去年9月1日，历经三次审议修改的《数据安全法》终于正式实施，也让数据安全领域的关键技术--隐私计算彻底火了，引起社会各界的广泛关注。
有人认为隐私计算如今是多光环加持，如张弦之箭，正开启属于它的时代。Gartner甚至连续两年将隐私计算列入年度战略科技趋势之一。无独有偶，新华三集团于近期发布了的《面向未来的数字社会——2022新华三 十大技术趋势白皮书》（以下简称“白皮书”）也将隐私计算列为十大技术趋势之一，并认为未来十年将会有95%的企银行业将采用一种或者多种隐私计算技术。
那么，隐私计算是什么？它为何能有效化解数据使用权与所有权之间的矛盾问题？它又为何够让数据交易应用型市场有望达到千亿级规模？
隐私计算，打开那个著名死结
这些年，我们着实感受到数据的魅力与价值：个性化的信息流推送、物流配送的优化、车联网的便捷、疫情防控的精准……正如《大数据时代》作者维克托·舍恩伯格所言：大数据将开启一次重大的时代转型。
然而，近年来数据的流动与使用也滋生出各种乱象，数据窃取、数据买卖、数据滥用等情况频发，数据安全与隐私泄露成为社会各界关注的话题。与此同时，《数据安全法》等两法一条例陆续颁布与实施，标志着个人到机构乃至国家层面，数据需要在安全有序的前提下充分共享、使用。
不过，数据安全和数据流动、共享与使用似乎又是一对天然的矛盾。举个例子，A公司和B公司都拥有丰富的数据，A公司的应用模型要想使用B公司的数据似乎是一道天大的难题，因为无论从法律法规还是商业利益，B公司都万万不能将自身数据“拱手相让”。
《白皮书》提到，当前主流数据集中共享方案面临很多问题，数据资产权益得不到有效的保护、安全性得不到保证、数据泄露风险高；各种法律也在合规监管层面大大增加了数据共享的难度。
如何解开这对著名“死结”？隐私计算是目前业界公认的最佳答案。《白皮书》介绍道，隐私计算是多种技术的统称，目的是为了让多个数据拥有者，在不暴露数据本身的前提下，实现数据汇聚、共享、建模与分析，最终产生超出自身数据的价值，同时保证数据不泄露给其他参与方。
在笔者看来，《数据安全法》等在法律法规层面解决了数据有序流通、交易和使用等不健全的难题，而隐私计算的崛起，则在数据安全的技术层面形成呼应。隐私计算是在保证数据提供方不泄露原始数据的前提下，对数据进行分析计算的一系列信息技术，保障数据在流通与使用过程中的“可用不可见”，确保数据融通共享中的合规安全，大幅降低数据泄露风险，真正使得“天下没有难用的数据”成为一种可能。
“当前应用主要集中在数据驱动的金融、互联网领域和拥有大量数据源和数据流通需求的医疗、政务领域，整体处于规模商用的前期。”
隐私计算有何魔力
隐私计算被认为是打开千亿级规模数据交易应用模型市场的那把关键钥匙。
隐私计算主要有三种技术路径：基于协议的安全多方计算、基于硬件的可信执行环境和基于现代密码的联邦学习。
多方安全计算（Secure Multi-party Computation，MPC）是姚期智院士1982年提出并解答百万富翁问题时创立，是现代密码学的一个重要分支；可信执行环境（Trusted Execution Environment，TEE），通过软硬件方法在中央处理器中构建一个安全区域，保证其内部加载的程序和数据在机密性和完整性上得到保护；联邦学习则是谷歌2016年提出的一种新兴的人工智能基础技术，现在发展成为当前数据安全环境下不同机构间联合建模的主流技术之一。
不过，单纯谈论隐私计算的技术并无多大意义。作为一种技术手段，隐私计算要想真正让数据价值落地，还需要在业务场景中更进一步。
根据白皮书介绍，隐私计算在政务领域的政务数据开放共享，金融领域的反欺诈、征信、风险评估与保险定价，医疗领域的联合诊断、辅助医疗与病理分析，广告营销领域的精准营销均有应用。
新华三预测：“未来十年，95%企业将使用一种或多种隐私计算技术。并在许多垂直领域以及公有云基础设施得到广泛应用。”
隐私计算作为一套复杂的技术体系，包含了硬件、密码学、分布式机器学习等多种底层技术，这就意味着其大规模商用之路依然有着很多挑战和值得探索的地方。隐私计算当前主要受限于算力性能、运算成本、场景落地等工程化问题，离商业化落地还有一定距离。
具体来看，其一、隐私计算正处于一个临界点，需要进一步完善产品与技术，实现从“是否可用”到“是否好用”。因为隐私计算涉及到诸多技术栈，产品形态也趋于复杂，加上实际应用环境各种复杂情况，使得目前还没有形成相对标准的产品套件；另外，产品也容易出现性能瓶颈显现，以信通院测试情况为例，40万行样本900列特征的纵向联邦学习建模比明文慢数十倍甚至百倍，随着规模增加，倍数还会持续放大。
其二，隐私计算解决方案很多尚未经过大规模商用化验证，在方案落地能力还有待进一步提升。隐私计算的方案需要在用户端接受检验和产生业务价值。例如，以金融行业为例，隐私计算的解决方案是否能够对现有软硬件设备兼容；是否在大规模数据吞吐量下，满足金融行业对于业务的稳定性要求；以及已接通合规数据源是否满足金融机构的业务需求等等。
“制约隐私计算大规模商用主要是在性能、与客户当前业务的兼容程度等，而突破点在于算力层面。”新华三集团副总裁、技术战略部总裁刘新民表示。今年，新华三将实现隐私计算落地的突破，将全面推出隐私计算云、隐私计算一体机等系列产品与服务，确保数据价值的安全彻底释放。
新华三集团副总裁、技术战略部总裁刘新民
其三、隐私计算技术的互联互通和行业标准有待建立。目前隐私计算三种技术路径各有所长，而通常在隐私计算的真实应用场景中，往往是多种技术结合的模式。因此，多个隐私计算平台互联互通时，肯定会遇到底层打通的问题。隐私计算本身就是为了解决数据孤岛问题，不能因为协议、标准不互通而造成新的孤岛。
当前，隐私计算产业界上下游都意识解决上述问题的重要性和紧迫性。只有通力合作，形成合力，才能将隐私计算做大做强。例如，以新华三即将推出隐私计算一体机为例，代表着当前产业界一个重要趋势，通过生态的力量，集软硬件于一体，既能提供硬件增强的安全性、性能，又能为用户带来开箱即用的便利，极大降低隐私计算的门槛。
可以预见，随着数据要素的重要性日渐突出，新华三等企业全面布局隐私计算技术领域，隐私计算有望在金融、政府等多行业的联合营销、风控、科研等业务应用得到更加广泛和深入的应用，隐私计算的作用与价值也会进一步彰显。
面向未来，不仅仅是隐私计算
Forrester首席分析师James McQuivey在《颠覆：数字经济的创新思维和商业模式》中直言：在数字化浪潮中，市场竞争者们都在利用新的平台、技术和工具来参与市场竞争、接近用户，甚至是颠覆旧的商业模式。
如今，隐私计算正是一项将改变商业模式和游戏规则的技术趋势，值得所有渴望实现数据价值最大的各行各业用户长期关注和探索。然而，在企业的数字化转型的长期征途中，用户除了关注隐私计算技术之外，还需要以更加宏观的视角来洞察它所带来的影响。
例如，随着隐私计算在业务场景中深入应用，将会带动算力需求的大幅增加，而算力的大幅增加又与节能减排紧密相关；此外，隐私计算还会对人工智能产业细分领域的发展带来影响，以及数据使用场景、模式和习惯等；这些改变都会对企业数字化转型带来持续影响。
因此，了解技术趋势和洞察场景变化就成为企业数字化转型的两门必修课。以新华三本次发布的十大技术趋势白皮书为例，书中对2022年的家庭、园区、城市和公共事业四大场景的变化趋势进行解读，并对扩展现实、隐私计算、分布式安全等十大热门技术趋势逐个分析，对于身处数字化转型中的用户有着极大的启发价值。
面向未来，用户只有充分解各项技术发展趋势，方能在未来的数字化浪潮中做到有的放矢；而对于场景变化趋势的洞若观火，则有助于自身业务的调整和转型。毫无疑问，《面向未来的数字社会——2022新华三 十大技术趋势白皮书》正是一份洞察场景变化和技术趋势的前瞻性预测，值得所有身处数字化浪潮中的人们认真了解！
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。
