趣味科普丨《大宅门》涂二爷教你啥是隐私计算？
已经深深植入了当今各行各业的最强大脑中
不管是数据生产方，还是数据需求方
都在探索如何用“新石油”创造价值
so，具体怎么创造价值？
↓
国家最新的数据要素基础制度文件
“数据二十条”里是这么说的：
要“打破数据孤岛”，
“审慎对待原始数据的流转交易行为”
“保护个人隐私”和“公共数据安全”
“原始数据不出域、数据可用不可见”
以模型、核验等产品和服务形式向社会提供
↓
等等，这不就是隐私计算在干的事儿嘛……
既能打破数据孤岛
又能实现数据的安全可信流通和价值挖掘
隐私计算技术
是数据全生命周期安全保护的最优技术解
↓
细品国产剧之光《大宅门》
当年涂二爷早就暗示了我们
正经人是怎么加密计算的↓
既不明码标价，也不公开喊价
涂二爷和掌柜当着众人的面儿
隔着袖子一顿操作
“隐私计算”出了最后价格
严谨一点↓
隐私计算(Privacy compute 或Privacy computing)是指在保护数据本身不对外泄露的前提下实现数据分析计算的技术集合，达到对数据“可用、不可见”的目的；在充分保护数据和隐私安全的前提下，实现数据价值的转化和释放。
在政策和市场的双重催化下
近年来隐私计算赛道的“火山口”已经爆发
有机构预测
中国隐私计算市场规模有望突破百亿级
市场空间巨大
↓
气氛已经烘托到这了
那么火爆又神秘的隐私计算
具体是个什么样的技术？
先看一张图↓
上述图片翻译一下：
传统数据流通使用
采用直接共享原始数据模式
数据明文传输
存在数据滥用、隐私泄漏等风险；
在隐私计算技术保护下
原始数据不出本地
数据持有方与数据使用方
能以模型、数据产品、解决方案等形式
安全释放数据价值
从技术角度来看
隐私计算技术包含
多方安全计算
联邦学习
TEE可信执行环境
等技术方向
那么问题来了
什么是联邦学习？
什么是多方安全计算？
TEE可信执行环境又是什么？
一句话介绍联邦学习：
联邦学习是一种数据不动
模型参数动的技术
↓
联邦学习的关键在于
各方数据不需要集中在一起
就能进行模型训练
我看不见你的数据，你也看不见我的数据
那么，多方安全计算又是什么？
一句话介绍：
多方安全计算能够在密文的平行世界里
计算“1+2=3”
密文的计算结果等同于明文的结果
↓
五位技术宅想要计算一下平均年龄
但是又不想暴露自己的个人隐私
于是他们决定
用多方安全计算中的秘密分享来解决
阿宅们不交出自己的年龄数据
最终也得到了他们的平均年龄
↓
你还需要知道“不经意传输”
也就是大名鼎鼎的“OT协议”
是一种基本的密码学原语
一句话介绍：
我放了一堆信息在“OT魔法盒”中
暗箱操作后，你得到了你想要的信息
而我并不知道你得到了什么
你也不知道我放的其他信息
↓
让万能的大妈给我们举个栗子：
再来
你还得多少了解一下什么叫“PSI隐匿求交”
一句话介绍：
隐匿求交是能让你和对象心有灵犀的魔法
↓
最后
再来认识一下隐私计算中最“硬核”的概念↓
TEE可信执行环境
一句话介绍：
TEE给隐私计算加上了保险柜
打造一个安全的笼子
TEE的思路，是基于硬件实现可信安全计算
在“一片净土”中执行代码和储存数据
既能确保机密性和不可篡改性
也能满足复杂的业务场景需求
↓
当然
这个“保险柜”相比上述几个技术
那是相当昂贵……
好了
关于隐私计算的趣味科普就到这里
真实业务场景下的技术
复杂程度可要难千万倍
言归正传
在新的政策背景下
如何将数字经济时代的“新石油”
制作成能解决实际问题的应用产品
隐私计算大有可为
作为一个开放隐私计算社区
OpenMPC希望更多人加入我们
一起推广隐私计算
一起
（文章转载自：蓝象隐私计算）