隐私计算崛起还有多远？-中国金融网

隐私计算，这个对大众来说有些陌生的概念，正在变得越来越重要，金融业对其更是颇为热衷在招商银行的项目之前，浦发银行联合腾讯云计算公司等机构，启动了多方数据学习‘政融通’在线融资项目，交通银行则联合中国银联，华控清交启动了监管沙盒项目，中国工商银行，中国农业银行也不同程度地在相关业务中尝试性地应用隐私计算工具

在知名咨询公司Gartner对重要战略科技趋势的预测中，隐私计算技术连续两年入围Gartner还预测，到2025年，将有一半的大型企业机构使用隐私计算在不受信任的环境和多方数据分析用例中处理数据那么，隐私计算究竟为何物

简单来说，隐私计算是一类既能保护用户隐私，又能实现数据计算效果的技术的统称。

百万富翁命题中，富翁拥有的财富就是数据所有权，富翁公布财富数据就是数据使用权，是否有一种技术，能让他们向这个技术平台透露财富数据，经过一系列加密数据的计算，最终得出结果，而他们的财富数据本身不会泄露对于需要数据的企业来说，他们获得的不是原始数据，而是经过加密的数据，以此来计算结果提供服务理解了这一假说，就能理解隐私计算的大概思路

姚期智早在上世纪80年代提出的这一命题，被视为隐私计算的雏形但是，在他提出这套算法的时代，由于计算机的算力有限，实际应用耗时颇长，在当时并未广泛应用

目前，隐私计算包括多个流派据《等深线》记者了解，姚期智论文中提出的方法，在隐私计算领域中被称为多方安全计算，更多依托于密码学，是将一组相互不信任或者不信任任何第三方的独立数据所有者，通过一个函数得出准确的运算结果，同时各方输入的数据信息不会暴露且不可还原

用更通俗的话说就是，多方安全计算，是指每个人算一点，然后合在一起能够完成一个任务，它可以做一些相对简单的数据查询，统计等计算同盾科技合伙人兼人工智能研究院院长李晓林说

除了多方安全计算，隐私计算还有联邦学习和可信执行环境两大流派。

联邦学习由国际互联网巨头谷歌提出，是一种分布式的机器学习，即多个参与方事先商定好分析模型，在数据不出各方本地的情况下，用各方数据对模型进行训练，而后得出结论供各方使用这一流派是从机器学习的角度出发，比多方安全计算又走近了一步，更适合目前人工智能的需求，模型训练和学习需要利用更丰富的多方数据，因此需要数据隐私的保护李晓林说

无论是多方安全计算，还是联邦学习，都是软件层面的路径，而可信执行环境这个流派，则加进了硬件的因素这个流派的核心思路，是通过构建一个独立于各方，且受各方认可的安全硬件环境，在安全，机密的空间内进行计算，得出结论

通过硬件打造出来的一个安全屋，在这个安全屋里的所有操作是受保护的多方的数据放入这个可执行环境中，然后在执行环节里面得出结果李晓林说

目前，这三种技术流派在隐私计算的商业层面都有应用具体应用并非泾渭分明，而是从适用的角度出发，相互融合这不是华山论剑，一定要比出哪个门派是高是低，单纯的，脱离市场与争论哪条路线的技术水平的高低，也没有太大意义蓝象智联CEO徐敏向《等深线》记者表示，蓝象智联是一家隐私计算服务商，主要为金融机构提供服务

应用场景何在。在保护用户隐私和数据安全的前提下，基于金融机构样本数据，可以引入“一方三方”通过联邦学习进行多方数据联合建模，丰富用户特征维度，如行业标签，兴趣偏好，行为习惯等。

一项技术的伟大之处，在于其解决了什么样的实际问题，没有产业场景的应用，技术也只是英雄无用武之地，隐私计算也不例外用技术创新寻求突破并非难事，但如何找到产业场景的沉淀是摆在隐私计算企业面前的重要问题

隐私计算如何推动数字经济的发展蓝象智联创始人兼董事长童玲对《等深线》记者表示，隐私计算本质上并不算一个行业，而是一个基础技术，可能和各行各业发生关联利用隐私计算解决数据安全流动的问题，并进一步挖掘数据价值在我们的团队中，除技术团队外，还有一个数据运营团队，这个团队的人既要懂技术，还要懂行业童玲说

当海量用户数据诞生后，已经开始指导各种产品的设计生产，在药物研发，风险评估等领域需要大量的交叉数据作为参考依据数据价值也从消费侧向生产侧转变，在这一背景下，隐私计算为安全合规地使用交叉数据提供了一种可能如今，在防范化解金融风险和金融支持实体经济的过程中，隐私计算也在发挥部分作用

彭凯是金诚同达律师事务所高级合伙人，帮多家跨国企业和大型集团公司处理数据合规业务，他告诉《等深线》记者，目前，即使是在一些大型企业和集团公司中，他们的信息系统基础设施并没有我们想象的好这就带来一个问题，在数据使用，传输过程中，被外界攻击怎么办数据泄露怎么办甚至还有一些更为原始的数据传输方式，比如拿一个U盘拷贝了数据，U盘丢了怎么办

从这个角度看，隐私计算为数据商业化应用提供了一个技术层面的解决方案彭凯说，因为数据‘不可见’，能在一定程度上规避数据传输过程中的攻击和泄露风险

目前，监管部门在反洗钱和反诈骗方面对银行和金融机构有较高的要求，隐私计算在金融机构的一部分应用市场即来自于此除此之外，贷款发放的风险审核也是当下隐私计算在金融机构的另一个应用场景

对于金融机构而言，运用隐私计算服务的优势，在于可以使用多方数据对贷款申请者的资信，还款能力等风险因素进行评估，从而实现精准风控的目的徐敏告诉记者，目前较为主流的方式，是银行自身数据与运营商数据，政府公共部门数据综合运用，通过隐私计算，就能够得出较为精准的贷款申请者风险评估，并进行分类

不过，法律和监管要求电信运营商不得对外提供涉及敏感个人信息的数据，这就为隐私计算提供了重要的应用场景在得到授权的情况下，通过建立模型，可以保证各方数据不出本地亦不可见的情况下，通过模型运算得出金融机构所需的评级，作为风控参考银行对获得敏感个人信息并不感兴趣，其所需要的，只是能够精准评估风险的结果一位大型股份制银行风控部门人士说

隐私计算之所以能够实现保护信息安全的目的，是因为其中存在一项同态加密技术李晓林告诉《等深线》记者，不同的数据所有方，按照一个相同的方式将数据加密，然后再由模型程序进行计算，计算结果解密后和明文计算结果一致利用这项技术，可以实现让解密方只能获知最后结果，而无法获得每一个数据，对保护信息安全有重要意义

隐私计算的另一个应用场景，在大型金控集团这类企业可能拥有多张金融牌照，开展多项业务，各自累积了海量数据，但在监管要求和内部竞争格局的合规约束和制约下，数据在集团内部也不能随意流动

彭凯举例称，一家大型集团公司，旗下拥有地产，金融，电商等多板块业务，如果集团公司想整合不同板块的数据资源，或者把地产板块的客户信息用于电商业务的精准营销，根据《个人信息保护法》需要取得客户单独同意的，履行个人信息保护影响评估等法定义务这样的法定要求在实践中是很难实现的，同时也对大型企业，金融机构的业务流程，合规要求，系统建设提出了更高要求彭凯说

未来拼的是数据资产能力，数据融合是绕不开的问题利用隐私计算的方式，可以在合法合规的情况下，得出指标性的评估结果，对于各自的业务开展，都是很有用的一位全牌照金融机构的人士表示，隐私计算可以解决数据跨机构互联互通的难题

数据从何而来。从而实现对目标用户的精准定位，实现金融展示的目的。

在隐私计算业内有一句谚语，心有余而数不足，用来形容缺乏数据的业务运营就像空中楼阁，数据从何而来特别是在《数据安全法》《个人信息保护法》等法规出台后，企业如何安全合规地利用数据来支撑业务运营，隐私计算为其提供了一种技术手段

运营商数据很丰富，用户通话信息，上网行为信息和位置信息等，运营商都有，这些数据对于评估分配一个人的资信情况很有价值，这些数据不能对外提供，但是通过隐私计算的方式，可以综合这些因素，再和银行的数据一起形成评级，来标定一个主体的风险等级徐敏说

这个思路已经用于实践，同盾科技的隐私计算服务中所使用的数据源，便包括部分电网数据李晓林告诉记者，他们采用的数据处理方式叫作知识联邦模式，这种模式不同于使用本地的海量数据进行机器学习，模型训练，而是利用多方的部分数据来提炼知识达到训练机器学习的作用，从而撬动更大的数据资源来共创和共享知识

据李晓林介绍，知识联邦模式是一个多层级的模型系统可以先在内网层面操作，比如在一定范围内交换不同的电网数据，把这部分数据加密处理，进行模型训练，用于训练的数据不出本地，在模型的科学性和应用性达标后，用于训练的数据将被清除，而这个模型将用于电网数据和其他外部数据融合这种模式更安全，且不能反推出原始数据，已经被用于金融反欺诈，企业融资，营销，疫情预报等场景他说

但是，他拒绝向记者透露这种合作具体的费用标准。

记者了解到，国家电网也成立了商用大数据，征信公司，拓展电力大数据的应用场景，打破各行业间的数据孤岛，推动数字经济融合发展，隐私计算将发挥更大作用。并构建360度用户画像。

隐私计算有助于将数据的所有权和使用权分离，并创造商业价值，这在数据成为生产要素后，有着非常重大的现实意义和作用徐敏说

赛道有多大。

牵涉到算法，模型，数据这些颇具技术含量的语汇，隐私计算给人高深莫测的感觉，技术是隐私计算立命根本，但这个赛道前景如何商业化道路能走多远应用空间也是不可忽视的问题

就商业模式，徐敏告诉记者，隐私计算一般有两种模式:一种是收取隐私计算系统搭建的费用，这种模式下，收入是以单计算的，根据客户需求的不同，有不同的报价组合，另一种是收取运营的费用，即搭建系统完成后，按照客户使用查询的次数收费这部分费用先由隐私计算服务供应商向客户收取，而后隐私计算服务的供应商，再向数据方支付使用数据的费用

至于处理海量数据和查询服务的系统运算速度如何，是否会影响客户体验，徐敏表示，这其实不是太大的问题，他以银联数据和新网银行牵头的，蓝象智联参与的多家金融机构间数据共享平台为例，目前每天大约有60多万笔跨机构隐私查询，每笔大概只需要100~200毫秒。。

这个速度相当于在百度上搜索词条，按回车键就立刻出现搜索结果，也就是‘实时’速度一位隐私计算业内的技术人士解释道，如果慢于这个速度，是无法商业落地的

除此之外，在与客户建立了较为紧密的合作关系后，隐私计算服务供应商还可以根据客户的需求，针对不同的应用场景，提供建模等方面的咨询服务，这也是根据客户的需求组合报价这种打包提供综合性的服务，也是我们盈利的商业模式之一同盾科技的相关人士说

目前，隐私计算尚属起步阶段，业内则将2021年视作元年。金融展。

童玲认为，新技术的崛起通常有三个阶段:第一个阶段是寻找样本客户，也就是第一批吃螃蟹的人，第二个阶段是经过第一批客户的应用，让大家看到一些真正有价值的场景，这些场景未来可能会成为现象级场景，第三个阶段则是相关政策，监管等外部环境的支持经过这几个阶段，这项技术就能够加快推广和应用她说

正在为这项新技术崛起跃跃欲试的企业主要有两类:一类是大型互联网平台企业体系中从事隐私计算业务的公司，比如蚂蚁金服的蚂蚁摩斯链，腾讯云隐私计算等，另一类是初创类公司，它们要么具有高校院所的背景，要么主要的骨干人员来自大型互联网公司业内人士告诉记者，这其中较为典型的，一个是华控清交，另一个是蓝象智联

隐私计算作为数字经济底层基础设施被看好，但目前落地的场景有限，有观点认为其商业化应用的前景尚待验证一位为金融机构提供咨询服务的人士告诉《等深线》记者，隐私计算概念很火，在内外部数据交换融合时发挥较大作用，但在中小银行领域的市场一直一般，这是为什么就是因为没有应用层的场景

该人士称，数据不足是行业面临的问题，但在实际应用中，相较于外部数据，通过线下渠道获得的非标准化数据可能能构建更有价值的用户画像他举例说:中小银行的一部分客户本身是无法数字化的，比如一些小微企业是通过个人账户收款的，社保，税务等系统的数据并不能准确反映这类企业的情况，还是需要客户经理线下去做尽调，了解情况

不仅如此，金融数据对外开放也是个复杂的问题彭凯告诉记者，很多信息一旦进入金融业务领域，就会涉及到征信问题，如果变为征信信息，就不能轻易拿出去合作了，因为在现有的监管体系下，需要具有个人征信业务牌照的机构才能开展此类业务

前述天使投资机构的投资人告诉记者，隐私计算已经不是蓝海他做了一个推算，未来5年，大数据市场交易额约在500亿~600亿元，通过与数据持有方分润，隐私计算服务商可以获得百亿元左右的市场规模，同时，通过自身经营，也可以获得百亿元左右的收入因此，他保守估计，隐私计算未来一段的市场规模应在200亿~300亿左右

从市场容量来看，隐私计算很难是一个独立的赛道前述同盾科技的相关人士说

应用场景要继续扩大，否则总能看到天花板，这会影响到市场对隐私计算的持续投资前述天使投资机构的投资人说

当下，在隐私计算赛道中投资的资本，其规模和量级各异其中既包括金沙江，联想这样的大型知名投资机构，也包括一些规模不大的投资机构甚至就是私人金主投钱一位业内人士说

隐私计算本质上是促进数据安全流通的底层技术，是数据经济领域的一个基础设施，既和数据有关也和安全有关，所以我们目前选择的投资方里更倾向于有国资背景的人民币基金童玲说

隐私计算的鼻祖姚期智2004年返回中国，并于2016年放弃美国国籍，转为中科院院士日前，姚期智获得第36届日本京都奖姚期智在颁奖演讲中说:科学带来了创新，可以改善人类的现状，为未来所面临的挑战做好准备

隐私计算带来的创新，会给人类带来怎样的未来。

是依托《中国经营报》推出的原创深度报道新媒体产品，关注泛财经领域的重大新闻事件及其新闻事件背后的逻辑与真相我们力图通过详实的调查，周密的采访和深入的讨论，勾勒新闻事件和焦点议题的全貌，与您一起深度下潜，理解真相

欢迎提供新闻线索

。

郑重声明：此文内容为本网站转载企业宣传资讯，目的在于传播更多信息，与本站立场无关。仅供读者参考，并请自行核实相关内容。

上一篇：北京冬奥会三个冬奥村预开村20余个代表团先遣人员入住

下一篇：最后一页