0
兩個百萬富翁在街上相遇，他們都想知道誰更富有，但又不愿意讓對方知道自己擁有的真正財富。如何在沒有第三方的情況下，讓對方知道誰更有錢？
這是姚期智院士在 1982 年提出的“百萬富翁”設想。
這個設想的背后，本質上反映了基于用戶數據挖掘的服務。目前整個互聯網的服務默認開放自己的數據，服務提供者必須得到你的數據才能提供服務。放到這個“百萬富翁”設想中，即互聯網服務一定要拿到兩位富翁的財產數據，才能計算出“誰更有錢”。數據的使用權和所有權之間的矛盾顯而易見。 .......
信息時代，“數據”既如豐饒之角的寶藏，也猶如潘多拉魔盒，掌握著龐大的數據意味著擁有“數字霸權”與寶藏，因此，數據的擁有者必然會受到制約。在政策的加持下，隱私計算作為數據治理的重要解決方案，未來發展有哪些機遇和挑戰？
近日，雷鋒網與安恒信息高級副總裁、首席科學家劉博展開對話，從目前隱私計算的一些技術以及商業角度進行一些觀點分享，以饗讀者。
隱私計算廠家扎堆，是好是壞?
隱私計算這個概念在最近兩年迅速升溫，大批的廠商涌入隱私計算領域，市場迅速被炒熱。
一方面是因為政策趨向，另一方面是市場需求。劉博表示：“隱私計算以前就有，但是從2019年開始，公民和政府都意識到數據泄露的危害性，開始對涉及數據源的問題進行整肅。像買賣用戶畫像、征信類的信息還有廣告推送的用戶信息等問題層出不窮。隨著《網絡安全法》《個人信息保護法》《數據安全法》的發布，促使企業在數據采集、使用、流通全環節中重視及投入數據保護，隱私計算行業也因此迎來重大利好。同時，數據作為參與分配的生產要素，如何在不泄露數據的前提下把數據的價值釋放出來，像政府數據的對外開放以及運營商釋放數據價值、數據交易市場等，一系列數字經濟的市場需求都在推動隱私計算的發展?！?/p>
在這樣的背景下，以互聯網大廠、大數據公司、運營商、金融機構和金融科技企業、隱私計算初創企業為代表的五大類玩家相繼入局。
但是也帶來了一些問題。市場上魚龍混雜，一些廠商用開源的框架，沒有形成自己的技術優勢，而開源框架有很多不確定性，技術的成熟度也還有待提升。
劉博對此表示：“現在這個賽道已經非常擁擠了，如果想要加入賽道一定要清楚自己的技術優勢在什么地方。想清楚自己的商業模式以及應用的行業，這是非常關鍵的?！?/p>
以微眾銀行、百度、頭條為代表的的巨頭，開源了自己的學習框架，對提升行業的熱度、讓行業產生更多積極變化，產生了很大的作用。但是目前隱私計算還處于發展初期，技術和產品的成熟度還有提升的空間，因此會讓采用這些開源技術框架的廠商面臨很多挑戰，工程的完成度都有待考量。一方面會影響影響用戶對隱私計算的信任度以及認可度；另一方面導致用戶對隱私計算技術的應用效果的預期過度，從而阻礙行業的健康發展。
同時，隱私計算的提出，本意在消除“數據孤島”、合規避險、彌合“信任鴻溝”，但在實際應用中卻會形成新的數據孤島。數據由不同的途徑產生，廠商難以統計完整的數據資源，而且各廠商依賴的底層架構不同，廠商之間的數據互聯不一定能實現，因此可能用戶需要安裝好幾個廠商的軟件才可以解決問題，廠家與廠家之間的數據互聯互通成為新的問題。
本身更多的企業涌入隱私計算行業，對于提升用戶對行業認知以及市場的活躍具有重要意義，但是如果造成另一輪惡性競爭，相信這是任何一個企業都不想看到的。
刀光劍影之間，可信執行環境技術地位如何？
目前隱私計算核心技術主要包括聯邦學習、可信執行環境和多方安全計算。其中業界應用隱私計算的最成功的領域莫過于聯邦學習（FL）。聯邦學習商業化更為成熟，通過這一方法，參與者無需上傳原始數據，在每個參與者的本地執行計算，對于機器學習建模以及打破數據孤島具有重要意義。應用該算法比較有代表性的企業和平臺有微眾銀行、螞蟻金服、富數科技、平安科技、數牘科技等。
多方安全計算(MPC)便是文章開頭提到的“姚氏百萬富翁問題”，解決了互不信任的參與方，能夠協同計算得出一個既定值，既要保證結果的正確，又要保證參與方對數據擁有絕對的控制權。在這個方面比較有代表性的是華控清交、螞蟻金服、富數科技、百度（點石）等。 .
目前市場上很多廠商是聯邦學習和多方安全計算兩種技術相結合。那么可信執行環境（TEE）還有應用環境嗎？相比其他兩種算法它的方向如何？
據劉博介紹，雖然使用聯邦學習比較多，但是也只是在特定場景下，因為聯邦學習的本質是分布式機器學習，機器學習的兼容性會比較差，相對來說應用場景非常有限。
同時，聯邦學習的訓練模型是需要共享的，這就為攻擊者根據模型信息倒推隱私數據提供可能。因此有隱私泄露的風險。
TEE是通過軟硬件隔離安全機制建立一個安全隔離的執行環境，從而防止外部攻擊者竊取TEE內部運行的數據。
劉博向雷鋒網透露，安恒用的技術就是TEE，BDTee 為安恒信息首創大數據環境下的可信執行環境。他表示，“目前在國內安恒是第一個支持分布式的大數據場景下運用TEE的公司，這是安恒核心的技術點。因為在數據交易、數據開放、數據隱私的業務場景下，TEE的適配能力和兼容性更強，用戶從非隱私計算到隱私計算演進的過程中，體驗感更好一點，遷移成本更低一些。”
安恒信息作為網絡安全信息行業領軍者之一，前瞻性的布局隱私計算領域，發布AiLand數據安全島平臺，這是一個專注于保障數據安全流通，致力于解決數據共享過程中的安全、信任和隱私保護問題的隱私計算平臺。主要應用大數據可信執行環境，輔以MPC，聯邦學習等多種隱私計算前沿技術，實現共享數據的所有權和使用權分離，確保原始數據的“可用不可見”、“可用不可取”，保障多方數據聯合計算過程的可靠、可控和可溯。主要應用于政務數據開放、運營商數據釋放、監管中心、金融、醫療等領域。
根據相關數據統計，可信執行環境技術專利申請受到眾多科技公司的青睞，數量明顯高于其它兩個。截至2021年8月，中國有181家公司申請了相關專利，合計815件，是隱私計算領域公司參與度最高、專利申請數量最多的技術。其次，是聯邦學習和多方安全計算。
可能由于可信執行環境具有通用性高、開發難度低、算法實現上更加靈活等特點，在專利申請上略勝一籌。
價值百億的隱私計算市場，未來走向何方？
近年來，關于用戶隱私泄露、數據違規的負面事件頻頻登上熱搜，公眾對于數據安全和隱私保護越發關注。法律的監管也愈加嚴明，這表明國家也在逐步引導科技企業要健康發展。技術存在的本身是讓生活更美好，而不是給人類制造問題。伴隨著科技的發展過程必然出現新的難題，那么就需要創新新技術來解決現有的問題。隱私計算就是科技向善的重要存在。
隱私計算受到大數據融合應用與隱私保護的雙重需求驅動，以及國內外政策的影響，市場正處于大爆發的階段，未來三年可能達到100—200億人民幣的營收，但在這過程中還存在很多挑戰。
目前主要的商業模式分為四種：第一種就是搭建軟件系統，收取一次性系統搭建費；第二種是收取隱私計算軟件系統的維護服務費；第三種是收取數據使用費，相當于替數據方收取費用，賺取中介費；第四種是根據業務運行效果獲取收益分成。當然在實際應用中，有些企業可能會幾種模式是混搭的。
劉博向雷鋒網表示，隱私計算是大數據交易不可或缺的底層支撐技術，但除此之外，要合法合規的進行大數據交易，還需解決一些非技術的難題，比如數據的確權、定價以及數據監管單位如何對這些進行監管，數據的商業化之路還需要走一段很長的路。
如何在保障數據安全的前提下，充分發揮數據的價值。如何平衡數據共享開放和數據安全隱私保護的關系，是國家、行業和企業層面都需要考慮的問題。
在這個過程中還有很多法律未明確以及企業未達成共識的地方，處于盲區。
所以，國家應該加緊建立數據資源的確權、開放、流通以及交易相關的制度，促進以安全為前提條件的數據流通和融合。而在行業和組織層面，應該在國家法律法規的框架下，各自建立相應的行業制度和規范，推動行業企業內外的數據協作，打破不同組織、不同系統之間的數字壁壘，為數據分析和人工智能應用奠定基礎。
劉博認為，隱私計算的終極目標是在有限的條件下獲得最大化的數據交易自由。在數據交易上，實現可用不可見；在商業上，能夠讓企業、政府、社會、科研機構在短時間內找到自己需要的數據，幫助他們解決現實中的問題。
數據賦能，不只是刺激經濟增長，也不止是行業之聲發展需要，歸根結底是服務于推動社會治理能力和體系的現代化。確保數據安全的同時，提升社會的運行效率和質量，推動社會的進步，提升每個人的價值和社會福祉。
與此同時，隱私計算也面臨著硬件支持和能源消耗等方面的挑戰。在目前的聯邦學習訓練中，數據傳輸的耗時遠遠大于數據處理，算法和算力還有許多盈余。而對于企業的本地數據訓練來說，算力依舊是人工智能實踐的”老大難“。而在中國和國際對環保、尤其是碳中和的重視程度越來越高的過程中，如何在提升運算性能和安全性以優化資源利用和節省能源消耗之間找到平衡，還需要全行業一起來共同探索。
在技術尚未成熟、法規尚未明確、實踐場景和效果尚未標準化的過程中，關于隱私計算還有許多發展的機遇和時間的可能。留給隱私計算廠商的也將是更多的機會。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
