隱私計算助力數據安全 “煉油”

數字時代，數據成為最重要的生產要素，被譽為“新黃金，新石油”。數據作為商品與資產要想迎來大發展，必須實現數據的確權、流通和隱私保護。以人臉識別為例，人臉識別技術正廣泛應用在支付轉賬、解鎖解密、交通案件、實名登記、開戶銷戶、門禁考勤等場景，每一項都影響到我們的財產、健康、隱私等安全。

就在央視新聞的一則晚間欄目的報道中，記者調查發現，在某一網絡交易平臺，只要花2塊錢就可以買到上千張人臉照片，5000多張人臉照片不到10塊錢，單張人臉照片不到1分錢。而這些照片都來自真人在社交網絡所分享的真實生活照和自拍照。如果再疊加上用戶的身份信息，很有可能被用到精準詐騙、洗錢、涉黑等違法犯罪中。

可見，在大數據時代，基于大數據的應用，在給日常生活、經濟發展、城市治理等帶來了極大的便捷的同時，用戶隱私也面臨著可能無處不在的“算計”，如何享受數據價值帶來的利好并保護隱私，正成為當下熱議的話題。

01公眾“隱私計算”需求激增

近一段時間以來，公眾關于“隱私計算”的關注度愈發高了起來。

螞蟻金服和曠視關于“提供數據供對方訓練算法”緊急公關，背后是人們對于“人臉數據”安全的關注。

蘋果iOS 14最大的賣點就在于隱私保護新功能。比如App 用于廣告目的的用戶追蹤將需要獲得用戶批準等等。對于移動互聯網中將追蹤用戶行為展開精準營銷、定向投放的公司而言，無疑是個巨大的“打擊”。

Tiktok美國事件背后更是說不清道不明的用戶“隱私”問題。

“隱私計算”變得越來越重要。熵增科技創始人楊更曾說，隱私就是我們故意要保持的信息不對稱。一個沒有隱私的人，相比一個有隱私的人是處于劣勢的。而保護隱私能讓個人處于更加公平的大環境中。

不僅僅是公民個人隱私數據泄露已經到了亟待治理的階段，現在數據也已經成為企業平臺最重要的核心資產，企業已經有動力要對平臺數據進行充分的保護和合規的使用。數據計算后可所產生的價值是不可估量的。對大數據應用或人工智能企業來說，合理邊界和方式使用用戶數據，已成為從企業到產業乃至整個社會發展的核心驅動力。

不久前，人代會審議的《個人信息保護法草案》規定：侵害個人信息權益的違法行為，情節嚴重的，沒收違法所得，并處5000萬元以下或者上一年度營業額5％以下罰款。而5％的額度甚至超過了“最嚴數據保護”之稱的歐盟GDPR。

無論是出于數據合規合法的考慮，還是出于數據應用的考慮，企業都正在加大對數據隱私保護的力度。根據國際調研機構Gartner最新的一份戰略科技趨勢預測，隱私計算成為2021年重點深挖的9項技術之一。Gartner還預測，到2025年，將有一半的大型企業機構使用隱私計算在不受信任的環境和多方數據分析用例中處理數據。

這些新趨勢的出現，為隱私計算提出了新的要求，也將提供廣闊的應用需求。

02隱私計算應用場景不斷擴展

幾乎全部專注于隱私計算領域的公司都選擇從隱私保護力度最強也是隱私保護需求最大的金融和醫療兩個領域切入產業應用。在今年數字新基建的大背景下，金融數字化和醫療數字化的需求亟待滿足。

比如在金融行業，國內隱私計算產品目前主要應用于金融行業的風控和獲客，即多家金融相關機構在不泄露客戶個人信息的前提下對客戶進行聯合畫像和產品推薦，在多頭借貸等場景下能有效降低違約風險。

在醫療行業，通過隱私計算技術，醫療機構與保險公司之間可以在不共享原始數據的情況下分析投保者的健康信息。在政務行業，隱私計算可以提供政府數據與電信企業、互聯網企業等社會數據融合的解決方案。在一些地方政府的相關規劃里，隱私計算有望成為下一個應用推廣的重點。

未來，隱私計算將廣泛應用于金融、保險、醫療、物流、汽車業等眾多擁有敏感隱私數據的領域，在解決數據隱私保護問題的時候，也幫助緩解行業內的數據孤島問題，為大量AI模型的訓練和技術落地提供一種合規的解決方案。

03保護數據安全，隱私計算如何“挑大梁”

2020年被稱之為“隱私計算元年”。這其中有政策利好，如數據資源正成為與人力資源、自然資源同樣重要的第三類資源。數據也跟土地、勞動力、技術、資本等一樣被當作生產要素寫進了國家文件中。大數據應用在行業和國家和社會層面都意義重大。

其中也有數據應用的實踐，如疫情下的綠碼就是數據和算法的產物。

要實現行業和國家層面的大數據“繁榮和普惠”，最最重要的是要跨過“日益增長的個人隱私保護需求和不平衡不充分的個人隱私保護能力之間的矛盾”這道坎，這也讓“隱私安全計算”成為大數據時代最重要的護航手。

首先從隱私計算關于公民數據安全使用的法律規定上，我國的法律尚未對隱私計算是否合法做出明確規定，在現有規定中“未經被收集者同意，網絡運營者不得向他人提供個人信息”，而隱私計算的目標就是基于多方數據的計算，原則上破壞了這一要求，但同時又適用于“經過處理無法識別特定個人且不能復原”的例外條款。這些成為制約隱私計算發展的首當其沖的法律瓶頸。

其次，隱私計算在企業內應用還存在一定的難度。比如大部分企業的數據規范性和數據質量難以支撐隱私計算對于參與方數據一致性的要求。隱私計算本身的復雜性和計算效率對于企業的大規模商用提出較高要求，試錯成本高。另外，隱私計算對于真正受益的用戶而言，存在一定的“黑盒”效應，人們很難理解和信任隱私計算技術，普及接受成本較高。

面對諸多挑戰，一方面我們要為隱私計算提供新的解決方案。如將隱私計算應用于區塊鏈上，或在一定程度上增加隱私計算結果的不可篡改性和可驗證性，也增加區塊鏈上數據的保密能力。

另一方面，須加強軟硬件協同和平臺整合，使得通過平臺基礎設施對隱私計算的硬件加速和能力整理，可以實現從存儲計算到建模挖掘等全方位的能力提升。

另外，隱私計算也正在向大規模分布式計算邁進，其實現方式也更加多樣化。一些項目通過代碼甚至零代碼開發，可以大大節省開發效率，降低隱私計算產品開發門檻。

最終我們看到，在數據越來越有價值，數據安全越來越重要的“數權時代”，隱私計算將成為用戶數據安全保護和企業發揮數據價值之間，最重要的那道把關者。

總之，在大數據時代，數據給科學研究、社會發展和經濟發展提供了堅強后盾。而隨著大數據、云計算、人工智能等新技術的運用，對數據的挖掘將越來越深。在保護數據安全和促進數據生態良性發展的道路，隱私安全計算的擔子也將“越來越重”，是機遇，更是挑戰。

• 來源：曉說通信