安全开采数据“富矿”:隐私计算基建的融合与进击

原标题:安全开采数据“富矿”:隐私计算基建的融合与进击

信息的传递是人类文明的基础。从古人的结绳记事开始,到以文字作为载体,如今的数字时代,数据与我们的生产、生活 交融。对数据的充分挖掘与分析,也让科技与产业走向了应用的深处,改变了我们的生产、生活与消费。

数据的流通价值有目共睹,拿大部分人都使用过的健康码来说,其融合了大数据行程、防疫与接种的信息,是我们疫情出行的保障。而这些数据的共享对抗疫作用显著。“健康码”、“行程码”的背后是全国范围内的大数据支撑。公共健康数据的互联互通,不仅仅只是局限在疫情中发挥效用,在未来公共卫生紧急情况下,数据可以帮助政府更好的分析预测,让政府作出更加科学的决策以保障民众的健康与安全。

在医疗领域,数据安全的共享是 “两难又两全”问题,隐私数据备受关注,容易引起多方对隐私数据的监视。不过这也恰恰给了隐私计算施展的舞台与天地。在隐私信息泄露严重,但数据处理与分析的势头渐猛的矛盾中,数据的推动使用,价值与贡献,亟需隐私计算来化解流通中的难题。

指数增长的生产力

在数据激增的背景下,海量的数据背后屹立着千行百业,行业间的数据确权、竞争等情形,数据孤岛成为数据资产使用过程的最大障碍。不仅阻隔和闭塞了系统与场景的一些发展可能,对于信息的交流、整合、应用等都产生不同程度的影响。

而隐私计算成为数据价值流动过程中的唯一技术解,隐私计算能够在不暴露原始数据的情况下,实现数据的融合使用。并且隐私计算技术可以实现,精准控制数据融合使用的目的和方式,即控制数据算什么、怎么算,让数据使用监管成为可能。

隐私计算成为架起数据共享与安全的桥梁,可以让多个数据持有方的数据不仅能够正常连通协作,也可以保障数据不可见的隐秘性,完成数据的分析、计算、应用。

举例来说,我们知道在医疗领域,沉淀了许多规模化、高质量的数据,AI技术在落地的过程中,可以依赖这些优质的数据训练出效果更好的模型。但在实际的落地应用中,因为数据的隐私、确权、孤岛等问题,数据间的打通和协作阻碍重重。AI在医疗领域中理论的优势并不能完全发挥。隐私计算可以很好地解决医疗领域的数据困境问题,让数据在不可见的情形下仍能相互连通共享创造价值。

隐私计算数据价值特性使其在数据密集的行业如金融、医疗、通信运营商、政府等领域开始落地。这些领域本身就是数据价值的高地,数据的生产与运用处于各类产业的前端。同时,这些行业对于数据的规范要求较高,对于这些领域来说,数据有效利用可以放大其背后的潜能,价值巨大。

拿金融领域来说,隐私计算主要应用于金融中的风控和营销方面。随着区块链技术的发展,隐私计算与区块链技术的结合,也可以赋能更多的金融场景,比如跨境支付、供应链金融等。在反洗钱业务中,此前由于对中小企业的经营数据掌握得不够完备,银行对中小企业的贷款非常谨慎,中小企业贷款难成为阻碍市场化发展一大恶疾,在隐私计算与区块链等技术的结合下,银行可以更好地收集到相关信息与同业机构交换参数、联合计算建模,解决了中小企业数据背调的问题。

隐私计算即能实现数据对于金融、医疗等领域科技创新的“倍增作用”,又能充分保护数据隐私,使数据在流通和融合过程中可用不可见,数据的生产力得以被充分放大,价值也随之水涨船高。

技术流派的融合

据国家互联网信息办公室,中国数字经济规模已达31万亿元,约占GDP三分之一。IDC数据表明,2025年全球数据量将达到175ZB,并保持指数级增长趋势。数据海量增长的背景下,数据的规范合规政策也在不断跟进。

《数据安全法》与《个人信息保护法》在去年十月左右开始陆续实施,隐私计算也成为数据安全合规应用的技术保障,成为备受期待的最优解,被资本与企业追捧。据毕马威发布的隐私计算报告预测,未来三年,隐私计算的营收服务费用可达200亿左右,而数据平台可以撬动的运营收入可达千亿级别。

在政策和市场驱动的背景下,互联网巨头、网络安全、大数据公司等初创科技企业纷纷入局,在数据价值应用的蓝海中抢占先机。大部分企业的入场时间在2018年前后,技术流派也以多方安全计算、联邦学习、可信执行环境这三种流派为主。在实际落地商用的过程中,单一路径技术的模式逐渐无法满足市场需求,三种技术路径的融合成为现下的主要趋势。目前在隐私计算赛道中,抢占赛道先位的有蚂蚁金服、华控清交、翼方健数、数牍科技、冲量在线等。

这些企业也多以金融、医疗为主要应用场景领域,金融与医疗领域是数据密集型产业,且数据蕴含的价值高,行业数据敏感,隐私计算的特性与其天生契合。金融与医疗的应用场景也不断有隐私计算落地开花结果的案例。

例如金融领域中隐私计算在银行的应用方面,可适用于联合营销、联合风控、统一授信、业务合规等,如在不暴露客户资产的情况下银行可以进行联合统计,开展客户综合管理、查询数据或提升精准营销能力等。政府方面的落地,在江浙的部分城市目前已经通过隐私计算技术,实现了政务数据和银行金融数据之间的共享,并把这些数据积极应用于反诈工作中。

隐私安全计算的产品与解决方案在市场与资本中获得了强烈的反响,2021年更是被称之为“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。数据的应用在行业和社会层面都意义重大。

不过,在隐私计算不断落地的过程中,市场中也有另外的声音质疑:隐私计算可以保证数据的安全,那么谁来界定隐私计算系统的安全?

数据安全保护涉及的技术种类多、门槛高,各种专业术语让人晕头转向,而且因为数据不可感,只能单方面通过企业介绍来了解。这个最核心的疑虑答案,数据服务方们的共同选择是交给市场来共建行业的标准。制定隐私计算的安全标准考虑的点包含算法安全、密码安全、产品安全等多重安全风险点,互联互通的系列标准、行业场景标准及测试体系等都开始逐渐讨论与展开,隐私计算的各产业联盟共同推进技术规范与应用的落地,使其健康有序发展。

有限的天花板or广阔的天地?

数据价值在分析与计算后折射的势能是不可估量的,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,已成为从企业与产业的核心驱动力之一。隐私计算市场在这个态势下的起步中,有流畅的市场、政策快车道加速,也有一些路障需要跨越。

1.市场需求的表达不充分。对于金融、通信、政府等领域因为近些年互联网行业的数字化技术洗礼,接受与教育的成本低,而在工业、交通、能源等传统数据大户领域中,数字化的程度有限,推进隐私计算市场教育的成本与时间较久,市场的需求反馈准确表达有限。

2.一些行业数据的管理标准混乱,数据的开放存在障碍。例如在医疗领域中,数字化的水平参差不齐,数据的管理缺乏统一的标准,而数据的打通需要多方的协作,闭源的数据平台较多,数据方的打通协同执行程度有限。

3.隐私计算产品的标准化程度低,通用性差。隐私计算中的产品与解决方案多以定制化为主,这也意味着周期与成本的高企,规模的发展难以铺开。

在隐私计算的基建阶段,一切都在探索和尝试,需要解决的问题不少,距离设想的未来按数据交易量抽成的分润时代还较远,隐私计算和许多技术含量高的to b平台一样,是一个需要常耕深入的技术,需要玩家们做好长跑的准备,行业较为统一的共识是完全的规模化应用还得十年的时间,元年的基建时代,安心打磨技艺即可。

对于隐私计算的未来,市场上也有另外的声音,因为隐私计算赛道涉及敏感数据的交易、流通等,这类数据平台的建立未来会被监管列为重点关注的对象,政府或者国有企业会作为合规方来搭建,市场的隐私计算只能作为技术的供应商存在,作为生产要素的数据基础设施平台的建设,最终的控制权会被政府管制,预想的发展空间会不及理论设想,市场的天花板有限。

无论是有限的天花板理论还是无限的天地,我们可以确认的是隐私计算的独特优势都会让数据的价值发生质变。而这也意味着数据时代,促进数据生态良性发展的隐私计算会是数据发展最佳的助推器,只要锚定数据的价值,护航其跃升的隐私计算就有广阔的发展天地。至于走得多远,行的多深,市场与时间会给出答案。


企业会员

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。

2022-02-25
安全开采数据“富矿”:隐私计算基建的融合与进击
对于金融、通信、政府等领域因为近些年互联网行业的数字化技术洗礼,接受与教育的成本低,而在工业、交通、能源等传统数据大户领域中,数字化的程度有限,推进隐私计算市场教育的成本与时间较久,市场的需求反馈准确

长按扫码 阅读全文

Baidu
map