研讨会|专家解析“隐私计算”四大技术路径平台将使“数据不出库” 改革|论坛|袁艺|多学科

中新网北京9月24日电 (采访人员张素)数据已成为重要的新型生产要素，隐私计算可以让数据在流通过程实现“可用不可见”。近日，相关专家对隐私计算四大技术路径进行解析，另有团队研制的隐私计算平台实现“数据不出库、模型多跑路”。
四个象限划分隐私计算
专家指出，隐私计算可以划分为四个不同的象限，分别是：数据流出、集中计算；数据流出、协同计算；数据不流出、协同计算和数据不流出、集中计算。
“数据流出、集中计算”的核心是对数据进行变形、扰动、加密等操作，可保障数据流出时的隐私安全，主要有数据脱敏、差分隐私、同态加密三种技术。
第二个路径是“数据流出、协同计算”。中国科学院院士姚期智提出的“百万富翁问题”，其网络安全版的解决之道是安全多方计算。
第三个路径是“数据不流出、协同计算”，代表技术是联邦学习平台。整体看，联邦学习可以在数据不流出本地前提下，联合多个参与方训练模型，对于打破“数据孤岛”具有重要意义。
在路径“数据不流出、集中计算”中，可信计算平台是代表技术。该平台是指通过隔离机制构建出一个安全可控区域，在这个空间中，数据能够被集中训练且不流出，从而保证内部加载数据的机密性和完整性。
数据流通模式面临困境
【研讨会|专家解析“隐私计算”四大技术路径平台将使“数据不出库”】“现有的数据流通模式面临三大困境。”瑞莱智慧相关负责人朱萌近日在一场发布会上说，一是数据权属的不可分割导致数据拥有方不愿共享；二是针对数据安全的法律框架正全面构筑，数据合规风险让企业机构不敢共享数据；三是技术不成熟与协议不统一导致数据仍无法实现互通互联。
“隐私计算是促进数据流通以及保障数据安全的关键技术。”国家工业信息安全发展研究中心大数据研究室主任杨玫日前在一场专题研讨会上说。
朱萌介绍，团队研制的隐私保护计算平台RealSecure能够实现“数据不出库、模型多跑路”，以保护数据隐私和数据安全。她解释说，这个平台是基于安全多方计算、联邦学习、可信执行环境等技术打造的数据安全共享基础设施。
为隐私计算“落地”赋能
隐私计算的落地场景正在从强数据需求的金融、互联网、医疗和政务领域，向智慧能源、智慧终端、智慧城市等更多行业逐步延伸。有报告预测，到2024年，隐私驱动的数据保护和合规技术支出将在全球突破150亿美元以上。
中国信息通信研究院云计算与大数据研究所大数据部副主任闫树近日在一场专题研讨会上指出，充分释放数据要素价值仅靠隐私计算还不够，需要加强隐私计算与人工智能、区块链、云计算等技术的“交叉融合”。
“RealSecure通过自研的隐私保护人工智能编译器架构，实现与传统算法的自动编译和一键适配。”朱萌说，这将促使人们摆脱重复改写的繁琐工作，有助于加速隐私计算落地。她还说，打造的“平台＋数据＋场景”的一站式隐私计算解决方案，则推动隐私计算从功能论证阶段迈向业务落地闭环。
案例显示，多家银行之间在不分享明文数据和匿踪查询的前提下，利用自有数据积累实现了“黑名单共享＋横向联邦学习”的金融联盟风控反欺诈模式，这将提升反欺诈模型的准确性和效率。(完)

研讨会|专家解析“隐私计算”四大技术路径 平台将使“数据不出库”

研讨会|专家解析“隐私计算”四大技术路径平台将使“数据不出库”