隐私计算加速崛起，数字基建正当时 | 星科技•泛安全

前沿科技

泛安全

通过多方安全计算、同态加密、联邦学习等技术手段，隐私计算融合了密码学、大数据、AI等交叉学科的能力，为数据应用提供了一种“数据可用不可见”“数据不动算法动”的数据应用方式，并已在运营商、金融、政府、医疗等大量数据密集型行业得到了初步的应用。

01

隐私计算市场潜力进一步释放

36氪研究院《2023年中国隐私计算行业洞察报告》显示，隐私计算是一类技术的统称，是一套包含了密码学、数据科学、人工智能、安全硬件等多个交叉学科的技术体系，旨在为数据的计算过程和计算结果提供隐私安全保护。

针对不同应用场景、信任环境和需求，将不同技术、算法、接口集成在一个平台上，并结合人工智能、机器学习、区块链等跨学科技术，为用户提供综合解决方案，使得“不分享数据、但分享数据的价值”成为可能。

具体而言，根据数据生命周期，隐私计算可分为数据存储、数据传输、数据计算过程、数据计算结果四个阶段，各阶段涉及不同的技术。

隐私计算行业主要可分为算力层、平台层和应用层。其中，算力层指针对隐私计算性能提升提供的各类算力解决方案，包括算法优化和硬件加速等；平台层是指用于支撑构建应用解决方案的平台型产品，以多方安全计算、联邦学习、可信执行环境、同态加密、差分隐私、多方中介计算等为关键代表技术；应用层指针对金融、政务、医疗、通信、制造、能源等各行业及业务场景提供的隐私计算产品和服务解决方案。

据IDC预测，2025年中国隐私计算市场规模将达到145.1亿元。相比2021年的8.6亿元，有超过十倍的增长空间，年复合增长率高达102.7%。

隐私计算技术发明的初衷，就是服务于各方隐私在合作中不被泄露，而最关键的目标就是隐私数据的安全性。随着行业的进一步发展以及隐私计算的规模化应用不断铺开，隐私计算的安全性将不仅仅停留在单一方面，而是体现在整个数据对齐、建模模型部署以及数据调用的全链路安全上。

从隐私计算的各技术环节来看，全链路安全可概括为数据安全、密码安全、模型安全、协议安全几个方面。

现阶段，市场参与者在密码安全、模型安全与协议安全方面做得相对较好。未来行业的关注重点将在于如何保证数据在使用全过程中不产生泄露，比如，数据交换时如何实现最小程度的泄露，使其达到无法反推原始数据的程度。

02

多机构参与联防联控，

隐私计算构筑反诈“天网”

随着2022年《反电信网络诈骗法》的出台，我国的电信反诈工作进入了立法明确与科技加持的新阶段。

一方面监管明确了反诈工作牵头单位需要落实各方责任，形成全链条反诈和全社会防诈的打防管控格局；另一方面监管鼓励企业研发电信网络诈骗反制技术，加强涉诈样本信息数据的共享。

在以往的反诈模式中，一家机构的“单打独斗”难以建立起持续有效的反诈信息识别模型，在这样的背景下，跨行业数据融合的反诈联防联控平台成为电信反诈的新尝试。

在这其中，隐私计算技术的运用与数据要素流通平台的搭建，成为了保护多方数据融合共享的安全底座。

作为隐私科技与数据要素生态服务商，蓝象智联在中国人民银行广州分行、广东省公安厅相关部门的指导下，联合广州银行电子结算中心，整合政府、公安机关、多家商业银行、三大运营商及其他第三方数据源，搭建了“基于隐私计算技术的金融反欺诈联防联控平台”。

该平台通过隐私计算技术，在保证多方数据可用不可见的安全前提下，实现数据的融合与共享，极大地提升了反诈模型的识别覆盖范围、识别率与识别精度。公安机关根据模型测试结果提供风险账户分层分级管控建议，试点银行落实管控具体措施。在确保个人银行账户“应开尽开”的前提下，运用机器学习等技术手段为商业银行排查异常银行账户，化解和压降存量银行账户风险，开启了数据时代电信网络诈骗治理的新模式。

该平台在保障各方数据不出域、可用不可见的前提下，基于“白手套”识别模型的建设，融合海量数据，通过数据的价值挖掘，能够有效发现欺诈线索，进行智能提醒、特征分析和趋势预判，从而提升反诈工作的监控识别能力与风险防控能力。

具体来看，该平台在反诈过程中，通过融合多家机构的相关数据，结合基于联邦学习技术建立的“白手套”识别模型，可以通过分数高低的模式来预测一个人成为欺诈人或受害人的可能性。在这个基础上，公安机关能够更高效地拦截可疑行为，保护受害者资金安全。

03

隐私计算助力构建数据云服务时代

从2020年开始，国内新兴起的隐私计算领域着眼于安全、合规、有序地解决行业内外数据不融合的需求。

蓝象智联创始人兼CEO徐敏曾对数据猿表示，通过隐私计算手段，数据的持有权并没有发生转移，但合作机构可以基于数据进行建模、隐匿预测、隐匿求交等多种数据应用，来获得数据分析结果。

“传统模式下，数据是需要迁移到数据应用方才能加入计算；隐私计算模式下，数据依然保留在原地，基于确定的应用需求，数据能以“数据云服务”的模式，以不泄露原始数据的形态参与运算。”徐敏说。

某种意义上来说，隐私计算让数据服务像云计算实现算力云服务一样，实现了数据服务的云服务。之前数据搬家模式，就像把服务器搬进了自家机房；隐私计算模式下，数据服务真正实现了“data as a service”，实现了按计算调用。

数据云服务的模式，随着隐私计算技术的发展和普及，也将得到更大的发展。就像云计算是“上云 用数 赋智”的第一步，通过算力成本的大幅降低，实现了业务上云、继而实现“数据在线”，隐私计算支持的数据云服务将接过基础设施云计算的接力棒，为“用数、赋智”带来更大的空间。

近两年的实践证明，跨机构的数据融合应用会带来显著的业务提升效果。

徐敏介绍，以蓝象智联公司所参与的客户案例为例，工行和银联在普惠金融领域进行了联邦建模，引入银联3000万国内中小商户的流水数据参与工行联邦建模，使得该项业务提升了20%的客户准入规模、户均授信提升30%；某城商行通过引入蓝象智联的隐私计算技术，实现了银行、抖音和中国电信三方数据的联合建模，使得该银行在抖音的信用卡发卡成本降低一半。

“未来，中国的企业分两种：有数智化能力的企业、没有数智化能力的企业。企业未来走向哪一条路，取决于你今天的决策。”徐敏说。

参考来源

https://mp.weixin.qq.com/s/bm1MTrO5fpMpTgG99EKD4A

https://m.thepaper.cn/baijiahao_19644207

END

相关阅读