「前沿技术」隐私计算构建数据安全体系

《数据安全法》《个人信息保护法》《网络安全法》等逐步完善了数据相关立法的顶层设计，强调数据发展和安全并重。数据驱动数字经济蓬勃发展，数据安全合规成为焦点议题。隐私计算应运而生，成为数据协作过程中保护多方数据权益的技术解。

隐私计算产业发展

隐私计算是平衡数据利用与安全的重要路径。技术价值的凸显，再加上政策环境的助力，隐私计算在数据相关产业内兴起，相关的学术会议和论文在近几年大幅增长，相关研究开始逐步从技术原理转向应用实践。可实现“数据可用不可见”的隐私计算几乎是当下数据互联互通的最佳技术解，商业价值和应用前景看好。

目前，中国地方政府正积极规划，将隐私计算作为重点。珠海市出台《关于加强隐私计算在城市数字化转型中应用的指导意见》，《意见》明确提出，珠海要培育一批基于隐私计算的应用场景，充分发挥隐私计算“数据可用不可见”的技术优势，推动数据要素赋能数字经济高质量发展。

隐私计算应用场景

随着我国大数据产业发展和数据安全共享需求增长，隐私计算技术应用场景越来越多。例如，在金融（支付）、医疗（病历）、教育（学籍、分数）、物流（快递）、交通（滴滴）、社交平台（交友、婚介）等涉及个人隐私数据的场景中，隐私计算均可能得到应用。

目前金融成为国内主要的隐私计算落地场景，隐私计算为金融机构间数据合作、共享提供安全解决方案。医疗数据共享成为隐私计算的另一个关注重点，通过隐私计算，在保护各方数据隐私安全前提下，提高医疗诊断能力。在抗击新冠肺炎疫情的过程中，隐私计算助力实现了全球范围内的疫情数据共享。政务行业有望成为隐私计算的下一个重要场景。政务数据涉及社保数据、公积金数据、税务数据、生活数据、交通数据等，不同部门之间的数据孤岛目前难以快速消除，数据共享应用困难，通过隐私计算可以保护各部门数据，解决数据孤岛问题，提高政府数据治理能力。

隐私计算技术

隐私计算是涵盖众多学科的交叉融合技术，目前，主流的隐私计算技术分三大方向：一是以安全多方计算为代表的基于密码学的隐私计算技术，二是以可信执行环境为代表的基于可信硬件的隐私计算技术，三是以联邦学习为代表的人工智能和隐私保护融合衍生的技术。

隐私计算技术体系

来源：信通院云计算与大数据研究所

安全多方计算（Secure Muti-party Computation，简称MPC、SMC或SMPC）近年一直受到国内外密码界的关注，并成为热点。安全多方计算不是单一的技术，它包括秘密分享、不经意传输、混淆电路、同态加密、零知识证明等多种技术。

可信执行环境（trusted execution environment，TEE)是在基于硬件防护能力的隔离执行环境中计算，实现数据安全和隐私保护功能。TEE技术的核心在于硬件技术，该技术未来的产业方向在于打造自主可控、安全可靠的国产TEE芯片等安全产品。

联邦学习（Federated Learning）是一种新兴的人工智能基础技术，在 2016 年由谷歌最先提出，其设计目标是在保障大数据交换时的信息安全、保护终端数据和个人数据隐私前提下，在多参与方或多计算结点之间开展高效率的机器学习。联邦学习有望成为下一代人工智能协同算法和协作网络的基础。

隐私计算技术正处于快速迭代和发展阶段，为数据安全法落地提供有力的技术支撑。但是，在技术实现、性能等方面仍存在诸多挑战，隐私计算技术的发展仍需继续努力。

隐私计算，科技型企业在行动

在隐私计算方面，业内企业如北京海泰方圆科技股份有限公司积极开展相关技术研究和应用开发，包括专利申请，技术实现，参与相关标准的编写，与其他单位的技术交流合作等工作。海泰方圆在密钥分割（秘密分享）、不经意传输、基于同态加密的匿名认证、零知识证明等技术方面均有专利或方案输出，目前海泰方圆正开展隐私计算平台研发。海泰方圆将以数据安全法落地为契机，继续探索隐私计算技术发展应用，让隐私计算在数据安全治理中充分发挥更大的价值。

参考资料

[1].《数据安全法落地 隐私计算将成重点》，经济观察报/2021 年/8 月/30 日；

[2].《隐私计算白皮书2021》，信通院、隐私计算联盟,2021；

[3].《腾讯隐私计算白皮书2021》，腾讯,2021；

[4].闫树, 吕艾临. 隐私计算发展综述[J]. 信息通信技术与政策, 2021；

[5].《深潜数据蓝海--2021隐私计算行业研究报告》，微众银行等，2021；

[6].《隐私保护计算技术研究报告（2020）》，信通院，2020；

[7].闫树,袁博《隐私计算——实现数据价值释放的突破口》， 中国信通院  2020；

[8].《安全多方计算导论》，机械工业出版社，2021。