2021年，隱私計算進入商業(yè)落地元年

科技云報道原創(chuàng)。

隱私計算（Privacy Computing）又稱隱私增強計算（Privacy-Enhancing Computation）或機密計算（Confidential Computing），隱私也即是信息安全中的機密性。

按照普遍定義，“隱私計算”是指在處理和分析計算數據的過程中能保持數據不離開本地環(huán)境保障安全性，同時讓數據需求方獲得計算結果，有利于突破數據保護與產業(yè)應用的難題。

在Gartner發(fā)布的2021年9項重要戰(zhàn)略科技趨勢中，“隱私增強計算（Privacy-Enhancing Computation）”無疑是較為亮眼的一項。

Gartner認為，到2025年至少有一半的大型企業(yè)機構使用隱私計算，以在不受信任的環(huán)境和多方數據分析用例中處理數據。這意味著巨大的市場潛力正在醞釀。

隱私計算成為新風口

據畢馬威推出的《2021隱私計算行業(yè)研究報告》顯示，隱私計算受大數據融合應用和隱私保護的雙重需求驅動，中國市場規(guī)模迎來快速發(fā)展期。預計3年后技術服務營收有望達到100億元至200億元的規(guī)模。

隱私計算行業(yè)的發(fā)展意味著新投資賽道的誕生。如今，頭部互聯網企業(yè)、金融機構、區(qū)塊鏈公司、初創(chuàng)型科技公司等“玩家”已紛紛入局，探索隱私計算技術。

目前，各互聯網巨頭企業(yè)均在隱私計算領域加快布局，形成跨業(yè)務、多團隊、強支撐的發(fā)展態(tài)勢。2019年，螞蟻金服、騰訊、百度紛紛推出了各自的MPC（安全多方計算）產品。其中比較有代表性如：騰訊、微眾銀行分別在今年推出了自己的隱私計算平臺。

2021年4月，騰訊發(fā)布了自研第四代數智融合計算平臺“天工”，采用自研隱私計算技術。憑借該技術，騰訊大數據相關團隊獲得iDash 2020世界隱私計算大賽冠軍。據了解，金融級安全強度的騰訊隱私計算技術已廣泛應用在醫(yī)療、金融風控、數字政務等眾多領域。

今年5月，微眾銀行發(fā)布了最新大數據隱私計算平臺WeDPR-PPC，其最大特點是具備億級數據集處理能力、毫秒級端到端響應延時和敏捷低代碼可視化編程功能。

巨頭之外，初創(chuàng)型科技公司正在成為隱私計算賽道的主力選手。

從投資機構布局來看，不少VC、PE已入局，包括紅杉中國、IDG資本、基石資本等。據天眼查App數據不完全統(tǒng)計，從2020年至今，至少已有8家隱私計算企業(yè)獲得融資，大多集中在B輪融資及之前。

例如：洞見科技在今年年初完成數千萬元Pre-A輪融資，投資方包括心元資本、元起資本等。星云Clustar于今年5月份完成1100萬美元A+輪融資，投資方包括基石資本、華泰創(chuàng)新等。融數聯智于今年6月完成了新一輪融資，貴州云上大數據基金參與了該輪投資。

圖片來源于中國軟件網整理

值得關注的是，不久前北京國際數據交易所（簡稱“北數所”）宣布成立，這也是國內首家新型交易范式的數據交易所。除北數所外，還有不少有地方政府背景的數據交易所也在醞釀新的動向。

隱私計算進入商業(yè)落地元年

從技術角度看，隱私計算最大的特點是實現數據的“可用不可見”。目前隱私計算領域主流的技術路線包括三類，即多方安全計算（MPC）、聯邦學習、可信執(zhí)行環(huán)境（TEE）。其中，前兩種方式主要是在軟件和算法層面實現隱私計算，而可信執(zhí)行環(huán)境則是基于硬件實現。

相關政策的發(fā)布，也讓隱私計算的重要性愈發(fā)凸顯。

工業(yè)和信息化部早在2016年年底發(fā)布的《大數據產業(yè)發(fā)展規(guī)劃（2016-2020年）》中就已經提出，支持企業(yè)加強多方安全計算等數據流通關鍵技術攻關和測試驗證。

工信部《工業(yè)大數據發(fā)展指導意見（征求意見稿）》也提出在工業(yè)領域積極推廣MPC技術，促進工業(yè)數據安全流通。

2020年4月，中共中央、國務院印發(fā)《關于構建更加完善的要素市場化配置體制機制的意見》，將數據和土地、資本、勞動力提升至同樣的生產要素高度，明確指出了市場化改革的內容和方向。

這一系列“組合拳”下來，極大地推動了基于“隱私計算”的數據共享產品的應用落地。如今，隱私計算技術的應用場景越來越多，尤其是在金融、醫(yī)療和政務領域。

在金融領域，國內隱私計算產品主要應用于金融風控和獲客，即多家金融相關機構在不泄露客戶個人信息的前提下，對客戶進行聯合畫像和產品推薦，在多頭借貸等場景下能有效降低違約風險。

以洞見科技為例，去年與中誠信征信聯合發(fā)布了見智安全計算平臺，以“零緩存”理念升級其征信數據服務，同時開放安全多方計算和聯邦學習等功能給其智能風控客戶。合作的內容主要是聯合數據提供方，在各方數據不出私域的情況下，進行聯合風控建模和聯合營銷篩選。

醫(yī)療行業(yè)也成為隱私計算關注重點。隱私計算能夠有效助力醫(yī)學影像識別、疾病篩查、AI輔助診療、智能問診咨詢等。例如多家醫(yī)療機構可以通過橫向聯邦學習聯合構建目標檢測模型，用于輔助通過醫(yī)療圖像的疾病檢查（如肺部X光片檢查等）。

此外，通過隱私計算技術，醫(yī)療機構與保險公司之間也可以在不共享原始數據的情況下，分析投保者的健康信息。

政務行業(yè)有望成為隱私計算下一個應用重點。隱私計算提供了政府數據與電信企業(yè)、互聯網企業(yè)等社會數據融合的解決方案，有助于政府數據開放，實現精準施策。

例如在某地，通過騰訊安全提供的聯邦學習平臺，實現了政務、銀行、企業(yè)的三方的協(xié)作建模。在疫情期間對小微企業(yè)進行了精準畫像，模型的AUC提升了40%，實現了企業(yè)綜合評估、銀行授信和政府貼息全閉環(huán)，大大降低了信息不對稱導致的成本，提升了資金流轉的效率，促進了產業(yè)政策精準落地。

此外，一些隱私計算服務商還與政府機構合作，例如地方城市的數據能力開放平臺建設和面向中小微企業(yè)的融資服務對接平臺建設等，通過隱私計算和區(qū)塊鏈計算，提供安全合規(guī)的平臺建設方案。

有業(yè)內分析人士指出，在保護數據隱私的背景下，2020年成為隱私計算的技術元年，2021年則是隱私計算的商業(yè)落地年。

隱私計算發(fā)展仍面臨挑戰(zhàn)

雖然市場潛力巨大，但隱私計算整體還處于初期階段。與此同時，隱私計算作為新興技術，也面臨著一些亟需解決的現實問題。

首先，隱私計算技術性能還難以滿足大規(guī)模商用要求。

雖然目前隱私計算的性能已經大大提升，但由于其加密機理復雜、交互次數多，當流通的數據量較大或結構較為復雜時，計算效率問題仍然未能解決，特別是對于復雜算法的聯合建模效率仍然難以令人滿意。

其次，隱私計算技術市場難以迅速培育。

相對于其巨大的市場前景，目前隱私計算技術的市場還遠未成熟，而市場環(huán)境的培育也呈現出較大的難度。一方面，由于隱私計算技術復雜且常常呈現“黑盒化”現象，大部分用戶對隱私技術難以理解和信任。另一方面，隱私計算處理的對象往往是敏感的數據資產，試錯成本大，從而更加增加了用戶的接受成本。

再次，目前大部分企業(yè)的數據規(guī)范性和數據質量難以支撐隱私計算技術。

由于隱私計算算法敏感度較高，因此對參與方的數據規(guī)范性和數據質量要求也較高。此外，隱私計算多用于跨企業(yè)甚至跨行業(yè)的數據流通，會有包括數據使用方、提供方等在內的多方參與主體，對參與方的數據一致性也提出了較高要求。

最后，現有法律法規(guī)未對隱私計算地位進行明確定位。

例如，《中華人民共和國網絡安全法》中規(guī)定“未經被收集者同意，網絡運營者不得向他人提供個人信息”，同時設置了“經過處理無法識別特定個人且不能復原”的例外條款。

將個人信息用于隱私計算是否屬于這一例外條款，法律法規(guī)及相關標準等并無明確界定。

然而，由于隱私計算僅僅避免了原始數據轉移的過程，但仍然完成了基于多方數據的計算，使得其在某種程度上依然破壞了消費者的隱私。這正在成為制約隱私計算發(fā)展的無法回避的問題。

整體來看，目前整個隱私計算相關技術處于最初期階段，在數據安全、基礎建設、商業(yè)模式等方面，仍存在諸多難題和挑戰(zhàn)。

但不可否認的是，隱私計算行業(yè)的市場潛力巨大，未來發(fā)展不可估量，無論是監(jiān)管部門、第三方機構還是技術參與方，都在共同筑造數據價值和數據安全共享的生態(tài)圈，很可能會在未來幾年迎來爆發(fā)期。

生成海報

免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。