人脸识别技术|隐私计算：护航数据价值，实现“可用不可见”( 二 ) 计算技术|数据融合|数据保护

同时，在应用开发环境中，隐私计算也会带来很多新的安全问题，比如算法歧视，又或者被黑客投入脏数据毒数据，存在数据投毒的风险。闫树表示，隐私计算技术产品的安全分级标准与行业信任共识仍有待建立。
性能是隐私计算应用落地的保障。闫树介绍道，隐私计算产品安全、性能、准确性三者之间相互影响、相互抵消。目前，国内隐私计算产品在特定场景下已基本具备可用性，但在未来面临更多数据方、更大数据量、更复杂场景时，性能等指标仍有待加强。
要成为核心底座仍任重道远
在政策驱动和市场需求的共同作用下，隐私计算成为商业和资本竞争的赛道市场。信息技术研究和分析公司Gartner在其报告中将隐私计算纳入2021年最前沿的九大趋势之一，并指出到2024年，全球隐私驱动的数据保护和合规技术支出将突破150亿美元以上。
虽然隐私计算有望成为数据要素市场建设的关键基础设施，但若要真正成为核心底座，仍然任重道远。闫树认为，隐私计算未来发展需对内实现互联互通，实现不同平台间的互认互用，破除平台壁垒，打通数据孤岛的同时避免催生数据群岛；要充分释放数据要素价值仅靠隐私计算还不够，还需要加强隐私计算与AI、区块链、云计算等技术的交叉融合。
【人脸识别技术|隐私计算：护航数据价值，实现“可用不可见”】田天同样表示，隐私计算主要是解决数据链接问题，打开数据通路，让更多数据能够被使用，但实现数据价值之路，需要业务需求牵引，尤其是人工智能需求牵引。同时，面向AI的性能优化可以为隐私计算高效落地带来重大机遇，在实现跨业、跨域的数据融合基础上，深度挖掘与释放数据的最大价值。