人脸识别技术|隐私计算：护航数据价值，实现“可用不可见” 计算技术|数据融合|数据保护

有人说：数据是新时代的石油。事实上，随着全球数字经济的蓬勃发展，数据的重要性已远远超过了石油。但随之而来的大数据杀熟、滥用人脸识别技术、过度索取权限等乱象，却让人苦不堪言，损害了公众的合法利益。
9月1日，我国第一部有关数据安全的专门法律——《数据安全法》正式施行，成为数据安全保障和数字经济发展领域的重要基石。该法明确提出，发展与安全并重，在强调数据安全的基础上鼓励数据应用和流通，同时鼓励相关技术的研究与应用。
作为能够兼顾数据应用与安全保护的关键技术，隐私计算被业界寄予厚望。隐私计算是什么？如何保护用户隐私？距离落地应用还有多远？在日前举办的数据安全与隐私计算专题研讨会上，业内专家就上述问题深入探讨，明确表示，隐私计算能够在充分保护数据和隐私安全的前提下，实现数据价值的转化和释放，应用前景和商业价值巨大。
隐私计算让数据安全流通
数据通过流通共享与协同计算，能更好地释放其价值，大数据的井喷式发展也将带来前所未有的价值传递。但隐私保护、数据合规等监管要求，让数据拥有方陷入不愿共享、不敢共享、不能共享的困境。北京瑞莱智慧科技有限公司CEO田天表示，数据价值和隐私安全时常处于二元对立的状态，海量数据散落在众多机构和信息系统中，形成信息孤岛和数据烟囱，无法充分发挥数据要素的经济、社会价值。
而隐私计算则有可能成为解决这一数据困境的突破口。什么是隐私计算？中国信通院云计算与大数据研究所大数据部副主任闫树介绍，隐私计算是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技术集合。
相比之前传统的数据协作方式，隐私计算技术开辟了一种全新的模式，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，实现数据的‘可用不可见’ 。田天说。不过，隐私计算虽然改变了数据交互与融合的模式和形态，有效保护了流通过程中的数据安全，但仍需要配合其他技术来解决数据流通之前和之后，在权属、应用等方面的问题。
从技术机制来看，隐私计算主要包含三大技术流派：一是以安全多方计算为代表的（部分）通用多方交互协议；二是以联邦学习为代表的面向机器学习应用的多方交互协议；三是以可信执行环境为代表的基于可信硬件的中心化执行方案。
尚处大规模商业化应用前期
随着互联网数据的相关法规不断完善，各行业对企业合规数据流通的需求日益强烈，隐私计算市场也迎来了一个较大的发展期。各类机构竞相进入赛道，除了一批大型互联网公司和专精型创业团队，众多大数据、AI、区块链和传统数据安全公司也开始纷纷转型入局。
在应用侧，隐私计算的落地场景也正从强数据需求的金融、互联网、医疗和政务领域，逐步向智慧能源、智慧终端、智慧城市等更多行业延伸。
但总体来看，隐私计算市场仍处于大规模商业应用的前期，闫树也表示，目前隐私计算技术和解决方案还不够成熟，在安全、性能和数据的互联互通等方面仍存在挑战，一定程度上限制了隐私计算的推广和应用。
田天强调，在牺牲安全性的前提下进行各类隐私计算的技术没有任何意义。由于密码学上的证明安全与实际安全并不相等，尤其是一些多方隐私计算协议被应用在不符合其安全假设的场景中，因此很多假设安全的方法在实际应用中存在严重的安全性漏洞。