区块链为互联网构建了信任机制,隐私计算为流转在区块链中的信息提供了隐私保护,让链上数据实现“可用不可见”的特点。
美国斯坦福大学的数学博士莫晓康认为,在21世纪科技创新的洪流当中,区块链与隐私计算技术具有最大的革命性与颠覆性,它正在引发第二次互联网革命,其冲击力可能超过1994年开始的第一次互联网革命。
本篇文章就带大家一起来认识一下何为隐私计算,它与区块链的结合为何如此重要。
隐私计算的概念
图片来源:网络
隐私计算最早出现在2016 年发布的《隐私计算研究范畴及发展趋势》中,其定义为:“面向隐私信息全生命周期保护的计算理论和方法,是隐私信息的所有权、管理权和使用权分离时隐私度量、隐私泄漏代价、隐私保护与隐私分析复杂性的可计算模型与公理化系统。”
简单来说,就是从数据的产生、收集、保存、分析、利用、销毁等环节中对隐私进行保护的方法。
隐私计算的技术介绍
目前市场上主要的隐私计算技术有零知识证明、基于协议的安全多方计算、基于现代密码的联邦学习、基于硬件的可信执行环境。
零知识证明,指的是证明者能够在不向验证者提供任何有用信息的情况下,使验证者相信某个论断是正确的。在公有链中,不泄露的消息通常指的就是交易信息数据,它可以让交易数据更隐私,除了交易者之外,其他人无法知道实际交易的信息。
举例:A拥有B的公钥,A没有见过B,而B见过A的照片,偶然一天两个人见面了,B认出了A,但A不能确定面前的人是否是B,这时B要向A证明自己是B,有2个方法。
① B把自己的私钥给A,A用公钥对某个数据加密,然后用B的私钥解密,如果正确,则证明对方确实是B。
② A给出一个随机值,并使用B的公钥对其加密,然后将加密后的数据交给B,B用自己的私钥解密并展示给A,如果与A给出的随机值相同,则证明对方是B。
安全多方计算是一种在参与方不共享各自数据且没有可信第三方的情况下安全地计算约定函数的技术和系统。通过安全的算法和协议,参与方将明文形式的数据加密后或转化后再提供给其他方,任一参与方都无法接触到其他方的明文形式的数据,从而保证各方数据的安全。
图片来源于网络
可信计算是在计算和通信系统中广泛使用基于硬件安全模块支持下的可信计算平台,以提高整体的安全性。其目的是通过增强现有的PC终端体系结构的安全性来保证整个计算机网络的安全。
联邦学习是使得多方在不共享本地数据的前提下,进行多方协同训练的机器学习方式。按照训练样本,按照样本和特征的分布情况,可以将联邦学习分为:
图片来源网络
横向联邦学习(Horizontal Federated Learning,HFL),适用于特征信息重叠较多的场景,通过提升样本数量达到训练模型效果的提升。比如两个异地的银行之间就可以构建横向联邦学习模型。
纵向联邦学习(Vertical Federated Learning,VFL),适用于参与双方样本重叠较多时的场景,通过丰富样本特征维度,实现机器学习模型的优化。比如银行和商业公司之间可以构建纵向联邦学习模型。
联邦迁移学习(Federated Transfer Learning,FTL),样本和特征重叠都较少时,需要进行数据迁移。
隐私计算的发展现状
在疫情的推动下,不可逆转的数字化发展趋势明显加快,数据成为新的生产要素,大众对隐私安全的关注度也日益提升,隐私计算在大数据融合应用和隐私保护的双重需求驱动下,迎来快速发展期。
目前,国内隐私计算领域不仅有包括BAT在内的互联网大厂,也有来自于垂直行业的机构以及独立创业公司。各个玩家的资源生态、技术路线和行业布局均有所不同,也衍生了不同的战略打法,但起决定性作用的考核标准在于能否为客户带来足够的、特有的数据源以及提供完整解决方案的能力,这也跟各厂商实现商业化规模是息息相关。
在前进过程中,也仍然存在一些难关,比如:
1、技术和解决方案还不够完全成熟,与客户的需求有一定差距。
2、技术的安全可靠性有待于提高,导致客户对采纳技术有疑虑。
3、市场需求尚未充分展现,还缺乏明确的拉动型政策和标杆性示范项目;一些行业的数字化程度低,也制约了数据价值挖掘的需求。
4、产业推广需要搭建多方协同的合作方式,而这种模式的建立并不容易。
其中最主要的问题在于技术的安全可靠、效率、数据孤岛
。
安全方面,目前的大数据主要存储在阿里巴巴等集中化、规模化的数据中心,数据容易出现被盗、泄露等问题。
效率方面,大数据时代的到来,让隐私数据的处理成为了一个难题:大规模的加密数据处理导致计算性能下降,而非加密数据处理又极大概率会导致隐私信息的泄露。
因为数据隐私技术的不成熟,得不到客户的信任,现在大部分的企业还是自己保存和维护自己的数据,数据无法自由流通和共享,形成数据孤岛。
针对这些问题,区块链可能是最佳的解决方案。
#FormatImgID_3#
区块链与隐私计算相辅相成
信息的共享和透明是区块链的优点也是它在商业化世界应用落地的限制性条件。在激烈的市场竞争中,没有人希望自己的数据完全透明化,隐私得不到保护,降低了核心竞争力。而“隐私计算+区块链”的结合能够很好地解决这个问题。
企业可以将自己的数据以加密的形式存在区块链上,当需要与其他人交易数据时,可以直接用加密的形式提供数据。对方将得到的加密信息到区块链中进行验证,这样对方既能确保数据的真实性,又不会让数据在链上被公开。
举个例子,小文身份证的号码是360735199813482347,她存在区块链上后的加密信息为jinghxuw9997bnsbhgjk8892,并转化为二维码。当小文入住酒店时,酒店只需要扫描二维码得到加密信息,然后在在一个可信的计算环境中和得到的数据进行对比,确定小文的身份。在整个过程中,酒店方都不会知道小文的姓名和住址,但是又能够确认是小文本人,没用假身份证,可以办理入住。
“隐私计算+区块链”的结合能够促进商业模式的重大改变。它意味着在多方合作中,合作各方愿意把那些本来不愿意上链共享的数据拿出来共享,促成合作。
这里所说的“共享”并不是要让指其他人看见你的数据,而要让这些数据能以某种安全的形式进入商业逻辑的处理中。这样的创新需要技术方与应用方非常 的合作才能完成。只有当隐私计算被充分使用时,区块链才能真正开始商业落地。
区块链隐私计算的应用场景案例
区块链隐私计算有非常广泛的应用场景,比如说我们熟悉的医疗系统。
医院的数据基本不会分享给企业,另外,还存在药品追溯体系不健全;病患医疗信息在医院间不互通,重复检查,加重患者负担;纸质票据、处方流通不利于保存、有安全风险等问题。
假如把所有数据用区块链共享起来,会发生什么呢?
1、结合物联网技术对药品进行实时追踪监管,辅助质量监管,杜绝假药。
2、在确保患者隐私的情况下,实现患者医疗信息脱敏及机构间共享,减少重复检查,提高诊治效率。
3、重要票据和处方上链存证,处方不能被篡改。
4、可信数据存证及智能合约使医疗保险赔付更准确便捷。
5、利用区块链去中心化存储,限制数据的访问权限,以保障就医者的信息、诊断记录、基因数据等医疗信息的安全。
医院的数据和其它机构的结合起来是十分有价值的。举个例子,医院数据通过明文不流通放在本地,提供给药厂进行新药开发,因为可用的数据多了,时效更快了,药企就可以比较快地把新药投放市场,最终药价也会下降,患者看病的负担也会下降。
虽然目前区块链隐私计算的行业发展依然处于探索期,市场格局没有定性,战略打法和技术路线仍没有确定性的终极答案。但随着市场需求的持续增长,可以预测的是,整个产业很快将迎来全新的发展局面。
星际大陆也将持续关注和探索此领域的发展。
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
