隐私计算助力数据安全 “炼油”

数字时代，数据成为最重要的生产要素，被誉为“新黄金，新石油”。数据作为商品与资产要想迎来大发展，必须实现数据的确权、流通和隐私保护。以人脸识别为例，人脸识别技术正广泛应用在支付转账、解锁解密、交通案件、实名登记、开户销户、门禁考勤等场景，每一项都影响到我们的财产、健康、隐私等安全。

就在央视新闻的一则晚间栏目的报道中，记者调查发现，在某一网络交易平台，只要花2块钱就可以买到上千张人脸照片，5000多张人脸照片不到10块钱，单张人脸照片不到1分钱。而这些照片都来自真人在社交网络所分享的真实生活照和自拍照。如果再叠加上用户的身份信息，很有可能被用到精准诈骗、洗钱、涉黑等违法犯罪中。

可见，在大数据时代，基于大数据的应用，在给日常生活、经济发展、城市治理等带来了极大的便捷的同时，用户隐私也面临着可能无处不在的“算计”，如何享受数据价值带来的利好并保护隐私，正成为当下热议的话题。

01公众“隐私计算”需求激增

近一段时间以来，公众关于“隐私计算”的关注度愈发高了起来。

蚂蚁金服和旷视关于“提供数据供对方训练算法”紧急公关，背后是人们对于“人脸数据”安全的关注。

苹果iOS 14最大的卖点就在于隐私保护新功能。比如App 用于广告目的的用户追踪将需要获得用户批准等等。对于移动互联网中将追踪用户行为展开精准营销、定向投放的公司而言，无疑是个巨大的“打击”。

Tiktok美国事件背后更是说不清道不明的用户“隐私”问题。

“隐私计算”变得越来越重要。熵增科技创始人杨更曾说，隐私就是我们故意要保持的信息不对称。一个没有隐私的人，相比一个有隐私的人是处于劣势的。而保护隐私能让个人处于更加公平的大环境中。

不仅仅是公民个人隐私数据泄露已经到了亟待治理的阶段，现在数据也已经成为企业平台最重要的核心资产，企业已经有动力要对平台数据进行充分的保护和合规的使用。数据计算后可所产生的价值是不可估量的。对大数据应用或人工智能企业来说，合理边界和方式使用用户数据，已成为从企业到产业乃至整个社会发展的核心驱动力。

不久前，人代会审议的《个人信息保护法草案》规定：侵害个人信息权益的违法行为，情节严重的，没收违法所得，并处5000万元以下或者上一年度营业额5％以下罚款。而5％的额度甚至超过了“最严数据保护”之称的欧盟GDPR。

无论是出于数据合规合法的考虑，还是出于数据应用的考虑，企业都正在加大对数据隐私保护的力度。根据国际调研机构Gartner最新的一份战略科技趋势预测，隐私计算成为2021年重点深挖的9项技术之一。Gartner还预测，到2025年，将有一半的大型企业机构使用隐私计算在不受信任的环境和多方数据分析用例中处理数据。

这些新趋势的出现，为隐私计算提出了新的要求，也将提供广阔的应用需求。

02隐私计算应用场景不断扩展

几乎全部专注于隐私计算领域的公司都选择从隐私保护力度最强也是隐私保护需求最大的金融和医疗两个领域切入产业应用。在今年数字新基建的大背景下，金融数字化和医疗数字化的需求亟待满足。

比如在金融行业，国内隐私计算产品目前主要应用于金融行业的风控和获客，即多家金融相关机构在不泄露客户个人信息的前提下对客户进行联合画像和产品推荐，在多头借贷等场景下能有效降低违约风险。

在医疗行业，通过隐私计算技术，医疗机构与保险公司之间可以在不共享原始数据的情况下分析投保者的健康信息。在政务行业，隐私计算可以提供政府数据与电信企业、互联网企业等社会数据融合的解决方案。在一些地方政府的相关规划里，隐私计算有望成为下一个应用推广的重点。

未来，隐私计算将广泛应用于金融、保险、医疗、物流、汽车业等众多拥有敏感隐私数据的领域，在解决数据隐私保护问题的时候，也帮助缓解行业内的数据孤岛问题，为大量AI模型的训练和技术落地提供一种合规的解决方案。

03保护数据安全，隐私计算如何“挑大梁”

2020年被称之为“隐私计算元年”。这其中有政策利好，如数据资源正成为与人力资源、自然资源同样重要的第三类资源。数据也跟土地、劳动力、技术、资本等一样被当作生产要素写进了国家文件中。大数据应用在行业和国家和社会层面都意义重大。

其中也有数据应用的实践，如疫情下的绿码就是数据和算法的产物。

要实现行业和国家层面的大数据“繁荣和普惠”，最最重要的是要跨过“日益增长的个人隐私保护需求和不平衡不充分的个人隐私保护能力之间的矛盾”这道坎，这也让“隐私安全计算”成为大数据时代最重要的护航手。

首先从隐私计算关于公民数据安全使用的法律规定上，我国的法律尚未对隐私计算是否合法做出明确规定，在现有规定中“未经被收集者同意，网络运营者不得向他人提供个人信息”，而隐私计算的目标就是基于多方数据的计算，原则上破坏了这一要求，但同时又适用于“经过处理无法识别特定个人且不能复原”的例外条款。这些成为制约隐私计算发展的首当其冲的法律瓶颈。

其次，隐私计算在企业内应用还存在一定的难度。比如大部分企业的数据规范性和数据质量难以支撑隐私计算对于参与方数据一致性的要求。隐私计算本身的复杂性和计算效率对于企业的大规模商用提出较高要求，试错成本高。另外，隐私计算对于真正受益的用户而言，存在一定的“黑盒”效应，人们很难理解和信任隐私计算技术，普及接受成本较高。

面对诸多挑战，一方面我们要为隐私计算提供新的解决方案。如将隐私计算应用于区块链上，或在一定程度上增加隐私计算结果的不可篡改性和可验证性，也增加区块链上数据的保密能力。

另一方面，须加强软硬件协同和平台整合，使得通过平台基础设施对隐私计算的硬件加速和能力整理，可以实现从存储计算到建模挖掘等全方位的能力提升。

另外，隐私计算也正在向大规模分布式计算迈进，其实现方式也更加多样化。一些项目通过代码甚至零代码开发，可以大大节省开发效率，降低隐私计算产品开发门槛。

最终我们看到，在数据越来越有价值，数据安全越来越重要的“数权时代”，隐私计算将成为用户数据安全保护和企业发挥数据价值之间，最重要的那道把关者。

总之，在大数据时代，数据给科学研究、社会发展和经济发展提供了坚强后盾。而随着大数据、云计算、人工智能等新技术的运用，对数据的挖掘将越来越深。在保护数据安全和促进数据生态良性发展的道路，隐私安全计算的担子也将“越来越重”，是机遇，更是挑战。

• 来源：晓说通信