隐私计算何去何从？

经历了2019年的技术普及和市场教育阶段，2020年的大规模概念验证和试点部署阶段之后，2021年隐私计算进入真正尝试规模化应用的阶段。本专题将深度调研行业应用状况，同业界一起关注隐私计算给数据要素市场发展带来的价值。

隐私计算来自哪里？何去何从？

一、隐私计算发展的第一阶段：统一“游戏规则”

简单来说，隐私计算技术是在金融科技向善的困境中倒逼出来的，当然数据安全法律法规起到了催化剂的作用。这两年发展快的原因大概有两个，一是确实是数据市场遇到了买方与卖方的断裂，二是头部科技企业与VC在技术上的推动。早期的所谓隐私计算厂商，存在一部分即使用第三方开源内核，外面包个皮，写一份BP，基本上就可以很容易拿到第一轮融资。

这个阶段，我习惯称之为“统一名词和理论”阶段。厂商从5家到数百家，百花齐放，推动了运营商和银行的隐私计算市场启动。存在的问题是标准的检测门槛，关注理论和产品功能性， 架构和工程化考虑少。最终导致客户迷茫，主要满足科研性实验性课题。

二、银行为什么“青睐”隐私计算

用在哪里？是否真的落地？简单一句话带过，“只要涉及到数据协助但又担心数据安全的机构之间，都存在这一的应用场景与需求。”如果给出政务、金融、医疗、工业等场景这一的答案，我觉得有点泛泛而谈，所以我举了一个比较“银行”的例子：银行财富管理部门A希望对行内高净值存款客户推荐理财产品。

银行本身对自己的用户了解的并不一定深刻，需要借助第三方数据来做用户分层，如何联合外部数据进行用户刻画呢？举个简单的例子，银行存款用户数量庞大，但是单纯依赖行内的客户数据，很难圈出对购买理财感兴趣的用户。一般的操作都是通过API或者离线库的方式采购第三方数据公司的标签，API查询动作很大程度上会对银行客户ID隐私造成威胁。这就是问题根源！

隐私计算，可以从技术上保证这类业务的隐私数据安全性。所以我们提了一个理念叫“算法定义边界”。业务的安全边界，用隐私计算技术来完全分割与确认。

图：隐私计算应用于联合营销的案例

三、隐私计算发展的第二阶段：POC到生产系统，没那么简单！

应该说最近一年，厂商和银行普遍在做POC。这个阶段的特点是聚焦性能和工程化安全，我称之“验证阶段”。大幅提升性能和工程化安全的标准，毕竟涉及到数据安全问题， 理论安全是不够的，工程化安全和工程化可用性才是重要的。最近第一批BCTC多方安全计算金融应用技术测评，对此非常具有指导意义。

验证阶段，银行比较关注软件本身的基础特性、计算能力、计算性能、产品安全等，这些都是硬核指标，这些能力的输出与厂商是否具有完全自研可控的能力是分不开的。你觉得一个完全依赖第三方内核的厂商对不断进化的评测指标能做到游刃有余吗？

POC阶段，其实已经开始考验厂商对隐私计算应用场景理解能力，我们称之为“解决方案”，解决方案专家需要具备隐私计算技术能力、垂直行业领域能力，因为还没有像区块链技术一样普及。很多金融机构的业务口对“区块链 + ”很熟悉，但是对“隐私计算 + ”尚且模糊。所以，很关键的一点是厂商是否能在做POC的同时，做出让业务口“激动”的应用方案。

四、回归软件的本身：软件成熟度

因此，也许80%的技术厂商都在讨论、研究、投入、开发偏隐私计算技术本身的模块，优化性能，丰富算法。这些工作当然是首当其冲的重要，也是厂商之间核心竞争力的体现。但是，回归到软件本身而言，作为一个软件，工程上是否足够完善与健壮，我觉得是进银行生产系统的一道门槛。软件的资源管理、权限管理、与现有机器学习系统的接口关系、记账与清结算、API和SDK、运维监控后台、日志管理、宕机处理、负载均衡 …… 所有商业化软件需要考虑的模块，都需要基于隐私计算技术内核做集成与完善。何况是要进银行！

五、隐私计算发展的第三阶段：数据生态，互联互通，拒绝大孤岛

其实我们接触的很多运营商、银行机构都在最后提出尖锐的问题，隐私计算的终局是什么？我是不是要装好几个厂商的软件，才可以把想要的数据都用起来。不然，有可能出现“数据大孤岛”的尴尬局面。

图：隐私数据生态星系图

只有实现了不同厂商异构隐私计算软件平台的互联互通，整个数据行业的格局可能就真正开始有序和开放了。我们还是打手机操作系统的比方，各种手机操作系统内核之间做好协议互通，不管是集成商还是应用商，都不需要关心异构互联的事情。