各界共议隐私计算，看好下一代基础技术设施发展

     香港有限合伙基金协会2日以线上直播形式举行“隐私计算和下一代人工智能关键技术”研讨会，邀请业界专家围绕隐私计算、人工智能前沿技术发展等热门话题进行分享，探索未来关键技术设施发展趋势。

     当前，我国数据立法进程不断加速，数据要素赋能人工智能发展进入合规发展新阶段。如何平衡数据安全与价值开发成为关键。传统明文交互等方式难以满足合规要求，一定程度上导致数据“高墙林立”限制数据效能开发与人工智能发展。作为打破数据孤岛，破解数据安全和数据要素价值开发矛盾的“技术解”，隐私计算技术近年来愈发被重视与热议，成为千行百业实现数据安全聚合、分享、流通、融合应用关键技术解，千亿级市场可期。

     香港科技大学智能网络与系统实验室主任、星云Clustar创始人陈凯教授分享时表示，人工智能产业的快速发展建立在大量的数据基础之上。由于数据安全相关法律法规的相继出台与落地，数据的管理和使用日趋严格，高质量、规模化的数据通常以数据孤岛的形式分散于不同机构、不同行业，限制人工智能发展。隐私计算在数据不泄露的前提下，实现数据分析与计算的技术集合，参与方数据不出本地，即可进行数据的聚合协作，实现“数据可用不可见，数据不动价值动”，有望成为人工智能下一代关键技术。

     陈凯教授介绍，隐私计算技术发展至今已经走过进40年的历史，期间不断融合密码学、计算科学等技术成果，如今技术应用大厦雏形已现，不断在金融、政务、医疗等领域发挥价值，破解千行百业数字化转型中的数据安全痛点。

     在金融领域，数据安全监管日益严格的情况下，大数据智能风控中数据缺失、数据隐私泄露和数据混乱等问题尤为凸显，金融机构面临着愈发严峻的风控挑战。隐私计算技术可通过对金融机构沉淀的风控样本进行特征提炼和不可逆地加密处理，安全可信引用运营商、互联网公司、政务等多方数据，构建涵盖贷前审核、贷中监控、贷后管理的精细化风控模型与风控屏障，提升金融信贷反风控欺诈识别能力。

     政务数据的共享与流通是隐私计算的另一个关注重点。通过整合联邦学习等隐私计算技术，可有效构建数据要素市场化流通渠道，促进政府各部门间的数据互联互通以及政府和社会企业间的数据融合与价值挖掘，大幅提升政务协同、运营管控及决策能力，充分释放政企海量数据蕴含的巨大价值。除金融、政务等领域，隐私计算还能被广泛应用于医疗、交通、能源、科研、运输物流诸多场景。

     陈凯也指出，受限于计算复杂度、多方交互效率、模型性能等限制，隐私计算大部分的应用场景均聚焦于少量数据的支持，对海量数据场景的支持能力还有待提升。利用FPGA等可定制算力硬件，推进密态数据专用AISC芯片和算力平台开发，提升大数据和人工智能算法在密态环境下的传输、计算效率，也将成为隐私计算未来发展的重心之一。

     香港有限合伙基金协会常务理事，弘卓资本创始合伙人张雪岷表示，既要能合理利用合作伙伴的数据，又不能见到原始数据导致数据泄露。这就对企业利用数据开展业务提出了一个新的挑战。隐私计算作为赋能数据利用流程的核心技术，为数据流通创造条件并守护数据隐私和安全。联邦学习作为其重要的技术路线之一，一问世就受到了产业界和资本界的广泛重视，我们希望隐私计算技术的发展能极大推动数据要素在全行业的可信流通和开发利用。

     浙江大学教授汤斯亮表示，目前人工智能发展极大依赖于数据驱动。在监管趋严背景下，人工智能获取数据愈发困难，打破数据孤岛，安全链接多方数据的隐私计算技术将是非常重要且有价值的方向与补充。未来，在隐私计算框架下，逐渐建立起对广泛数据生产者、数据提供者的数据价值运营机制，将极大促进人工智能、大数据等产业潜力释放。