一文了解隐私计算产业现状与未来

之前我简单分析了隐私计算产生的背景及主流技术，点击聊聊隐私计算查看，今天我们再看看隐私计算的产业现状、面临的挑战及未来市场情况。

隐私计算产业经过2021年的市场培育，证明市场需求还是很大的。但同时也面临了一些挑战，主要有以下几个方面：

性能问题

性能瓶颈始终是隐私计算应用的障碍之一。一是隐私计算中需 要大量密文计算，相较明文计算需要更大的计算量和通信负载，与明文计算的耗时差距随数据规模增加而拉大。二是同步性和可用性对隐私计算参与方的资 源要求较高，需要多个数据源或节点同时在线、同步计算、实时通信。三是安 全性要求对性能影响较大，目前在提升隐私计算安全性时，其性能通常会出现 较大幅度下降。

安全问题

虽然各厂家都宣传自已的产品是安全的。但仍然面临如算法协议无法实现绝对安全、开发应用始终存在安全挑战、安全边界分级共识有待形成等问题。其中，联邦学习安全性备受关注，其三个问题需要在下一步着力解决：一 是算法黑盒化给监管带来了难题；二是目前越来越多的论文已尝试通过联邦学 习暴露的信息反推原始数据；三是相比于传统模型训练，在联邦学习过程中更 难区分责任。

互联互通问题

技术隐私计算本是推进跨机构数据流通的助推器，但产品间技术壁垒难打通将促使数据“孤岛”变“群岛”，异构平台的互联互通将是必经之路。现阶段，各技术厂商均在探索互联互通的实现方案，主要有通过平台互认、中间件、技术协议等方式，但尚未出现完全成熟的案例。

针对以上问题，业界也在尝试一些方法进行解决。比如，针对性能问题，软件层面尝试增加并行和优化调度方式，硬件层面借助 GPU、FPGA、ASIC 等硬件加速。

在应用场景方面，金融行业是隐私计算应用的最重点行业。政务数据的共享开放中，也有越来越多的场景落地。医疗健康方面，医疗数据的政策也相继出台，隐私计算在医疗健康领域的应用从概念验证到逐渐落地，有些创业公司一开始就切入医疗赛道，成为“后起之秀”。

随着各政府部门的发文鼓励和“一网通办”的升级，隐私计算市场持续爆发的态势在2022得以延续，有越来越多的“玩家”开始进入这片“蓝海”，相关产品也越来越丰富，与区块链、人工智能、大数据平台、云计算、物联网等外部技术的融合了也是一大趋势。

更详细的图文并茂式解读文档，可点击下方黄色按钮下载。。