精彩回顾 | 锘崴科技创始人&CEO郑灏作为嘉宾出席“抢新机，融数据，共发展”论坛并发表主题演讲

5月27日，由《数据要素安全流通白皮书》编委会主办的《数据要素市场行业应用论坛》在线上举行，论坛以“抢新机，融数据，共发展”为主题，促进数据要素流通，探讨数据要素市场场景应用。

本次论坛受邀出席嘉宾有华东江苏大数据交易中心总经理汤寒林、数据宝特聘专家&贵州财经大学教授丁红发、南京航空航天大学教授&融岛科技CEO方黎明、飞算云创联合创始人张哲、锘崴科技创始人&CEO郑灏、数据宝ChinaDataPay首席精算师吕定海、煋辰数智联合创始人顾冉、熵链厦门CEO&海峡链首席架构师王超博、融安数科创始人&CTO刘伟、数牍科技标准化研究专家金银玉。

精彩回顾

锘崴科技创始人&CEO郑灏作为嘉宾出席此次论坛，并围绕“隐私计算助力企业数字化转型”主题进行分享。

01

数字化转型挑战及应对

何为数字化？郑灏指出，数字化是企业整合数字营销+数字技术+大数据，基于SAAS云擎平台建立的以多种形态软件矩阵为长期载体的数字资广；数字化助力企业提质增效，但企业数字转型还普遍存在数字化转型缺乏规划、数字化决策效率低下、数字化人才供给不足、数据治理/系统建设等难题。

郑灏表示，目前企业数字化转型面临多个与数据相关的挑战与难点。比如，在医疗领域中，随着基因技术的发展，几乎产生实时的基因数据，在新冠疫情下，每两天测一次核酸，核酸的本质是基因，大量的基因数据如何有效安全共享，并且保护个人隐私，这是一大难点；在隐私保护基础上，通过何种方式进行数据共享，共享的本质是从原数据中寻找数据的价值，通过一系列方法论在数据上进行计算，得出有效价值，那如何实现数据价值的共享并符合监管的要求，这也是一大难点；当前还存在“数据孤岛”问题，数据分散在一个个数据源中，如何有效整合这些数据源，也是存在的一大难点；以及一些数据存放在云端，如何基于云甚至跨云进行数据管理，并且符合《数据安全法》《个人信息保护法》等法律法规要求，这也是一大难点；此外，还有软件漏洞问题，数据很容易造成泄露，如何符合《网络安全法》的要求也是市场面临比较大的难点。

郑灏还表示，数据要素是数字化转型新动能。数字化转型的技术是数据要素采集、传输、计算、存储、分析、安全和应用的数字技术基础设施。数字化转型的持续动力是数据。数字化转型的方法是通过数据的计算和分析实现业务模型的创新。数字化转型的本质是通过对企业经营活动中数据的快速处理和分析，更加精准、更加高效、更加智慧的从事经营管理和决策活动。

同时，郑灏还表示，隐私计算解决企业数字化转型中的数据安全流通之痛，是数字经济安全底座。

02

隐私计算的内涵与价值

郑灏表示，隐私计算是数据要素市场化“最优解”。隐私计算是通过密码学和软硬件技术，在保证用户隐私及数据安全、符合法律法规要求的前提下，打破数据孤岛，构建跨机构、跨领域数据网，帮助实现“数据可用不可见”和“可信可管可控可计量”。

郑灏认为，传统上，主要通过脱敏和沙箱两种模式实现隐私保护和数据共享，随着《数据安全法》和《个人信息保护法》的出台，以及数据作为新的生产要素，传统的脱敏和沙箱本身已经不能很好符合法律的要求以及解决数据作为新的生产要素所产生的新的定义，比如数据所有权、数据管理权、数据使用权无法有效分离，因此，隐私计算进入到“高光”时刻，通过隐私保护计算技术（结合联邦学习、可信执行环境、多方安全计算、同态加密等技术)来保护数据检索、模型参数交互、模型推理等数据应用，计算结果精度可保证、数据使用过程可追溯，以及保护各方用户隐私、打破数据孤岛、增加样本量或丰富数据的维度，同时满足数据使用合规性、实现数据有效利用。

隐私计算主要分为四大技术路线：联邦学习、可信执行环境、同态加密、多方安全计算。据郑灏介绍，锘崴科技是行业中为数不多全部掌握四项核心应用技术的公司。锘崴科技创始团队在联邦学习、可信执行环境、同态加密上都有非常早期的研究。2012年，王爽教授开创性地提出安全联邦学习框架并应用在国家级医疗健康网络。2016年团队通过可信执行环境完成了全球首例多中心跨国罕见病研究并荣获Intel杰出贡献奖。2017年，王爽教授联合Paillier，Gentry等牵头成立国际同态加密标准委员会，标志着同态加密在全球进入高速发展阶段。

03

隐私计算落地应用情况

郑灏分享了隐私计算行业落地应用情况，目前，隐私计算应用最广泛的场景是医疗、政务和金融这三大板块。

金融领域应用情况：作为数据密集型行业，金融领域存在多个可应用隐私计算的场景，已在金融信贷风控、营销、反洗钱、反欺诈、保险定价与理赔、业务协同等场景下落地。隐私计算在高价值用户共享、供应链金融场景也可有较大的应用价值，多家隐私计算企业已推出面向金融机构的产品。

政务领域应用情况：在两法鼓励下，政务机构开始进行隐私计算平台建设投入，并在数据跨境、民生服务等方面进行探索，预计2022年开展隐私计算投入的政务机构数量约是2021年的1.5~2倍。

医疗领域应用情况：隐私计算商业实践领域中医疗行业是较为活跃的领域之一。目前占比20%左右。预计在卫健委和行业需求推动下，2023~2025年在基础产品服务的投入上也会产生一定增速。

04

解决方案与落地

最后，郑灏还分享了锘崴科技解决方案与典型案例。锘崴科技专注隐私计算，是该领域的先行者和推动者。公司采用安全联邦学习、多方安全计算、密码学、区块链等技术，开发了一套自主、安全、可控的隐私计算底层基座，实现数据“可用不可见”和“可控可计量”。

锘崴科技拥有安全联邦学习系统、多方安全计算和超融合沙箱/一体机等多个隐私保护计算核心产品。

锘崴科技提供的解决方案应用在医疗、金融和政务等多场景。

在公安多中心图像隐私保护匹配典型案例中，为了满足两法要求，并且对于客户的人脸信息在采集、特征提取、特征比对、结果返回等过程中需要实现充分的隐私安全保护的项目需求，锘崴科技利用远程验证、数据加密传输、内存隔离和内存加密来保障数据整个生命周期的安全。同时保护输入数据和深度学习模型。该方案实现效果：（1）特征比对时间：~毫秒级；（2）通用性：通用性强，支持tensorflow、pytorch框架等。