隐私计算_数据可用不可见的技术新赛道 - 知识中心

2021年《数据安全法》《个人信息保护法》相继实施，企业数据合规成本大幅上升。但数据只有流动起来才有价值——银行想拿电商数据做风控，医院想和药企合作做研究，但原始数据不能直接给对方。隐私计算就是解决这个矛盾的技术方案。

一、什么是隐私计算

隐私计算不是单一技术，而是一类技术的统称。它的核心目标是：在不泄露原始数据的前提下，实现数据的联合计算和价值挖掘。打个比方：两家银行想联合做反洗钱模型，但各自客户数据不能给对方。隐私计算可以让两家在自己的数据上算，最后只交换模型参数，谁也看不到对方的原始客户数据。

多方联合训练机器学习模型。各方数据留在本地，只交换模型梯度参数。谷歌最早提出这个概念，现在广泛应用于金融风控、医疗研究。

基于密码学原理，多方共同计算一个函数，每方只能得到自己的输入和最终结果，不知道其他方的输入。安全性最高，但计算开销也最大。

在CPU里划出一个安全区域，数据在加密区域内处理，连操作系统都看不到里面的内容。性能最好，但依赖特定硬件。

2021年是隐私计算商业化元年。国内涌现出一批隐私计算创业公司，银行、运营商是主要付费方。但隐私计算目前性能还不够高、成本还比较贵，大规模普及还需要时间。对于企业而言，如果业务涉及多方数据合作，建议开始关注隐私计算技术，提前做技术预研。

本文关键词：隐私计算,联邦学习,数据安全,数据合规