谁造就了印度9岁编码神童？

另外，在人工智能大数据应用的大背景下，“联邦学习”也是隐私计算领域主要推广和应用的方法。

在以人工智能、大数据应用为代表的新技术周期中，隐私计算为互联网平台和企业提出了更高的数据治理要求，即真正要做到以用户为中心，不必依赖企业自身或第三方公司控制的数据服务器进行安全保障，让用户真正掌握自己的数据所有权，保护数据安全和隐私要求。

在产业端，隐私计算应用场景不断扩展。

比如在金融行业。国内隐私计算产品目前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。
 

这一看似难解的问题就涉及到了数据的所有权和使用权问题。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。目前，主要的互联网平台在为你提供服务的时候，基本上是既获得了数据的使用权，也几乎获得了数据的实际所有权，尽管用户保留对数据的名义所有权，但是大多数人都会将数据保留在这些平台上面，同时也很少有人会去主张平台将数据销毁。

而面对两位“百万富翁”的小心思，是否有一种技术，可以使得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)。对于互联网平台或需要用户数据的企业来说，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，来为数据需求方提供服务?

理解了这一假设，就可以理解隐私计算的大概思路。

在隐私计算里，这是一个专业的加密学问题，可以准确表述为“一组互不信任的参与方之间，在保护隐私信息以及没有可信第三方的前提下的协同计算问题”的《安全计算协议》。提出设想的同时，姚期智院士当时也提出了自己的解决方案“多方安全计算”(MPC)。

MPC在80年代初提出的时候，只能是作为一种亟待可行性验证的技术理论。而随着计算机算力的不断提高和隐私数据越来越广泛的应用和重要性提升，MPC技术也在逐步完善发展中得以应用。

现在，隐私计算除了在MPC技术上面的进展外，也已经呈现出更多新的技术特点和解决方案。那么，隐私计算目前的技术准备和产业应用有哪些具体进展呢?

隐私计算酝酿期：大规模应用的前夜

为什么隐私计算现在变得越来越重要呢?不仅仅是开头我们提到的公民个人隐私数据泄露已经到了亟待治理的阶段，现在数据也已经成为企业平台最重要的核心资产，企业已经有动力要对平台数据进行充分的保护和合规的使用。

我们看到，今年，我国首次将数据定性为土地、劳动力、资本、技术之外的第五大生产要素。不久前，人代会审议的《个人信息保护法草案》规定：侵害个人信息权益的违法行为，情节严重的，没收违法所得，并处5000万元以下或者上一年度营业额5%以下罚款。而5%的额度甚至超过了“最严数据保护”之称的欧盟GDPR。

无论是出于数据合规合法的考虑，还是出于数据应用的考虑，企业都正在加大对数据隐私保护的力度。根据国际调研机构Gartner最新的一份战略科技趋势预测，隐私计算成为2021年重点深挖的9项技术之一。Gartner还预测，到2025年，将有一半的大型企业机构使用隐私计算在不受信任的环境和多方数据分析用例中处理数据。

这些新趋势的出现，为隐私计算提出了新的要求，也将提供广阔的产业应用需求。

从技术端来说，隐私计算现在有两种主流解决方案，一种是采用密码学和分布式系统的方案，一种是采用可信硬件的方案，实现接收多方隐私数据输入输出。

密码学方案目前以MPC为代表，以秘密分隔、不经意传输、混淆电路、同态加密等专业技术来实现，近几年其通用性和性能正在得到显著提升，具有实际应用的价值。可信硬件技术当前主要以可信执行环境(TEE)为主，构建一个硬件安全区域，数据仅在该安全区域内进行计算，核心是将数据信任机制仍然交给像英特尔、AMD等硬件方，因其通用性高、开发难度低，在对数据保护并不严苛的场景下可以发挥重要价值。

（编辑：济源站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!