精彩回顾 | 南京航空航天大学教授方黎明作为嘉宾出席“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

南京航空航天大学教授方黎明作为嘉宾出席此次论坛，并围绕“大数据时代下的隐私计算”主题进行分享。

01

大数据的特征

方黎明教授指出，大数据有四大特征，即“Volume”、“Variety”、“Value”、“Velocity”、“Volume”指数据量大，数据的计量单位不再以G或者T，而是以P(1000个T)、E(100万个T)为计量单位；“Variety”指数据的种类多，数据的种类可分为结构化、半结构化和非结构化数据，多类型的数据对数据的处理能力提出了更高的要求；“Value”指数据的价值密度低，信息海量，但是数据价值密度的高低与数据总量的大小成反比，因而对数据进行“提纯"至关重要；“Velocity”指数据产生速度快、处理时效高，对于企业来说，处理数据的效率就是企业的生命，数据处理越快越及时，可发挥出的价值就越大。针对海量数据的汇总问题，方黎明表示，隐私计算能够在对数据进行保护的前提下，有效解决多方数据计算分析过程中的安全问题，实现数据的“可用不可见”。

02

隐私计算概述

那何为隐私计算？方黎明教授表示，隐私计算(Privacy Preserving Computing)是指在提供隐私保护的前提下，实现数据价值挖掘的技术体系。面对数据计算的参与方或其他意图窃取信息的攻击者，隐私保护计算技术能够实现数据处于加密状态或非透明状态下的计算，以达到各参与方隐私保护的目的。

方黎明教授 认为，隐私计算具有四大优势，第一个优势是数据价值的“变现”，可以在隐私保护的前提下实现数据的安全多方共享，并获得相应的激励；第二个优势是安全地“使用”，能够有效保证个人对数据所有权，实现授权机制下的数据使用；第三个优势是可以实现数据的“流动”，促进机构数据流动，打破“数据孤岛”，最大化数据价值；第四个优势是“安全”，使用隐私计算技术，可以有效降低机构数据泄露的风险，从根本上解决机构由于直接收集用户信息导致数据泄露的问题。

目前，数据作为一种新型生产要素，数据服务业的基础，其价值日益被认可，大数据服务是数据服务行业的重要组成部分。数据泄露的频发催生了对隐私计算的迫切需求，隐私计算技术需求迅速增长。方黎明表示，3.0模式是隐私计算时代，能够真正实现数据所有权与使用权的分离。

在政府与个人层面，隐私计算助力政务数据透明化，既保证了数据使用安全，又降低了数据泄露风险；在政府与各司层面，隐私计算提高政府施策精准度，通过政务数据与多方数据的融合，能够实现精准施策；在政府与企业层面，隐私计算促进数据流转与政企协作，对企业有商业价值，还对政府提高公共治理有长远意义。在其他行业，如金融，隐私计算助力数据跨机构互联互通，降低隐私泄露风险。

主流的隐私计算技术按照不同的技术路线可以分为联邦学习、安全多方计算、可信执行环境等多种技术。联邦学习是一种分布式机器学习技术、或机器学习框架，两个或多个参与方通过安全的算法协议进行联合机器学习，可以在各方数据不出本地的情况下联合多方数据源建模和提供模型推理或预测服务。

TEE的思路是基于硬件实现可信安全计算，将SoC的硬件和软件资源划分为通用环境和可信执行环境。

03

天璇隐私计算平台

方黎明表示，天璇隐私计算平台具有“运行效率高”、“协议创新多”、“安全模型强”、“架构兼容好”等多种优势，“运行效率高”体现在（1）优化不经意传输、秘密分享、混淆电路等安全多方计算协议、零知识证明、隐私保护集合交集、全同态加密算法，以及（2）平均10倍以上的效率提升。“协议创新多”体现在（1）灵活转换不经意传输、秘密分享、混淆电路等不同的实现方式，以适配不同业务场景的安全性需求，提升整体计算效率，以及（2）设计并创新了双向茫然传输协议、联合DFA求值算法、签名、不经意传输扩展协议、多密钥加密、联邦学习算法。“安全模型强”体现在（1）建模及运算过程中无明文数据交互、传递、计算，以及（2）任何中间结果都不能被反向推导或撞出明文或近似值和（3）抗恶意攻击与合谋攻击，安全级别高。“架构兼容好”体现在（1）兼容中心化、分布式架构，以及（2）兼容多种GPU、FPGA、ARM芯片。

04

隐私计算未来趋势

数据安全与隐私保护是大数据时代的遗留问题，进入数据要素时代以来，隐私计算已成为解决这一问题的关键技术。为此，方黎明总结了隐私计算未来发展趋势，主要在“性能优化加速”、“技术融合加速”、“互联互通加速”、“应用落地加速”等多方面。

方黎明表示，在“性能优化加速”方面，性能加速方案将成为“新基建”；在“技术融合加速”方面，主要为硬件加速与软件算法优化结合、安全多方计算与联邦学习结合，区块链辅助等；在“互联互通加速”方面，功能组件多样性或增加成本算法原理的差异性也带来新挑战，需警惕“数据孤岛”变“群岛”；在“应用落地加速”方面，保障同步性和可用性，兼顾一定程度的个性化和定制化需求。