行业务实派：如何从0-1解锁数据价值，翼方健数揭秘全栈隐私安全计算技术

数智化时代，数据已成为最核心、最具价值的生产要素。其中，如何应用可落地的技术，共享和保护数据，促进数据要素进一步流通，释放数据价值，受到业内普遍关注。

隐私计算，被业内誉为打破“数据隐私安全与共享矛盾的唯一技术解”，是大数据、人工智能及产业创新驱动不可或缺的关键技术环节。随着数据与计算进一步融合，数字产业化加速推进。如何运用隐私计算实现数据“可用不可见”，形成业内亮眼、标杆性的应用案例，成为多领域客户的共性需求。

这个答案，或许是翼方健数。公开信息显示，翼方健数致力于打造“数据和计算互联网（IoDC）”，以多方安全计算、区块链等技术为核心，从安全、可信等技术要求出发，正帮助行业各方实现数据可用不可见，保障信息安全，挖掘数据的价值。

着眼实际，务实有效的数据平台究竟是怎样的？行业有哪些亟需解决的难题？在11月10日的Data X大会暨翼方健数战略发布会上，翼方健数首席科学家张霖涛归纳行业的三个痛点：

首先，优秀的数据平台必须要做到能汇聚不同源头数据，还要在数据不可见的情况下挖掘数据价值。平台需要解决的首要问题：如何保护数据隐私和安全？

其次，在IoDC场景下，资源分布在广泛的网络中，如何利用技术支持应用的数据需求？

最后，数据资产运用产生的价值如何有效分配，如何确保贡献者的长期权益？

从这些难题出发，张霖涛推导出优秀的数据平台应该具备的三大核心能力：

数据全生命周期管理：搭建从数据清洗、数据管理、数据标注、数据价值抽取、数据价值分配、数据交易等等的一系列工具和应用。数据真正能用，可用和好用。

坚实的隐私安全计算技术体系：围绕XDP平台的隐私安全计算能力，从单体平台到联邦平台再到IoDC，从沙箱到TEE到MPC和联邦学习，在隐私安全计算赛道建立最有竞争力的全栈解决方案。

AI驱动且可差异化应用：AI为核心，大数据驱动。在垂直行业利用数据和AI能力为行业客户获取最大化价值。

瞄准客户成功的目标，围绕“用技术解锁数据价值“，张霖涛详细介绍翼方健数提出的路径——全栈技术解决方案，才能为数据平台的构建带来新启发，并为迈向数据和计算互联网打下坚实基础。

隐私安全计算平台是核心底座

平台为用，架构先行。为打造适合IoDC时代的全栈技术平台，翼方健数先推导出的是核心的XDP隐私安全计算平台架构。

• XDP平台架构主要由四部分组成：

1. 底层的XDP文件系统（XFS，XDP File System）用以存储数据，保证数据安全。

2. 中间层是执行引擎XEE。

3. 临近应用的一层支持各种计算环境，包括安全沙箱、可信执行环境、安全计算引擎和联邦学框架。

4. 最顶层用来支持客户的需求，部署各种应用。

张霖涛指出，底层部件XFS最为重要。如同物流仓，它决定了”数据究竟存在何处，结构是否清晰，能否支持快速调用“。

XFS专为IoDC打造，是一个分布式文件系统。XFS主要提供四大能力：首先是提供高规格安全保护，基于密钥管理系统，对数据实现强隔离、多层次的加密、细颗粒度的访问控制及可编程的生命周期管理，保证数据遵循“最小使用原则”；

其次，XFS具备全方位的计算支持，可以满足大数据和机器学习的多种需求；

此外，XFS具有卓越性能和跨平台能力，可兼容NVMe，RDMA等高性能存储技术，全面管理IoDC数据存储资源；

最后是有经济高效的使用方式，XFS支持如块存储、对象存储等，可实现数据平滑迁移。

有这样可靠的文件系统，客户可以放心汇聚、存储数据。上层的XDP DaaS Engine（XDaaS） 的应用才可进一步对数据进行发现与整合。

XDaaS提供可扩展的主数据，实现多数据源间的有效融合。XDaaS同时提供高效的数据探查能力，最后实现cell级别的来源追踪。在使用过程中，XDaaS还能对敏感数据加以保护。

数据到位后，按需调动资源，执行引擎XEE（XEE，XDP Execution Engine）开始进行运算。

XEE可使用多种底层计算基础设施，支持云和私有化部署，对硬件环境要求不高，提供多种计算模式，包括批量处理流式计算等。此外，XEE支持基于浏览器的多种交互模式。因此，XEE可做到统筹管理IoDC中的全网络计算资源。

如何保障计算的安全性和可扩展性？PCT层运用了多种技术、环境与框架。

不同于传统沙箱计算环境，翼数安全沙箱（XDP Secure Sandbox）满足单体平台上“软件可信，用户不可信”的安全假设。系统管理员在安全信任体系之外，能充分防范平台运维的违规操作。它为单体平台提供“零信任”的本地计算环境。

在有可信硬件情况下，翼方健数通过可信执行环境XTEE，为客户提供安全、高效、通用的端到端可信执行环境，并运用硬件完成对软件的验证。简而言之，XTEE可以加快远程证明、提供TEE运行时加密文件系统的支持。

对于上层的联邦学习技术能力，一方面，翼方健数还打造了一套联邦学习框架XFL，其从底层实际情况出发。具有丰富的自定义接口，兼具高安全性和高扩展性的特征。XFL支持海量插件，覆盖主流算法。数据不出域，也能在支持主流环境下进行安全联合建模。

除前期产品技术能力实现之外，翼方健数仍实时响应客户诉求，持续迭代产品功能。

由于在客户需求调研中发现，很多应用场景同步对机器学习和通用计算都有需求。为此，翼方健数开发密文计算框架XSC。

XSC框架具有高完备性、灵活部署和集成开放的跨平台特性。XSC支持高效完备的算法库，可以部署各种硬件，支持集成其他的开源隐私计算框架。张霖涛还透露，联邦学习框架XFL和密文计算框架XSC在未来都会开源。

“保姆级”的数据全生命周期管理

除让数据实现安全、可信计算外，隐私计算平台汇集数据后，在实际应用场景中，客户又提出了新的疑问：如何解决数据管理，数据价值分配和数据确权的问题？

翼方健数认为，区块链技术在这一板块优势明显，但同样需要和隐私安全计算技术打配合。

翼方健数通过结合隐私安全计算与区块链技术，开发Xledger为XDP联盟和IoDC提供不可篡改的数据存证与智能合约，对数据实现全生命周期管理，智能合约保障价值分配，保证数据所有者的权益。

如果客户想要更高效率地获取高质量数据，怎么办？

翼方健数自主研发数据标注工具GoldFinger，不仅支持高效率的用户标注，还可以更好服务AI应用需求。GoldFinger可以保证数据在使用时严格隔离，预标注能力还可扩展为众包模式，兼顾效率与安全。

• 客户在清洗数据时标准不明确，效果差，出现大量无效工作，何解？

那就响应需求，翼方健数开发数据治理工具DataWand。

传统的ETL手段费时费力且没有统一标准，清洗规则效果差，重复利用率低，也有数据泄露风险。

DataWand都可以解决以上问题，不仅可以对数据大规模标注，在保证数据安全情况下，算法还能持续迭代，为后续的数据清洗提供服务。据张霖涛介绍，DataWand目前已经在城市级别数据中取得很好的应用效果。这也为后续客户在选择时提供了更多参考依据。

• 数据储存在哪里？你们是技术供应商，交付后能否保证客户有完全的控制权限？

张霖涛表示，翼方健数本身并不拥有数据，数据的控制权需要由数据拥有方来做授权。换句话说，翼方健数是“零数据的大数据公司”。

赋能各行业，AI驱动的差异化应用

隐私安全技术可以解决安全与效率的问题。

然而在客户决策前，是否已有成功先例，仍是重要的拍板依据。

翼方健数早已在医疗、生信、政务等垂直领域完成多项AI业务挑战，储备诸多应用案例。

仅以医疗行业客户为例，翼方健数建立业界领先的，基于深度学习的诊疗合理性内核。

诊疗模型基于采集的数据，通过与库内特征比对，对疾病作出预测和预警。如做智能多点触发疾控解决方案，以此来预测传染病的发病情况和未来走势。

• 基于知识图谱，翼方健数辅助构建医学数据库，帮助医生/科研人员系统地从各种资料中抽取出有效信息。

诊疗合理性内核已经应用到医院端的CDSS（临床决策支持系统）和医疗质控中，进一步帮助医生提质增效降风险。相关数据在授权后，还可应用于科研院所和政策研究机构。

• 全栈化解决方案，是隐私计算技术落地难的最优解法

张霖涛认为，若想通过隐私计算去最大化数据价值，单一技术显然无法提供“完美”的解决方案。如果要为各行各业创造真正的数据价值，使数据和计算资源充分流动。隐私安全计算企业或许还要考虑得更为现实且深远，全栈化解决方案或许才是隐私计算技术落地难题的最优解法。

但是，对于技术供应商而言，最优解法注定会更为艰辛。抵达星辰大海之前，一路绝非坦途。

构建IoDC（数据和计算互联网）是翼方健数的愿景与目标。若要达成这一目标，一方面，翼方健数需要不断迭代各类技术方案，为客户多想一步，适应应用场景的变化；另一方面，翼方健数还需促成行业共识，使不同的平台间数据互通，为彼此产生价值。不过，这条路径一旦走通之后，必定会撬动指数级的数字化市场份额。