公开课 | 傅宏宇：隐私计算与数据要素市场建设（附PPT）

导读：2022年7月30日下午，在由CSDN、OpenMPC社区联合主办，网络法前沿、网络法实务圈支持的“技术+法律”隐私计算如何助力数据合规公开课中，阿里研究院-数据经济研究中心傅宏宇分享了《隐私计算与数据要素市场建设》。

         傅宏宇         

阿里研究院-数据经济研究中心

《隐私计算与数据要素市场建设》

一

数据要素的特征和实现

数据要素化的目标就是让数据变得更有用，服务更多的人。数据要素化的发展拓展了我们获取信息的渠道，提升了数据生产力。

• 核心手段：通过数据向信息的转化，实现从物理世界向人类认知的投射
• 转化方式：通过信息进行预测和判断，对经济生产、社会生活产生实质性影响
• 独立价值：改变了传统的信息获取方式，得到了新的信息

数据要素化改善了数据获取的能力，提高了数据向信息转化的能力，这些都是技术实现的。数据要素经过三个阶段，从传统的数据分析到基于原始数据的商业智能BI，最后到结合算法和算力形成的数据智能DI，隐私计算技术在其间发挥了关键的作用。数据的应用场景由技术能力的总和决定，我们对数据的保护水平决定了数据能发挥出多大的作用。数据要素化过程中也存在一些难点：

• 数据质量和要求不断提高：技术鲁棒受到持续挑战、数据断供影响精准决策
• 处理能力提升带来数据存储和计算成本增加：存储计算成本高企
• 技术负外部性溢出带来风险控制要求提升：分级分类对技术实现的挑战

从多主体视角可以看到数据的应用会影响到大量的组织单位，主要影响如下：

• 对政府：可复用于社会治理，公共数据的界定和政企数据合作
• 对用户：可复用于个人决策，个人信息可携，流通可控
• 对平台内企业：可复用于商业决策，商业决策工具跨场景使用
• 对平台外生态：可复用于竟争秩序，主动与被动的跨生态数据合作机制

现在的数据互联互通，承载了巨大的数据隐私风险，隐私计算可能是一个很好的解决方案。值得肯定的是，隐私计算技术在这样的场景下会发挥巨大的作用。在构建数据要素流通机制的目标上，可以发现存在一些明显的问题，比如数据精确度会有一定损耗，处理数据的成本增加，成本问题是绝对不能忽略的，当成本的存在使得利益非常稀薄的时候，那么这个技术的发展就会非常困难，风险管理和责任追溯问题也一直存在。

二

隐私计算的技术特征和应用

MPC和TEE等有安全保障的技术是比较符合使用实际的，但是现在仍然存在一些障碍，比如隐私保护在什么程度上属于合规，法律暂时没有明确的回复，这对技术选型有很深的影响。

目前隐私计算有一定应用成效的、比较成熟的场景主要是金融联合反诈、医疗辅助等。

隐私计算合规的问题，主要需要注意三点：

• 数据最小化·：强调个人数据收集尽量克制，收集和使用目的保持一致
• 数据分级分类：敏感、重要的数据加强保护
• 数据匿名化：通过匿名化改变数据的颗粒度，减少被识别后给自然人带来的风险

三

隐私计算在数据要素市场建设中的作用

目前数据要素市场建设关注的问题主要有4个部分：

• 数据权属问题
• 数据流通利用问题
• 数据价值和分配问题
• 数据安全问题

在数据权益上，这是数据使用的关键问题，强调：

• 实现持有权、使用权分离的要求
• 解决各类主体权能拆分的法律困难
• 对数据来源进行有效追溯，确定相应的贡献度

在公共数据角度，这是我们国家现在高度关注的问题，如何发挥公共数据价值，界分公共数据等，隐私计算有望提供解决方案，主要关注点如下：

• 实现公共数据与其他类型数据的界分
• 构建公共数据内部共享的可信环境
• 提供公共数据开放的技术实现路径
• 形成政企数据合作的解决方案

数据价值的角度，效用度量问题现在比较模糊，隐私计算可以较好地解决。劳动这一点值得注意，怎么样的工作属于数据劳动，国家现在鼓励数据劳动者的出现。主要的作用如下：

• 从数据资源到数据资产到数据资本的技术实现与效用度量
• 解耦数据价值中的价值投入一一劳动与技术的关系
• 构建数据价值分配的技术实现手段

数据安全方面，涉及到整个数据的风险管控体系，整个过程中隐私计算都在发挥着作用，主要的应用方向如下：

• 风险管控体系：源头风险、过程风险、结果风险
• 对不同主体的风险影响和应对策略：用户、企业、国家
• 几大矛盾的平衡机制：安全与可用、质与量、保密性与透明度

隐私计算作为一种技术，是一种治理工具也是一种治理对象，技术治理的制度选择思路主要如下：

• 基本思路：包容审慎，穿透式监管
• 隐私计算的技术要求：可控、可靠、可用、可信
• 技术治理的方法论：敏捷治理

 今天先和大家分享这么多内容，期待后续沟通。

附课件内容：

编辑整理：谢彪  重庆大学

END

往期推荐:








热门文章: