行业报告|2021隐私计算行业研究报告

行业报告分享行业信息观察 2022-04-24

资料来源：网络（如有侵权请联系作者删除）

获取方式：见文中

进报告群：公众号回复【进群】

【引言】

人工智能、大数据、云计算以及区块链的迅猛发展，不仅为数据应用带来升级变革的新机遇，也给数据安全和网络安全带来了新挑战。目前，行业相关的关键技术有了初步落地，市场也出现了一些典型企业，同时效果评估体系也正在逐步完善。

挑战与机遇并存：
数据孤岛阻碍业务协同。不同行业的企业会产生大量的数据信息，同一企业下不同层级的部门也会产生各类信息，由于行业间的竞争和垄断，以及同一企业下不同系统和业务的闭塞性与阻隔性，很难实现数据信息的交流与整合。这类挑战被称为数据孤岛问题。
隐私计算打破壁垒，保障数据安全流通。为克服数据不易流通共享的障碍，打破数据价值释放的壁垒，隐私计算（privacy-preserving computation）成为关键的技术解决之道，有助于实现多方数据“可用不可见”。目前，随着市场对隐私计算相关技术和厂商的需求不断增加，各类相关企业纷纷推出了自己的隐私计算算法和系统，且积极地以开源、开放体验的形式共享，市场空间和格局初步显现。
关键技术初步落地：

从隐私计算核心能力来看，隐私计算体系主要涉及三个方面的关键技术支撑：区块链、联邦学习和多方安全计算。
区块链（Blockchain）是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链与隐私计算的技术融合能够在保护数据隐私的同时增强隐私计算过程的可验证性。
联邦学习（Federated Learning，FL ）是一种分布式机器学习技术和系统，包括两个或多个参与方，这些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，通过交换中间数据的形式，联合建模和提供模型推理与预测服务。
多方安全计算（Secure Multi-party Computation，MPC）是一种在参与方不共享各自数据且没有可信第三方的情况下安全地计算约定函数的技术和系统。通过安全的算法和协议，参与方将明文形式的数据加密后或转化后再提供给其他方，任一参与方都无法接触到其他方的明文形式的数据，从而保证各方数据的安全。
市场出现典型企业：
尽管中国隐私计算产业尚处于“基建期”，但随着近几年隐私计算的重要性日益凸显，市场上已经出现了众多类型的企业。它们根据自己的技术能力、技术路径和资源生态进行市场定位，制定战略决策。从技术能力来看，隐私计算能力与区块链、联邦学习、多方安全计算这三项技术强相关。三大支撑技术的强弱成为影响企业隐私计算能力定位、战略制定的重要依据。
效果评估体系逐步完善：

当前，隐私计算技术的可用性较之前有了较大提升，使用场景也逐渐丰富，作为新兴的技术，使用者难以综合判断隐私计算的应用效果从而选择相应的隐私计算技术，因此市场亟需建立一套隐私计算的评价规范和评估体系。从供应商角度来看，共性的评估体系能够有效促进厂商之间的有序发展，建立行业的技术门槛，提升供应商的服务能力。从用户角度来看，共性的评估体系能够帮助用户理解技术特点与能力，便于用户选型。综合来看，可从市场需求、收付模式、产品体验、应用效果等细分的维度来定性和定量的进行评估。

报告内容