文｜數據猿

在醫療領域，不同醫院之間需要共享患者數據，以提供更全面準確的診斷和治療方案。

傳統的數據處理方式通常是數據經過轉換隱藏重要數據後再進行分析，雖然可以保護數據隱私，但在數據源變化時響應速度慢，且隨着數據量的增加，系統變得越來越龐大和複雜。

在數據空間中，通過聯邦計算（FC）技術，各醫院的數據可安全地在本地存儲和處理，在保持數據隱私和安全的前提下，共同進行數據分析和計算，以及機器學習，僅共享必要的分析結果，既保護了患者隱私，又實現了醫療數據的有效整合利用，提高了診斷效率和治療效果。

某電力公司大數據信息共享服務平臺除了服務於業務開展外，主要支撐發改委、能源局等政府部門數據共享。該電力公司建立一個與政府部門等其他單位交換數據的數據空間，就需要利用隱私計算技術解決數據要素共享問題，在流轉模式下實現“原始數據不出域”的目標，保證數據在共享融合過程中的“可用、不可見”狀態，打破部門、區域之間的信息煙囪，實現真正的信息共享和數據價值的傳遞。

作爲數據安全的核心技術，隱私計算正被應用到可信數據空間建設等領域，在不同機構之間共享數據，實現數據的流通價值。

合規、溯源、治理、保障，隱私計算爲數據空間建設“打底”

數據已經成爲一種新型生產要素，可以爲企業實體和整個社會帶來商業價值。因此，數據驅動型經濟超越了數據持有者的界限，旨在創建一個與不同利益相關者的數據訪問、共享、流通市場，由此誕生了數據空間。

在數據空間中，就數據資產而言，企業願意加入數據訪問共享計劃，以控制其專有技術、市場份額、知識產權、商業祕密、競爭力以及合規性和道德原則，賦予企業足夠的信任，讓他們成爲數據訪問共享市場的參與者，由此產生了保障數據安全的隱私計算等技術。

隱私計算技術是數據空間的核心技術之一，可用於保證數據空間中的信任和數據主權的治理策略。因此，隱私計算應該是“兩用”技術，以高效和有效集成到數據空間中，在數據訪問共享經濟中實現不同的目的。

專家分析認爲，隱私計算在數據空間建設中的主要作用包括以下幾個方面：

首先，滿足合規需求。在數據空間中，要滿足像“個人信息保護法”、GDPR等多方面的合規要求。隱私計算技術能充當雙重用途工具，既滿足這些多樣化的合規要求，爲數據空間共享和交換在合規性及多主體利益平衡方面提供保障，避免因違反規定或忽視相關方訴求而阻礙共享和交換的正常開展，同時增強數據空間的信任機制，爲數據空間中的各方提供了技術信任保障。

其次，滿足溯源需求。隱私計算技術爲數據空間提供可追溯性支持，助力實現數據空間內多方面的追溯需求。數據空間中像數據貨幣化、知識產權控制、計費流程、專利管理以及數據訪問共享市場合同履行等環節，都需要可追溯性工具來保障流程清晰、責任明確。隱私計算技術能夠通過相應的技術手段，對數據的使用、流轉等過程進行記錄與追蹤，從而滿足這些追溯相關的需求，讓數據空間內各項業務開展得更有序、可查。

再次，構建有效治理模型。數據空間需要有合理的治理模型，而不是零散、無計劃地實施數據保護策略。隱私計算技術及相關隱私工具要通過融入數據空間的設計，集成到治理模型當中，以此發揮促進數據主權實施、增強利益相關者對數據訪問共享信任的作用。若缺乏這樣的集成與有序構建，數據空間共享和交換會因低效、無效以及信任缺失而難以順利實現。

最後，保障多方面權益與目標達成。隱私計算技術爲數據空間實現提供多重要保障，全方位守護數據空間的運行。

不同組織和部門之間往往存在數據孤島現象，由於擔心數據安全和隱私問題，數據難以共享和流通。隱私計算使得數據在加密狀態下可以進行跨組織、跨領域的計算和分析，各方可以在不泄露自身數據隱私的前提下，共同參與數據的聯合計算和挖掘，實現數據的互聯互通，如醫療領域中不同醫院之間可以在隱私計算的支持下共享數據進行疾病研究。

在數據空間的交易場景中，隱私計算爲數據提供方和需求方搭建了一個安全的交易環境。數據提供方可以在確保數據隱私和安全的前提下將數據出售或共享給需求方，需求方則可以在不獲取原始數據的情況下對數據進行分析和利用，從而促進數據市場的繁榮和發展。

跨系統全程守護，隱私計算要解決5大問題

數據與其他生產要素最本質的區別在於，數據隱私是數據流動過程中產生價值的根本出發點，而數據的安全流通是數字經濟發展的關鍵問題，國家陸續出臺了多項法律法規和政策，如《網絡安全法》《數據安全法》《個人信息保護法》三法爲主，推動了隱私計算行業的快速發展。

第一，隱私計算應該面向隱私信息全生命週期保護。

隱私作爲敏感個人信息，雖特定場景下有諸多保護方法，但缺全生命週期的體系化支撐，阻礙數據共享與流通。

專家指出，隱私計算是以面向隱私信息全生命週期保護爲核心的計算理論與方法，涉及隱私信息相關權能分離時的諸多可計算模型與系統，涵蓋信息從產生到銷燬全流程計算操作，以及支持海量用戶的系統設計理論。其計算環節有收集、脫敏等，各環節與全生命週期各階段對應，保障多系統業務流程中的隱私。

第二，隱私計算重點解決5類問題。隱私計算是一種保護數據隱私的新型技術，允許數據在共享和分析的過程中保持機密性。行業專家指出，隱私計算重點解決以下5個問題：

跨系統全程守護問題。在數據從誕生到最終被處理完的整個過程中，不管進行什麼計算操作，都要保證隱私信息不被泄露。

靈活規則調整問題。隱私保護的規則是由三方面因素確定的，即數據所有者的想法、正在使用數據的人受到的限制，以及接收數據的人能夠保護數據的能力，在數據的整個生命週期中，這個規則會根據實際情況不斷地進行調整優化。

按需精准保護問題。同樣的信息，在同一個使用場景的不同時段，或者在不同的使用場景中，受到的保護精細程度是不一樣的，要根據具體需求來確定保護的力度和方式。

動態優化保護問題。通過對當前隱私保護的效果進行評估，根據評估結果靈活地調整敏感數據模糊處理的算法和參數。

侵權行爲追查問題。把隱私信息在整個使用過程中每個環節的操作情況自動記錄下來，保證隱私信息在整個生命週期裏都是合法、規範地被使用的，一旦出現侵權行爲也能有據可查。

第三，隱私計算涉及衆多技術。隱私計算涉及很多技術，未來也會出現新的技術與算法。

在這些技術，可信執行環境（TEE）基於硬件的安全隔離環境，通過使用專門的硬件和軟件技術，確保數據在處理和存儲過程中的安全性和隱私性，防止外部攻擊。

作爲一種分佈式機器學習框架，聯邦學習允許不同的參與方在不共享原始數據的情況下，共同訓練一個機器學習模型。

多方安全計算（MPC）允許多個參與方在不泄露各自輸入數據的情況下，共同計算一個函數的輸出，使用特殊的加密算法和協議，確保每個參與方只能獲得計算結果，而無法得知其他參與方的輸入數據。

不同的隱私計算技術各有特點，分別適用於不同的場景和需求。在實際應用中，它們可以單獨使用，也可以結合使用，以提供更強大的數據隱私保護。

落地數據流通和個人信息保護，隱私計算形成2大應用與兩種商業模式

目前來看，隱私計算兩大類典型應用：

一是數據流通利用。基於隱私計算延伸控制思想，實現數據流通及使用控制，並對數據要素多輪交易進行延伸控制。依靠隱私計算的按需脫敏，助力數據要素的差異化定價。運用隱私計算的存證與取證，支撐數據流通利用過程中的風險識別、預警以及爭議仲裁工作。

二是個人信息保護。隱私計算能夠平衡個人信息保護和新型信息服務模式對數據利用的需求，其存證與取證可有效地支撐隱私侵權行爲溯源、個人信息保護合規判定等。

隱私計算可以支撐數據域內和出域場景下個人信息的迭代延伸控制，根據服務的不同階段或者不同場景實現差異化按需保護，支持跨系統保護的量化映射，以實現隱私跨系統保護的一致性，基於保護效果評估反饋實現保護算法和參數的自適應改進。

隱私計算形成了兩類商業模式，市場規模不斷增大。目前，隱私計算行業已經形成了兩類商業模式：

一種是基礎產品服務，通過提供軟件產品、技術服務和解決方案等服務，按項目計費。

具體而言，市場有不少企業提供軟硬件集成的隱私計算一體機，更加符合實際應用場景需求，如比螞蟻摩斯隱私計算一體機、星雲Clustar隱私計算軟硬件一體機等。

大多數有隱私計算業務的公司銷售隱私計算系統軟件，如螞蟻摩斯多方安全計算平臺、華控清交PrivPy多方安全計算平臺、同盾科技智邦平臺iBond、瑞萊智慧隱私保護機器學習平臺RealSecure、金智塔科技的“金智塔”隱私計算平臺、天冕科技的天冕聯邦學習平臺WeFe、富數科技阿凡達安全計算平臺、洞見科技INSIGHTONE洞見數智聯邦平臺、藍象智聯GAIA平臺等。

另一種是數據運營，基於隱私計算平臺開發數據增值產品、建立數據智能模型、服務不同客戶場景產生的平臺性運營收入。例如洞見科技通過構建基於“隱私計算+區塊鏈”的公共數據授權運營平臺，爲惠州農商銀行等客戶提供服務，在普惠金融等領域實現數據增值和智能模型建立，產生平臺運營收入。

海信和華通智研院共同組建的青島公共數據運營團隊打造“公共數據授權運營平臺”，利用隱私計算技術構建安全可控的數據環境，提供數據託管、數據產品等服務，實現平臺運營收入。

隱私計算的市場規模呈現增長態勢。根據中研網消息，2023年中國隱私計算平臺市場以12.8%的市場增速實現8.9億元的市場規模，預計2024年市場規模將超過9億元。

根據共研產業研究院發佈的《2023-2029年中國隱私計算行業調查與投資分析報告》，預計2025年我國隱私計算行業基礎產品服務和數據運營市場規模將分別達到95.9億元和49.2億元。

艾瑞諮詢預計，到2025年隱私計算市場規模將比2023年的20.6億元大幅度增長5倍，達到103.8億元。

跨界潮湧，多元企業搶灘隱私計算前沿陣地

參考國內的市場研究機構的研究報告，我們將目前國內隱私計算服務市場格局分爲以下幾個層次：

第一類，科技巨頭與雲服務商。目前，目前，象螞蟻集團、京東集團、字節跳動等科技巨頭，都開始在在隱私計算方向發力，旗下多個業務板塊都推出了隱私計算產品。包括阿里雲、騰訊雲、百度雲、京東雲、金山雲、華爲雲、優刻得等雲服務商都推出了隱私計算服務。

第二類，隱私計算的初創公司，如華控清交、星雲Clustar、數牘科技、藍象智聯、洞見科技、鍩崴科技、翼方健數、衝量在線、光之樹、融數聯智、摩聯科技、隔鏡科技、神譜科技、同態科技、凱馨科技、煋辰數智等公司。

這些隱私計算初創公司通常技術創新性強，專注於前沿的隱私保護技術研發，如聯邦學習、安全多方計算、同態加密等，致力於通過獨特算法與架構，打破數據隱私與共享利用之間的矛盾，爲數據流通構建安全通道。

另外，其市場適應性強，面對各行業痛點，量身定製貼合其合規需求、業務流程的數據隱私解決方案，面向醫療、金融、政務等數據敏感領域，助力客戶在保障數據安全前提下挖掘數據價值。

第三類，從大數據、區塊鏈、AI等方面進入隱私計算領域的公司。大數據基礎軟件公司星環科技，區塊鏈公司如矩陣元、Oasis、ARPA、趣鏈科技、零幺宇宙、宇鏈科技、翼帆數科、熠智科技，以及工智能公司瑞萊智慧、醫渡雲、淵亭科技等，都推出隱私計算相關方案與服務。

這些從大數據、AI、區塊鏈等不同領域切入隱私計算的公司，都在積極解決行業發展中面臨的數據安全問題，併爲用戶提供相應安全解決方案。例如，區塊鏈公司本身就注重數據的加密與不可篡改特性。它們將區塊鏈技術與隱私計算深度融合，在金融、供應鏈等行業應用場景中，通過隱私計算的加密機制和區塊鏈的分佈式賬本等協同作用，爲用戶打造安全的數據交互環境，解決數據在流轉、存儲、使用過程中的安全問題，提供全方位的數據安全解決方案。

第四類，網絡安全公司進入隱私計算。如阿里安全、騰訊安全、百度安全、安恆信息、神州融安、瓶鉢科技、沙海科技等。

網絡安全公司技術融合強，憑藉深厚網絡安全技術功底，將加密、訪問控制等與隱私計算融合，全方位防護數據；場景落地快，依託原有客戶資源，如爲阿里、騰訊生態內企業迅速適配隱私計算方案，解決數據協作難題；產品多元化，像安恆信息等推出涵蓋數據脫敏、加密傳輸、多方計算等多款產品，滿足不同行業數據安全與隱私需求。

第五類，應用公司。金融科技公司比如同盾科技、百融雲創、富數科技、天冕科技、金智塔科技、冰鑑科技、甜橙金融等，推出隱私計算方案。

同盾科技注重多場景適配，保障數據跨域協同安全；百融雲創聚焦精準營銷，賦能業務拓展；富數科技擅長聯邦學習優化；天冕科技強化數據加密全流程管控；金智塔科技依託區塊鏈保障溯源；冰鑑科技、甜橙金融等也都緊扣金融需求，築牢數據隱私屏障。

從目前，企業推出的隱私計算解決方案來看，呈現是兩大發展趨勢：

第一、多種技術融合滿足多需求場景的需求。

從技術的運用方式來看，雖然存在單個技術如聯邦學習的成功應用案例，但是在整體的隱私計算領域，採用多種技術的融合方式越來越多。

不同的數據場景有着複雜多樣的需求，單一技術往往難以全面滿足。比如在涉及多方數據交互且數據類型多樣的智慧城市建設場景中，可能需要結合差分隱私技術來進一步增強數據隱私性，同時利用同態加密技術來確保在加密數據上進行計算操作的正確性，再加上聯邦學習來促進不同部門數據的聯合建模分析，從而實現城市交通流量預測、能源消耗優化等多項目標。

螞蟻密算提出的“密態計算”技術體系是通過綜合利用密碼學、可信硬件和系統安全的隱私保護計算技術，其計算過程確保數據可用不可見，計算結果能夠保持密態化，實現計算全鏈路保障，防止數據泄漏和濫用，最終實現多方數據高效匯聚、更大規模的數據安全流通。另外，數據價值的快速驗證，也是密態計算實現數據要素在產業端流通的重要優勢。

在金融領域，農業農村部大數據發展中心聯合網商銀行發起的“農戶秒貸”項目，基於密態計算技術構建了密態時空計算平臺，入選了國家數據局首批“數據要素x”典型金融案例，目前超600萬農戶獲得貸款額度。

第二、隱私計算中核心技術在典型應用場景中持續發展。

聯邦學習技術解決方案長盛不衰。過去幾年，蘋果、谷歌和其他科技巨頭一直在大力投資聯邦學習。聯邦學習是機器學習的去中心化形式。它通常用於訓練ML 模型以觸發建議功能。

2021年Google AI宣佈，通過使用聯合學習在用戶交互上負責任地訓練神經網絡模型，同時保護用戶隱私，從而提高了智能文本選擇的性能。這項工作是 Android新的Private Compute Core安全環境的一部分，它使Google能夠將模型在某些類型實體上的選擇準確性提高多達20%。

Apple在其產品上使用聯邦學習（FL）技術及其變體（如Federated Tuning （FT））來執行設備計算和用戶隱私推薦的組合。對於Apple來說，圍繞聯合評估FE和FT的應用佔據了系統使用量的很大一部分。

聯合評估（FE）發生在用戶交互歷史記錄上，與實時A/B實驗相比，大大縮短了週轉時間，FE可以快速識別最有前途的ML系統或模型候選者。

如星環科技的數據隱私計算平臺，以及訊飛智元的聯邦學習平臺等，能夠在數據共享和計算過程中，確保數據的隱私性和安全性。

區塊鏈技術方案在隱私計算解決方案中也佔據不少份額。雲象區塊鏈推出的隱私計算數據安全平臺YunPCDS，是一款融合多方安全計算、聯邦學習、隱私保護和區塊鏈技術的產品，能實現“數據可用不可見”，在跨機構數據合作（如聯合風控、聯合營銷等）時確保數據安全和隱私。

趣鏈科技推出的BitXMesh數據協作平臺，融合區塊鏈與多方安全計算等技術，首創跨網閘數據交換協議等算法，可支撐千機構間的隱私數據共享和聯邦計算，能做到數據“可用不可見，可控可計量”。

多方安全計算解決方案正呈現不斷增加的態勢，反映出其在數據隱私保護和協作計算方面的巨大潛力。多方安全計算作爲隱私計算的關鍵技術，能夠在多個參與方之間實現數據的聯合計算，而無需暴露各自的敏感信息，在當今數據驅動的時代顯得尤爲重要。

華控清交推出的隱私計算平臺採用了先進的多方安全計算技術，專注於解決數據共享中的隱私保護問題。平臺結合了同態加密、零知識證明等多種隱私保護技術，提供全面的數據安全保障。

翼方健數提供的隱私計算解決方案同樣聚焦於多方安全計算，旨在推動醫療健康領域的數據共享與合作。

Opaque Systems在幾年前就推出了一個多方機密AI和分析平臺Opaque Platform，通過提供首個多方機密分析和AI解決方案使對TEE中的加密數據運行無摩擦分析成爲可能，實現安全的數據共享，並首次使多方能夠執行協作分析，同時確保每一方只能訪問他們擁有的數據。

如果說科技巨頭在隱私計算的投入到了收穫的季節，那麼現在則要持續創新突破，攜手各方拓展應用邊界，讓隱私計算惠及更多行業，爲數據安全流通、產業協同發展注入源源不斷的動力。