一、前言
随着5G、人工智能、大数据等新技术快速发展和创新应用，各行各业积累的数据所蕴含的潜在价值越来越受到重视，数据资产成为数字经济时代的关键生产要素之一。
然而，数据存在泄露隐患，制约数据安全合规流通、数据价值释放，隐私泄露事件层出不穷，出于数据归属、安全、隐私保护的顾虑，数据价值链不同环节之间流动受阻，分工协作脆弱，很难形成有效闭环。在数据价值和安全冲突日渐加剧的当下，隐私计算是平衡数据利用与安全的重要路径。
我国持续重视隐私计算技术的发展，出台了一系列政策文件，提出支持隐私计算技术探索，促进数据要素市场流通。2019 年党的十九届四中全会首次将数据列为生产要素；2020年4月，《工业和信息化部关于工业大数据发展的指导意见》提出激发工业数据市场活力，支持开展数据流动关键技术攻关，建设可信的工业数据流通环境；2021年5月印发的《全国一体化大数据中心协同创新体系算力枢纽实施方案》提出，试验多方安全计算、区块链、隐私计算、数据沙箱等技术模式，构建数据可信流通环境提高数据流通效；2022年12月19日，《中共中央国务院关于构建数据基础制度更好发挥数据要素作用的意见》（“数据二十条”） 提及“原始数据不出域、数据可用不可见” 、完善数据全流程合规与监管规则体系、统筹构建规范高效的数据交易场所；2023年1月3日，工信部等十六部门印发《关于促进数据安全产业发展的指导意见》提出加速数据要素市场培育和价值释放，夯实数字中国建设和数字经济发展基础；2023年12月15日，国家数据局发布《“数据要素×”三年行动计划 (2024-2026年)（征求意见稿）》指出，加强数据安全保障。落实数据安全法规制度，建立健全数据安全治理体系，提升数据安全保障水平。在财政部2024年1月引发的《关于加强数据资产管理的指导意见》中明确提出，要加强数据全生命周期管理，并特别强调了数据安全和隐私保护的重要性。这为隐私计算在数据资产管理中的应用提供了明确的政策导向。通过隐私计算，组织可以在不泄露敏感信息的前提下，对数据进行有效的分析和利用，从而在保护个人隐私的同时，充分释放数据资产的价值。
作为助力央国企全面数字化的积极追随者和支持者，北京般若之光智联科技有限公司（简称“般若之光”）积极充分利用隐私计算“可用不可见”的技术特性，不断探索隐私计算前沿技术在智慧城市中各项数字化场景应用中的落地，为智慧城市行业的发展添砖加瓦，持续创新服务。同时，在项目中不断推动数据要素流通关键基础技术发展，助力构建更加安全、可靠、好用的数字底座，打造更加合规的数据价值转化和数据应用环境。
二、隐私计算介绍
隐私计算(Privacy-preserving computation)是指在保证数据提供方不泄露原始数据的前提下，对数据进行分析计算的一系列信息技术，能够保障数据在流通与融合过程中的“可用不可见”。它的理念包括：“数据可用不可见，数据可控可计量”、“不共享数据，而是共享数据价值”等。隐私计算并不是一种单一的技术，它是一套包含人工智能、密码学、数据科学等众多领域交叉融合的跨学科技术体系。
隐私计算技术可以分为两个方向——可信硬件和密码学。
ü可信硬件指可信执行环境(TEE)，主要依靠硬件来解决隐私保护问题；
ü密码学以多方计算、联邦学习为代表，主要通过数学方法来解决隐私保护问题。
由于联邦学习是密码学、分布式计算、机器学习三个学科交叉的技术，隐私计算也可以分为三个方向，即分为密码学、可信硬件和联邦学习三个流派。
ü以密码学为核心技术的隐私计算以多方安全计算、同态加密为代表；
ü可信硬件以可信执行环境为主导；
ü“联邦学习类”泛指国内外衍生出的联邦计算、共享学习、知识联邦等一系列名词，是指多个参与方联合数据源、共同建模、提升模型性能和输出结果准确性的分布式机器学习。
安全多方计算
安全多方计算是一种在参与方不共享各自数据且没有可信第三方的情况下安全地计算约定函数的技术和系统。通过安全的算法和协议，参与方将明文形式的数据加密后或转化后再提供给其他方，任一参与方都无法接触到其他方的明文形式的数据，从而保证各方数据的安全。
联邦学习
联邦学习是指两个或多个参与方通过安全的算法协议进行联合机器学习，可以在各方数据不出本地的情况下联合多方数据源建模和提供模型推理与预测服务。在联邦学习框架下，各参与方只交换密文形式的中间计算结果或转化结果，不交换数据，保证各方数据不露出。
可信计算
可信计算指借助硬件CPU芯片实现可信执行环境（TEE），从而构建一个受保护的“飞地”（Enclave），对于应用程序来说，它的Enclave 是一个安全的内容容器，用于存放应用程序的敏感数据与代码，并保证它们的机密性与完整性。
三、隐私计算技术的典型应用场景
金融领域
数字时代，传统金融不断与新一代数字化技术融合，数据的共享与开放正成为金融行业新的趋势。作为隐私安全的主要保障，隐私计算依托隐私保护计算技术构建的风险控制模型，实现了跨行业数据链接，提升反欺诈能力，在征信系统、供应链金融、风险控制、联合营销中均能发挥重要作用。
政务大数据
由于政务大数据的规模性，涉及到司法、社保、公积金、税务的方方面面，隐私安全尤其重要。在智慧城市的建设中，包括信用、安保、能源、交通、规划、环保、文旅等各个行业，业态复杂多变，需要大量跨部门、跨行业、跨时空的数据流通与共享。隐私保护计算技术为政务数据的开放提供了有效解决方案。目前，多地将隐私保护计算纳入数字化发展规划，将其作为促进数据经济的突破口，
医疗健康
在医疗健康行业，人工智能与大数据的应用主要是将大规模的病例与病情数据进行深入挖掘，通过建立机器学习与模型训练，提高医疗科研与病情推断的效率，促进整个医疗服务的精确度提升。
精准营销
在广告场景中，流量方和广告主侧各拥有一部分链路数据，但是无法同步给对方。借助联邦学习可以在保护合作双方各自数据安全的前提下，联合训练、建模、优化模型效果，从而优化广告投放效果，实现降本增效。
四、总结与展望
聚焦“解锁数据价值”这一本质需求，隐私计算在“解锁数据价值”方面是一个必要条件而非充分条件，般若之光将智慧城市应用场景上的数据要素条件补齐，探索隐私计算技术融合实现数据资产的可信认证、数据全生命周期的可控性和合规性，最大限度减少数据泄露和滥用风险，促进数据价值最大化和创新发展，提供围绕数据全流程、全生命周期管理的技术、产品和服务，由点及线地向数据产业价值链的全环节延伸扩展，，提供完整地全套解决方案，实现智慧城市、城市更新中数字化的全栈技术能力和模块化服务。
随着产业数字化转型的加速，上下游不同主体实现线上与线下之间，人与组织之间，组织与组织之间，产业与产业之间基于数据驱动的协同有着巨大想象空间。作为民族科技企业，北京般若之光智联科技有限公司将始终坚持创新驱动发展战略，技术充分融合构建数字时代安全底座，坚持智慧城市数字底座技术研发与应用创新，紧抓数据价值释放的突破口，聚合数据融合、AI建模、安全计算、联合预测等完善的功能流程，面向上层业务场景有效赋能。积极推动数据应用实践，通过与合作伙伴开展技术研究及项目合作，在监管部门的指导下，与各方协力共建我国数据要素共享生态，助力打造数字经济深化发展的核心引擎！
