的密钥管理、性能影响等问题，隐私计算可以从全生命周期角度对数据进行根本上的隐私保护。在大规模公共基础设施中，隐私计算的引入和布局可以提供系统性的数据隐私保护支撑。

目前，除学术领域对隐私计算的深入研究之外，隐私计算的实际应用场景和大规模商用方案也正在被积极地探索中。以PlatON Network为例，其提供的隐私AI计算网络，为支撑未来大规模数据资产交易提供基础设施。通过以可验证计算、安全多方计算、零知识证明、同态加密等密码学算法共同组装的下一代计算架构，为全球人工智能、分布式应用开发者、数据提供方及存有计算需求的各类社区、机构、个人，提供开源架构下的公共基础设施。

在后疫情时代，人工智能（Artificial Intelligence，AI）也遇到在数据再利用的过程中的隐私问题。人工智能（Artificial Intelligence，AI）的发展使得数据作为一种特殊资产，其规模大小影响着模型的精确性和相关服务的可靠性，进而影响商业成本和风险。从提高AI模型精度的角度，收集的数据越多模型效果越好，但是收集大量数据也带来了更大的隐私暴露风险，AI想要进入大规模商用，隐私是无法绕过的问题。

但是隐私计算技术天然适合解决目前AI技术的隐私短板，大量的数据在加密的状态下进行计算，既解决在过往AI技术的隐私问题，又能保障数据的高效治理和利用。

以此次疫情中所涉及的用户个人健康信息IoT数据为例，PlatON所建立的隐私AI计算体系可有效保护核心数据，提供数据全生命周期管理服务。基于区块链、隐私计算、AI联合技术体系，可以有效实现多源多模本地联合验证，由隐私计算生成的结果，可以给各个机构相互之间提供精准投放服务，既满足了各地区互认问题，同时可以共享各机构数据营销渠道，共同提高健康数据验证的准确性，助力5G、云计算等技术领域高速发展下各行业对公共卫生经济数据业务的实现与建立。

作为全球隐私保护计算领域的佼佼者，PlatON在隐私计算技术方面深耕多年，其所搭建的隐私计算网络基础设施能保障数据在全球范围内的安全自由流通，各类以数据交换和计算为核心的应用均可以在PlatON上享受全球数据协同和算力共享的便利。

参考文献：

[1] Li, F., H. Li, Ben Niu and J. Chen. “Privacy Computing: Concept, Computing Framework And Future Development Trends.” IACR Cryptol. ePrint Arch. 2018 (2018): 1145.

[2] 孙立林：在疫情防控和流调中 如何最大限度地保护个人隐私 | 云图思潮：

https://mp.weixin.qq.com/s/gwiZyfdTC6tEk83VfpnBtQ

[3] 科学家有话说系列：从5G富消息、健康码谈新基建与数据隐私是否不可得兼：

https://mp.weixin.qq.com/s/0UVaXxOCTwVbQ8dyDxpbAQ