这是下一个黄金赛道？大咖们聊了聊隐私计算
隐私计算已成为最火热的赛道之一。根据Gartner最新报告显示，隐私计算等领域市场将在未来三年突破千亿。9月1日，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，同时鼓励相关技术的研究与应用。隐私计算正是解决数据开放和流通安全问题的重要突破口。
为实现“数据可用不可见，用途可控可计量”，保障数据流通与融合使用安全，为数据开放共享、交易流通和数据要素市场建设奠定技术基础，9月16日上午，深圳市金融科技协会与金链盟联合组织的湾区金科（FinTech）沙龙（第十六期）——隐私计算专场在湾区国际金融科技城成功举办。本次沙龙由FISCO BCOS开源社区作为技术支持社区。深圳市金融科技协会会员单位、福田金科双园入驻企业等逾50人参加。
活动现场
深圳市金融科技协会执行副会长兼秘书长李绅出席并致辞。会议由深圳市金融科技协会常务秘书长罗振伟主持。来自星云Clustar、洞见科技、微众银行、微言科技的技术大咖齐聚金科城，共同探讨隐私计算的现状与未来发展。
星云Clustar副总裁许振：联邦学习在金融场景的落地实践
● 联邦学习落地主要体现在效果、安全、效率三个递进层面：
● 一是效果，表现在对业务的赋能。联邦学习应用于反洗钱、信贷反欺诈、金融机构全面风险管理 - 信贷风控等风险控制方面，助力业务价值提升。
● 二是安全，可信可追溯。联邦学习当前面临着恶意攻击导致源数据泄漏、联邦审计方案完全缺失等风险，以及控制流攻击、算法流攻击、数据流攻击等攻击手段，针对这些问题，星云Clustar进行审计存证，灵活扩充计算节点，并针对多种攻击，按需选择审计强度进行预防。
● 三是效率，克服算力挑战。联邦学习数据可用不可见、数据不动价值动，但对算力和网络的要求较高。星云Clustar于2019年参与发表的“Quantifying the Performance of Federated Transfer Learning.” 论文中，全面地分析了联邦学习中存在的性能问题，并提出了一系列的解决方案。在众多问题点中，同态加密对性能影响最大。星云Clustar提高了FPGA加速性价比，比CPU/GPU平均降低3.5倍，性能功耗价格比提升7倍，同时实现高性能网络加速，保证效果、安全、效率。
洞见科技联合创始人、CTO何浩：异构隐私计算平台互联互通研究与实践
● 何浩围绕着政策环境与痛点、行业发展的新挑战及隐私计算互联互通三个方面进行了阐述。
● 当前数据生产要素价值亟待释放，政策法规双刃剑下形成了数据孤岛困境，隐私计算实现数据价值流通，但企业间的隐私计算平台没办法实现互联互通，这给隐私计算技术带来新的发展机遇。
● 隐私计算的本质是一种由多个参与方在安全信任的条件下进行联合计算的技术。各个参与方在不泄露各自原始数据和商业隐私的前提下，通过加密协作机制对数据进行联合计算和分析，实现数据的融合价值，让数据智能从局部洞察发展到全局洞察。那如何让不同平台之间用同种方式达到互通？为严防技术上形成新的孤岛，防止被边缘化，数智联邦通过构建生态实现了平台互通，即建立了数据互联互的生态、数据和人工智能算法互联互通生态、数据服务和技术服务共存生态。
● 隐私计算互联互通由三个层次打造：第一层为管理系统互通（节点互联、资源统一），第二层为算法协议互通（黑盒/白盒两种实现方式）；第三层为计算原语互通（通用原语，模块复用）。他认为，互联互通的数据智能生态构建最终目的是让数据价值安全释放，需要技术服务方、数据提供方、数据应用方共同搭建生态，提供全链路的运营服务。
微众银行区块链首席安全科学家严强：隐私计算能力矩阵和实践探索
● 严强围绕着数据隐私安全新规下的新业态、隐私计算在金融行业中的典型应用、隐私计算能力矩阵和前沿探索三个方面进行分享。
● 政策法规大力推动数据生产要素化、协作隐私化、创新合规化，数据隐私安全新规带来了一系列关键合规要求，这对基于传统技术的信息化系统和数字化业务带来了显著的挑战。目前隐私计算跨机构合作仍面临三大痛点，即如何更有效性地支撑大数据业务、如何平等地接入参与方、如何保障隐私数据可控的高效流转；并围绕着典型金融场景中的联合建模、联合预测、联合分析、黑名单比对等相关业务形态进行分析介绍。
● 隐私计算作为一个新的领域，旨在连通数据孤岛。但基于对过往大数据行业的观察，不少数据“孤岛”之间并非不通，所以行业需求迫切度有限。但是在《个人信息保护法》生效后，市场将面临巨大的改变，原本连通孤岛的途径可能因显著的合规风险不再可用，更多的市场机会将会因此涌现。我们十分看好隐私计算作为一项关键推动技术，促进大数据行业整体升级，实现更安全可控的健康可持续发展，支撑更深入、广泛的数字化创新。
微言科技CTO刘少博：隐私计算技术在政府大数据平台中的应用
● 当前大数据战略已经上升为国家政策，习近平总书记曾指出要实施国家大数据战略加快建设数字中国。国家发改委也在2020年12月提出，通过开放数据集、提供数据接口、数据沙箱等多种方式，鼓励开放对于民生服务、社会治理和产业发展具有重要价值的数据。在当前政务大数据平台中构建基于隐私计算技术的可信计算平台正是我们目前重点研究的方向。
● 隐私计算经过近几十年的发展，目前在产业互联网、人工智能、金融科技、医药保护共享数据等方面发挥重要的作用。目前在对数据隐私的保护方面，隐私计算技术的应用主要可以分为可信硬件, 多方安全计算，联邦学习三个主要流派。
● 目前已有部分城市在探索搭建隐私计算平台，实现对政府各个职能部门、国企数据、社会数据等多项数据资源的融合，通过联合建模、联合统计、安全计算等手段、实现数据共享、数据开放、数据交易，进而促进政务数据价值的提升。目前试点领域包括普惠金融、智能交通、民生服务等。
● 隐私计算平台在政府大数据平台中的数据架构，并在政府的数据源和业务层之间搭建一套基于隐私计算的可信计算平台，在这里面促成数据在不出库不明文的情况下对外提供数据和开放共享的服务。他认为，隐私计算平台在政府里的使用可分为搭建平台基础能力、完善平台整体能力、全方位优化平台能力三个阶段。