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，数据重要性已远远超过“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，作为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，同时鼓励技术研究与应用。

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，如何保护你我的隐私，距离实地落地还有多远?在日前由北京瑞莱智慧科技有限公司主办的“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，数据安全乃大势所趋，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。

可用不可见 隐私计算让数据安全流通

数据通过流通共享与协同计算，将更好地释放数据价值，大数据的井喷也将带来不曾想象的价值传递，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。瑞莱智慧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，隐私计算技术为开辟了一种全新模式，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，但需要配合其他技术解决数据流通之前和之后的在权属、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。

闫树介绍，从技术发展历程来看，谷歌、英特尔等国际领军企业开创了隐私计算产业的时代潮流。但从发展路径上看，国外企业在学术研究和开源生态的建设上更为活跃。

市场爆发 尚处大规模商业化应用前期

随着关于“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大发展期。各类玩家竞相加入竞争赛道，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转型纷纷入局。

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，向智慧能源、智慧终端、智慧城市等更多行业逐步延伸。

但总体来看，隐私计算市场仍处于大规模商业应用的前期，闫树表示，目前隐私计算技术和解决方案还不够完全成熟，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，在牺牲安全性前提下进行各类隐私计算的技术没有任何意义。本质上，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，很多假设安全的方法在实际应用存在严重的安全性漏洞。

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”，导致“数据投毒”的风险存在。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。

其次，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。

要想成为核心底座 仍然任重道远

在政策驱动和市场需求共同的作用下，隐私计算成为商业和资本竞争的赛道市场。 Gartner报告将隐私计算纳入2021年最前沿的九大趋势之一，并指出到2024年，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。

但这千亿级蓝海市场未来该如何发展仍值得探索。在田天看来，隐私计算落地的三个核心要素在于安全、性能与价值闭环。围绕这一思路，瑞莱智慧开发了一款隐私保护机器学习平台RealSecure，面向客户提供全方位的安全评估验证，同时基于独创的隐私计算安全攻防理念，内嵌各类安全防护巩固功能模块以抵御恶意攻击。性能方面，通过编译器与高效加密算法的优化，性能可提升20-40倍，实现极致安全与效能。

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”，其次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”。

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这一重要计算类型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、跨域数据融合的基础上，实现数据价值的深度挖掘与释放。

关键词： 数据，安全，流通，隐私