观点分享|隐私计算应用发展现状与趋势

2020年12月18日，由中国信息通信研究院、中国通信标准化协会、中国互联网协会联合举办的“2020数据资产管理大会”在京召开。在数据安全治理与隐私计算分论坛上，中国信通院云大所大数据与区块链部工程师袁博做了题为“隐私计算应用发展现状与趋势”的演讲。

为推动大数据在社会生产生活中的应用，中国信息通信研究院、中国通信标准化协会大数据技术标准推进委员会(CCSA TC601)共同组织开展了2020大数据“星河（Galaxy）”案例征集的活动。

本次案例征集包括三大方向：行业大数据应用、数据资产管理和隐私计算案例。活动自11月初启动以来，受到业界广泛关注和踊跃报名，经过函评和终审，在隐私计算方面共评选出10项标杆案例和15项优秀案例，报送主体以隐私计算技术企业、互联网企业、运营商、银行等金融机构为主。

隐私计算（Privacy Computing）是指在保护数据本身不对外泄露的前提下实现数据分析计算的一类信息技术，主要分为可信硬件和密码学两大领域。通过应用隐私计算技术，可以解决人们因担心数据泄露而不敢共享数据的顾虑，从而提高数据的共享和利用程度，充分挖掘数据价值。

通过对案例的分析可以发现，当前隐私计算技术主要应用在金融、互联网、政务、通信、医疗等领域，主要的应用场景有精准营销、金融风控、医疗健康、身份验证等等。

在通信领域，运营商拥有海量的通话数据、行为数据、上网数据、地理位置数据等等，为保护用户隐私，此前利用率不高。利用隐私计算可以保护数据隐私，合规发挥数据价值。当前主要有多方联合建模和隐匿查询等方式。

在金融领域，为了进行风控管理，金融机构需要融合多方机构的数据，构建有效而准确的风控模型，但是数据泄露风险和数据安全保护趋严使得传统的风控方式受到了限制。同时，在资产营销方面，面对现有的客户，金融机构无法仅通过自己单方的数据判断客户的相关信息，跨机构信息又很难获取。运用隐私计算技术，可以帮助金融机构优化风控模型，防范金融诈骗，支撑融资贷款等服务，也可以通过跨机构、跨行业的数据安全融合，发掘特定客户，进行精准营销。

在医疗领域，数据较为敏感，并且基于医疗数据的各项科学研究通常需要大量样本，单一数据源的数据量很难满足海量的数据需求，而数据共享过程中又会带来隐私泄露的风险。应用隐私计算技术进行多方协同过程中，能够有效的防止关联敏感信息的医疗数据被泄露，保证数据安全。

在互联网领域，运用隐私计算技术，互联网平台和其他机构可以在数据不出域的情况下联合建模，对用户进行精准画像，提高广告投放准精度和转化率。

隐私计算项目有两种部署方式：云端部署和本地部署。云端部署能够令产品快速交付，保证了数据安全并降低安全联调时间和参与方硬件门槛，而本地部署适用于对安全要求更加严格的场景。

隐私计算在落地应用的过程中面临着技术、运营成本、模型自身安全、不同机构之间缺乏信任和合作机制以及用户对技术的接受程度低等障碍。随着新基建的推进、相关硬件和算法的优化、标准规范的制定、测试认证的开展和市场的培育，相关问题障碍将得到逐步解决。

根据隐私计算技术应用的现状和发展趋势，提出了以下几点展望：

展望 1：算法优化和硬件提升将进一步提高隐私计算技术的可用性。

展望 2：隐私计算与区块链技术相结合，支持必要数据上链，强化防伪溯源和存证审计。

展望 3：隐私计算将成为在保障数据安全的前提下，进行数据流通的最重要技术之一。

展望4：隐私计算技术落地应用与数据治理相配合，在不断提高数据质量和规范性的基础上促进数据的共享利用和价值释放。

展望5：隐私计算技术的应用由金融、政务、医疗、电信等主要领域不断扩展至其他领域。

展望 6：隐私计算产业和生态将逐步建立。

有兴趣持续探讨相关话题的，请联系：

袁博  yuanbo@caict.ac.cn