區(qū)塊鏈行業(yè)研究報(bào)告-第2篇

區(qū)塊鏈行業(yè)研究報(bào)告導(dǎo)語隱私計(jì)算技術(shù)是人工智能、密碼學(xué)、區(qū)塊鏈、數(shù)據(jù)科學(xué)及計(jì)算芯片等領(lǐng)域的交叉融合。一、隱私計(jì)算融合多領(lǐng)域技術(shù)，可實(shí)現(xiàn)“數(shù)據(jù)可用不可見”1.1、隱私計(jì)算可在對(duì)數(shù)據(jù)形成保護(hù)的前提下實(shí)現(xiàn)數(shù)據(jù)價(jià)值挖掘數(shù)據(jù)是數(shù)字經(jīng)濟(jì)時(shí)代的新型生產(chǎn)要素，其重要意義已被各國政府充分重視。聚合多維、海量數(shù)據(jù)，挖掘數(shù)據(jù)內(nèi)在價(jià)值，多元化利用數(shù)據(jù)價(jià)值已成為全球各產(chǎn)業(yè)機(jī)構(gòu)的戰(zhàn)略重點(diǎn)。隱私計(jì)算指在提供隱私保護(hù)的前提下，實(shí)現(xiàn)數(shù)據(jù)價(jià)值挖掘的技術(shù)體系。面對(duì)數(shù)據(jù)計(jì)算的參與方或其他潛在信息竊取者，隱私計(jì)算可實(shí)現(xiàn)數(shù)據(jù)處于加密狀態(tài)或模糊（非透明）狀態(tài)下的計(jì)算，已實(shí)現(xiàn)對(duì)各參與方信息的保護(hù)。隱私計(jì)算在保證數(shù)據(jù)安全的基礎(chǔ)上實(shí)現(xiàn)數(shù)據(jù)的流動(dòng)與共享，真正實(shí)現(xiàn)“數(shù)據(jù)可用不可見”。隱私計(jì)算技術(shù)是人工智能、密碼學(xué)、區(qū)塊鏈、數(shù)據(jù)科學(xué)及計(jì)算芯片等領(lǐng)域的交叉融合。隱私計(jì)算以現(xiàn)代密碼學(xué)為核心，協(xié)同計(jì)算機(jī)體系結(jié)構(gòu)、計(jì)算復(fù)雜性理論、信息論、統(tǒng)計(jì)學(xué)、抽象代數(shù)、數(shù)論等理論共同發(fā)展。隱私計(jì)算保障的目標(biāo)覆蓋數(shù)據(jù)應(yīng)用的全環(huán)節(jié)，包括：1.隱私計(jì)算保障數(shù)據(jù)在數(shù)據(jù)方的靜態(tài)存儲(chǔ)風(fēng)險(xiǎn)；2.隱私計(jì)算保障數(shù)據(jù)從數(shù)據(jù)方傳輸至計(jì)算方的傳輸風(fēng)險(xiǎn)；3.隱私計(jì)算保障數(shù)據(jù)在計(jì)算方計(jì)算時(shí)的隱私風(fēng)險(xiǎn)；4.隱私計(jì)算保障數(shù)據(jù)在計(jì)算方計(jì)算后的隱私風(fēng)險(xiǎn)；5.隱私計(jì)算保障計(jì)算結(jié)果在計(jì)算方法的靜態(tài)存儲(chǔ)風(fēng)險(xiǎn)；6.隱私計(jì)算保障計(jì)算結(jié)果從計(jì)算方法傳輸至結(jié)果方的傳輸風(fēng)險(xiǎn)；7.隱私計(jì)算保障計(jì)算結(jié)果方的靜態(tài)存儲(chǔ)風(fēng)險(xiǎn)。1.2、隱私計(jì)算受到大數(shù)據(jù)融合應(yīng)用和隱私保護(hù)的雙重需求驅(qū)動(dòng)根據(jù)中國信通院數(shù)據(jù)，全球數(shù)據(jù)量處于指數(shù)增長的階段。2020年全球數(shù)據(jù)產(chǎn)生量約為48ZB，未來全球數(shù)據(jù)產(chǎn)生量將迎來爆發(fā)式增長，2035年全球數(shù)據(jù)產(chǎn)生量預(yù)計(jì)將超過2,000ZB。一方面，大數(shù)據(jù)在得到使用后才會(huì)產(chǎn)生價(jià)值，而現(xiàn)階段全球大數(shù)據(jù)“數(shù)據(jù)孤島效應(yīng)”顯著，數(shù)據(jù)間缺乏關(guān)聯(lián)性，許多數(shù)據(jù)庫之間彼此無法兼容。此外，企業(yè)對(duì)于數(shù)據(jù)信息保護(hù)的意識(shí)逐漸提升，數(shù)據(jù)孤立性的降低難度也逐漸提升。但企業(yè)和組織需要與產(chǎn)業(yè)上下游的業(yè)務(wù)伙伴通過數(shù)據(jù)流通實(shí)現(xiàn)深度合作、提升決策能力、獲取競爭優(yōu)勢的訴求仍將長期存在。隱私計(jì)算可以從技術(shù)角度實(shí)現(xiàn)“原始數(shù)據(jù)不出庫即完成數(shù)據(jù)價(jià)值流通”的目標(biāo)。另一方面，大數(shù)據(jù)的應(yīng)用面臨著越來越多的合規(guī)風(fēng)險(xiǎn)。中國《網(wǎng)絡(luò)安全法》及《民法典》的規(guī)定，數(shù)據(jù)處理者在處理數(shù)據(jù)時(shí)應(yīng)公開收集、使用規(guī)則，并經(jīng)用戶同意。近年來，中國對(duì)于數(shù)據(jù)安全管理的規(guī)范程度逐漸提升：2019年9月工信部在《工業(yè)大數(shù)據(jù)發(fā)展指導(dǎo)意見<征求意見稿>》中說明將在工業(yè)領(lǐng)域積極推廣多方安全計(jì)算基數(shù)；2020年12月發(fā)改委、網(wǎng)信辦、工信部、能源局聯(lián)合發(fā)布《關(guān)于加快構(gòu)建全國一體化大數(shù)據(jù)中心協(xié)同創(chuàng)新體系的指導(dǎo)意見》，文件指出要加快構(gòu)建全國一體化大數(shù)據(jù)中心，加快數(shù)據(jù)流通融合，強(qiáng)化大數(shù)據(jù)安全保障。隱私計(jì)算可以防止數(shù)據(jù)信息泄露，解除信任危機(jī)，實(shí)現(xiàn)大數(shù)據(jù)應(yīng)用流程合規(guī)。政策驅(qū)動(dòng)隱私計(jì)算發(fā)展空間。中國隱私計(jì)算相關(guān)法律政策為隱私計(jì)算創(chuàng)造了需求，并鼓勵(lì)隱私計(jì)算相關(guān)技術(shù)的研發(fā)與應(yīng)用。中國通過頒布相關(guān)政策法規(guī)促進(jìn)公眾隱私保護(hù)體系建立，并維護(hù)數(shù)據(jù)權(quán)利主體合法權(quán)益。同時(shí)，通過政策法規(guī)的逐步完善，數(shù)據(jù)應(yīng)用與安全保護(hù)體系的頂層設(shè)計(jì)不斷完善，數(shù)據(jù)安全與隱私保護(hù)合規(guī)要求逐步明確，隱私計(jì)算的應(yīng)用場景預(yù)計(jì)將進(jìn)一步拓展。二、安全多方計(jì)算、聯(lián)邦學(xué)習(xí)與機(jī)密計(jì)算是隱私計(jì)算主要的技術(shù)發(fā)展路徑，商用落地進(jìn)展較為領(lǐng)先隱私計(jì)算處于技術(shù)多路徑探索階段：隱私計(jì)算尚處于技術(shù)探索階段。目前隱私計(jì)算主要的技術(shù)路徑包括多方安全計(jì)算、聯(lián)邦學(xué)習(xí)、機(jī)密計(jì)算（包括可信執(zhí)行環(huán)境）、差分隱私（包括本地差分隱私）、同態(tài)加密、零知識(shí)證明等。從已商用場景分析，安全多方計(jì)算、聯(lián)邦學(xué)習(xí)與機(jī)密計(jì)算商用進(jìn)展較為領(lǐng)先，零知識(shí)證明主要被運(yùn)用于區(qū)塊鏈場景中。2.1、安全多方計(jì)算（SecureMulti-partyComputation，SMPC）安全多方計(jì)算由中國科學(xué)院院士姚期智于1982年提出，解決一組互不信任的參與方各自持有秘密數(shù)據(jù)，協(xié)同計(jì)算一個(gè)既定函數(shù)的問題。安全多方計(jì)算是在保證多個(gè)參與方獲得正確計(jì)算結(jié)果的同時(shí)，無法獲得計(jì)算結(jié)果之外的任何信息，從而保證各方數(shù)據(jù)的安全和私密。安全多方計(jì)算技術(shù)包括秘密共享（SecretSharing）、不經(jīng)意傳輸（ObliviousTransfer）、混淆電路（GarbledCircuit）、隱私集合求交（PrivateSetIntersection）與隱私信息檢索（PrivacyInformationRetrieval）等關(guān)鍵計(jì)算協(xié)議。安全多方技術(shù)正不斷提升計(jì)算效率，降低實(shí)施方案設(shè)計(jì)復(fù)雜度。基于以上特征，隱私計(jì)算的優(yōu)劣勢在于：優(yōu)勢：安全多方計(jì)算讓參與方（數(shù)據(jù)擁有者）對(duì)其數(shù)據(jù)擁有絕對(duì)的控制權(quán)劣勢：安全多方計(jì)算的計(jì)算量較大，需要極強(qiáng)的硬件性能支撐，安全多方技術(shù)受到網(wǎng)絡(luò)帶寬、延遲等因素制約。安全多方計(jì)算通用性有限，需要針對(duì)特定問題與場景設(shè)計(jì)專用協(xié)議。2.2、聯(lián)邦學(xué)習(xí)（FederatedLearning，F(xiàn)L）聯(lián)邦學(xué)習(xí)（FederatedLearning）在2016年由Google最先提出，最先被用于解決安卓手機(jī)終端用戶在本地更新模型的問題，其設(shè)計(jì)目標(biāo)是在保障大數(shù)據(jù)交換時(shí)的信息安全、保護(hù)終端數(shù)據(jù)和個(gè)人數(shù)據(jù)隱私、保證合法合規(guī)的前提下，在多參與方或多計(jì)算結(jié)點(diǎn)之間開展高效率的機(jī)器學(xué)習(xí)。聯(lián)邦學(xué)習(xí)可使用的機(jī)器學(xué)習(xí)算法不局限于神經(jīng)網(wǎng)絡(luò)，還包括隨機(jī)森林等重要算法。針對(duì)不同數(shù)據(jù)集，聯(lián)邦學(xué)習(xí)可分為橫向聯(lián)邦學(xué)習(xí)（HorizontalFederatedLearning，HFL）、縱向聯(lián)邦學(xué)習(xí)（VerticalFederatedLearning，VFL）與聯(lián)邦遷移學(xué)習(xí)（FederatedTransferLearning，F(xiàn)TL）：橫向聯(lián)邦學(xué)習(xí)主要指在各參與方的數(shù)據(jù)集特征集重合較大，但是樣本重合較小的場景。橫向聯(lián)邦學(xué)習(xí)把數(shù)據(jù)集按照橫向（即用戶維度）切分，并取出雙方用戶特征相同而用戶不完全相同的數(shù)據(jù)進(jìn)行訓(xùn)練。Google在2016年提出了一個(gè)針對(duì)安卓手機(jī)模型更新的數(shù)據(jù)聯(lián)合建模方案：在單個(gè)用戶使用安卓手機(jī)時(shí)，不斷在本地更新模型參數(shù)并將參數(shù)上傳到安卓云上，從而使特征維度相同的各數(shù)據(jù)擁有方建立聯(lián)合模型。縱向聯(lián)邦學(xué)習(xí)主要指在各參與方的數(shù)據(jù)集特征集重合較小，但是樣本重合較大的場景?？v向聯(lián)邦學(xué)習(xí)把數(shù)據(jù)集按照縱向（即特征維度）切分，并取出雙方用戶相同而用戶特征不完全相同的部分?jǐn)?shù)據(jù)進(jìn)行訓(xùn)練?，F(xiàn)階段，邏輯回歸模型、樹形結(jié)構(gòu)模型和神經(jīng)網(wǎng)絡(luò)模型等眾多機(jī)器學(xué)習(xí)模型已經(jīng)逐漸被證實(shí)能夠建立在縱向聯(lián)邦學(xué)習(xí)體系上。聯(lián)邦遷移學(xué)習(xí)主要指在各參與方的樣本和特征重合度都極低的情況下，且在模型訓(xùn)練時(shí)各數(shù)據(jù)集的樣本空間與特征空間重疊范圍都較小時(shí)的場景。聯(lián)邦遷移學(xué)習(xí)主要為解決單邊數(shù)據(jù)規(guī)模小和標(biāo)簽樣本少的問題，從而提升模型的效果。2.3、機(jī)密計(jì)算（ConfidentialComputing，CC）/可信執(zhí)行環(huán)境（TrusedExecutionEnvironment，TEE）機(jī)密計(jì)算（ConfidentialComputing）是一種云計(jì)算技術(shù)，可在處理期間將敏感數(shù)據(jù)隔離在受保護(hù)的CPU區(qū)域中。正在處理的數(shù)據(jù)以及用于處理該數(shù)據(jù)的技術(shù)只能由授權(quán)的編程代碼訪問，并且對(duì)任何人或任何其他人（包括云提供商）都是不可見和不可知的。機(jī)密計(jì)算是一種基于硬件可信執(zhí)行環(huán)境實(shí)現(xiàn)數(shù)據(jù)應(yīng)用保護(hù)的技術(shù)。2019年8月，Linux基金會(huì)宣布成立由Accenture、螞蟻集團(tuán)、ARM、Google、Facebook、華為、微軟、Redhat等多家巨頭企業(yè)組建的機(jī)密計(jì)算聯(lián)盟，該聯(lián)盟針對(duì)云服務(wù)及硬件生態(tài)，致力于保護(hù)數(shù)據(jù)應(yīng)用中的安全。機(jī)密計(jì)算對(duì)于隱私計(jì)算的意義重大，其主要優(yōu)勢包括：機(jī)密計(jì)算在使用中也可保護(hù)敏感數(shù)據(jù)，并將云計(jì)算的好處延伸到敏感的工作負(fù)荷中。機(jī)密計(jì)算可以有效保護(hù)知識(shí)產(chǎn)權(quán)。機(jī)密計(jì)算不僅用于數(shù)據(jù)保護(hù)，可信執(zhí)行環(huán)境TEE還可用于保護(hù)專有業(yè)務(wù)邏輯、分析功能、機(jī)器學(xué)習(xí)算法或整個(gè)應(yīng)用程序。機(jī)密計(jì)算可以在新的云解決方案上與合作伙伴安全地進(jìn)行協(xié)作。機(jī)密計(jì)算可以消除客戶在選擇云提供商時(shí)的擔(dān)憂。機(jī)密計(jì)算可以減輕云提供商提供其他競爭性業(yè)務(wù)服務(wù)時(shí)的泄密風(fēng)險(xiǎn)。ARM與Intel在機(jī)密運(yùn)算技術(shù)中處于領(lǐng)先地位，ARMTrustZone與IntelSGX是機(jī)密計(jì)算中較為成熟的兩項(xiàng)技術(shù)。ARMTrustZone將系統(tǒng)的硬件與軟件資源劃分為兩個(gè)執(zhí)行環(huán)境以確保整體系統(tǒng)的安全性。IntelSGX允許應(yīng)用程序?qū)崿F(xiàn)一個(gè)Enclave容器，在應(yīng)用程序的地址空間劃分出一塊被保護(hù)的區(qū)域，將合法軟件的安全操作封裝在Enclave中，為容器內(nèi)的代碼和數(shù)據(jù)提供機(jī)密性和完整性保護(hù)，容器之外的任何軟件均無法訪問Enclave內(nèi)部數(shù)據(jù)。2.4、差分隱私（DifferentialPrivacy，DP）差分隱私（DifferentialPrivacy，DP）是密碼學(xué)中的一種手段，旨在提供一種當(dāng)從統(tǒng)計(jì)數(shù)據(jù)庫查詢時(shí)，最大化數(shù)據(jù)查詢的準(zhǔn)確性，同時(shí)最大限度減少識(shí)別其記錄的機(jī)會(huì)。差分隱私基于嚴(yán)格的數(shù)學(xué)理論，通過在計(jì)算結(jié)果中添加噪聲的方法，保證供給者無法根據(jù)輸出差異推測個(gè)體的敏感信息，從而在不損害個(gè)人隱私的前提下，實(shí)現(xiàn)數(shù)據(jù)資源的最大化利用。差分隱私技術(shù)也對(duì)隱私保護(hù)進(jìn)行了嚴(yán)格的定義并提供了量化評(píng)估的方法，對(duì)隱私保護(hù)水平進(jìn)行了嚴(yán)謹(jǐn)?shù)淖C明。差分隱私通過添加噪聲實(shí)現(xiàn)隱私保護(hù)，這一行為可能對(duì)模型的數(shù)據(jù)可用性及準(zhǔn)確率造成影響。過大的噪聲會(huì)導(dǎo)致數(shù)據(jù)統(tǒng)計(jì)時(shí)的可用性和準(zhǔn)確度嚴(yán)重受損，因此差分隱私在人臉識(shí)別、金融風(fēng)險(xiǎn)劑量等領(lǐng)域無法實(shí)現(xiàn)大規(guī)模商用?，F(xiàn)階段，差分隱私技術(shù)發(fā)展的重點(diǎn)為降低噪音對(duì)準(zhǔn)確率的影響。本地差分隱私：傳統(tǒng)的差分隱私將原始數(shù)據(jù)集中到一個(gè)數(shù)據(jù)中心，然后在數(shù)據(jù)中心中對(duì)數(shù)據(jù)施加差分隱私算法，進(jìn)而對(duì)外發(fā)布，這種方式也被稱為中心化差分隱私（CentralizedDifferentialPrivacy，CDP）。但中心化差分隱私需要可信的第三方數(shù)據(jù)收集者，即保證所收集的數(shù)據(jù)不會(huì)被竊取和泄露。但在實(shí)際應(yīng)用中可信的第三方數(shù)據(jù)收集者很難被找到。為此，本地差分隱私方案（LocalizedDifferentialPrivacy，LDP）被提出。本地差分隱私在基于不可信第三方的前提下，其將數(shù)據(jù)隱私化的工作轉(zhuǎn)移到每個(gè)用戶，用戶自己來處理和保護(hù)個(gè)人數(shù)據(jù)，極大地降低了隱私泄露的可能性。本地差分隱私已被Google、蘋果、微軟等互聯(lián)網(wǎng)巨頭廣泛應(yīng)用。但相較于傳統(tǒng)中心化差分隱私方案，本地查分隱私方案對(duì)數(shù)據(jù)添加的噪聲更大，因此在面向數(shù)據(jù)統(tǒng)計(jì)時(shí)數(shù)據(jù)的可用性更低。2.5、同態(tài)加密（HomomorphicEncryption，HE）同態(tài)加密（HomomorphicEncryption，HE）系統(tǒng)是一種加密形式，它允許人們對(duì)密文進(jìn)行特定形式的代數(shù)運(yùn)算得到仍然是加密的結(jié)果，將其解密所得到的結(jié)果與對(duì)明文進(jìn)行同樣的運(yùn)算結(jié)果一樣。換言之，這項(xiàng)技術(shù)令人們可以在加密的資料中進(jìn)行諸如檢索、比較等操作，得出正確的結(jié)果，而在整個(gè)處理過程中無需對(duì)資料進(jìn)行解密。現(xiàn)階段同態(tài)加密的發(fā)展瓶頸在于算法對(duì)算力的需求高，且同態(tài)加密效率低，因此同態(tài)加密暫時(shí)不能用于大規(guī)模業(yè)務(wù)。部分同態(tài)加密：現(xiàn)階段同態(tài)加密的實(shí)現(xiàn)多通過非對(duì)稱加密算法，即所有知道公鑰的參與方都可以加密、執(zhí)行密文計(jì)算，但只有私鑰所有者可以解密。同態(tài)加密體系可系統(tǒng)性分為部分同態(tài)、近似同態(tài)、有限級(jí)數(shù)全同態(tài)與完全同態(tài)四類。其中部分同態(tài)、近似同態(tài)與有限級(jí)數(shù)全同態(tài)均可被劃分為部分同態(tài)加密方案。部分同態(tài)加密（SomewhatHomomorphicEncryption，SHE）只能支持有限的密文計(jì)算深度，例如Paillier支持密文間的加法運(yùn)算但不支持密文間的乘法運(yùn)算，BGN支持密文間無限次加法運(yùn)算與一次乘法運(yùn)算。由于部分同態(tài)加密的局限性，一般不會(huì)被用于獨(dú)立建設(shè)一個(gè)隱私計(jì)算方案，而部分同態(tài)加密多用于聯(lián)邦學(xué)習(xí)方案中的安全增強(qiáng)。全同態(tài)加密（FullyHomomorphicEncryption，F(xiàn)HE）系統(tǒng)沒有任何計(jì)算方法的限制，用戶可以在沒有密鑰的情況下，把密文任意的組合起來，形成新的密文，并且新的密文可以在任意計(jì)算復(fù)雜度的情況下被還原成原文。支持近似小數(shù)計(jì)算的CKKS方案相助提升了全同態(tài)加密的計(jì)算性能，但全同態(tài)加密的計(jì)算的算力要求仍極高，現(xiàn)階段尚未大規(guī)模商用。三、隱私計(jì)算的商用隱私計(jì)算是涵蓋數(shù)據(jù)的生產(chǎn)、存儲(chǔ)、計(jì)算、應(yīng)用等信息流程全過程中面向隱私保護(hù)的計(jì)算系統(tǒng)與技術(shù)，可在保證原始數(shù)據(jù)安全隱私性的同時(shí)，實(shí)現(xiàn)對(duì)數(shù)據(jù)的計(jì)算和分析。由于其在多數(shù)據(jù)流通融合中保護(hù)隱私安全的顯著效果，隱私計(jì)算在政務(wù)、金融、醫(yī)療、交通、營銷等多個(gè)行業(yè)中均存在廣泛的應(yīng)用場景。金融：金融與數(shù)字化技術(shù)的融合程度加深，跨領(lǐng)域的融合應(yīng)用不斷強(qiáng)化，數(shù)據(jù)的共享與開放正成為金融行業(yè)新的趨勢。為了保障金融用戶與金融企業(yè)的隱私安全，隱私計(jì)算在金融領(lǐng)域中應(yīng)用前景廣闊，在信貸風(fēng)險(xiǎn)評(píng)估、供應(yīng)鏈金融、保險(xiǎn)業(yè)、精準(zhǔn)營銷、多頭借貸中均能發(fā)揮重要作用。一般情況下，單一金融機(jī)構(gòu)自有數(shù)據(jù)量較小，建模樣本數(shù)量不足，聯(lián)合多家機(jī)構(gòu)進(jìn)行聯(lián)合建模會(huì)涉及數(shù)據(jù)安全風(fēng)險(xiǎn)。而通過聯(lián)邦學(xué)習(xí)建模，可以將多家機(jī)構(gòu)數(shù)據(jù)在不泄露數(shù)據(jù)的情況下融合應(yīng)用，提高模型的準(zhǔn)確性。而且當(dāng)金融機(jī)構(gòu)獲得新的相關(guān)數(shù)據(jù)時(shí)，可及時(shí)更新模型，使其他金融機(jī)構(gòu)也可快速具備預(yù)測與識(shí)別能力。政務(wù)：中國正積極推動(dòng)政企數(shù)據(jù)融合、數(shù)據(jù)生產(chǎn)要素化發(fā)展，各地政府也建立了政務(wù)數(shù)據(jù)平臺(tái)與大數(shù)據(jù)中心。中國政府中有大量社保數(shù)據(jù)、公積金數(shù)據(jù)、稅務(wù)數(shù)據(jù)、交通數(shù)據(jù)等。但這些數(shù)據(jù)屬于不同的部門或地區(qū)，存在極強(qiáng)的“數(shù)據(jù)孤島”現(xiàn)象，融合應(yīng)用這些數(shù)據(jù)需要極為繁瑣的審批手續(xù)。此外，這些數(shù)據(jù)涉及公民隱私，將這些數(shù)據(jù)的價(jià)值加以有效利用的難度極大。通過隱私計(jì)算與其他技術(shù)的結(jié)合，可有效保護(hù)各部門的數(shù)據(jù)，部分解決“數(shù)據(jù)孤島”問題，提高政府?dāng)?shù)據(jù)使用價(jià)值。醫(yī)療：在醫(yī)療健康行業(yè)，人工智能與大數(shù)據(jù)的應(yīng)用主要是將大規(guī)模的病例與病情數(shù)據(jù)進(jìn)行深入挖掘，通過建立機(jī)器學(xué)習(xí)與模型訓(xùn)練，提高醫(yī)療科研與病情推斷的效率，促進(jìn)整個(gè)醫(yī)療服務(wù)的精確度提升。但醫(yī)療數(shù)據(jù)對(duì)于患者而言極為敏感，且現(xiàn)階段建立全國統(tǒng)一的醫(yī)療信息系統(tǒng)成本過高。隱私計(jì)算為這一痛點(diǎn)提供了解決方案。通過隱私計(jì)算對(duì)不同數(shù)據(jù)源進(jìn)行橫向與縱向的聯(lián)合建模，保證各方醫(yī)療數(shù)據(jù)安全。醫(yī)療機(jī)構(gòu)可以在本地先建立模型，再通過SMPC等技術(shù)聯(lián)合其他醫(yī)療機(jī)構(gòu)更新模型參數(shù)，以最安全、最高效的方式提升模型診斷能力與診斷準(zhǔn)確率。交通：智能交通系統(tǒng)的建立依賴定位數(shù)據(jù)、個(gè)人數(shù)據(jù)、政務(wù)數(shù)據(jù)、道路數(shù)據(jù)等多種數(shù)據(jù)的一體化。由于涉及范圍的廣泛性以及管理權(quán)屬的分散性，交通數(shù)據(jù)極易形成數(shù)據(jù)孤島。安全多方計(jì)算、零知識(shí)證明等隱私計(jì)算數(shù)據(jù)可以幫助交通數(shù)據(jù)有效打破信息壁壘。隱私計(jì)算技術(shù)可以通過視頻、位置、交通等多部門數(shù)據(jù)對(duì)治安防控、突發(fā)事件進(jìn)行研判，合理調(diào)配資源，提高應(yīng)急處理能力和安全防范能力。隱私計(jì)算也能聯(lián)合多部門的數(shù)據(jù)對(duì)道路交通狀況進(jìn)行研判，實(shí)現(xiàn)車輛路線最優(yōu)規(guī)劃，減緩交通擁堵。營銷：聯(lián)邦學(xué)習(xí)技術(shù)可以幫助營銷聯(lián)合建模，提升營銷效果和用戶體驗(yàn)。在營銷場景中，數(shù)據(jù)方與營銷方均擁有一部分?jǐn)?shù)據(jù)，數(shù)據(jù)方擁有用戶畫像等流量數(shù)據(jù)，營銷方擁有營銷場景數(shù)據(jù)，而雙方均不想共享這一部分核心數(shù)據(jù)。聯(lián)邦學(xué)習(xí)可以在保護(hù)雙方各自的數(shù)據(jù)安全的情況下輸出建模結(jié)果，有效提升營銷模型精準(zhǔn)性，提高營銷效率。隱私計(jì)算尚未廣泛商業(yè)化應(yīng)用，商業(yè)模式亦處于探索階段。隱私計(jì)算服務(wù)分為硬件、軟件及全棧服務(wù)三類。其中，純硬件服務(wù)在隱私計(jì)算的服務(wù)中占比極低，軟件/全棧服務(wù)的商業(yè)模式可模仿主流算法/軟件成熟的商業(yè)模式。四、隱私計(jì)算玩家現(xiàn)狀：MPC、聯(lián)邦學(xué)習(xí)成為主要技術(shù)路徑隱私計(jì)算主要玩家包括互聯(lián)網(wǎng)公司與初創(chuàng)企業(yè)，MPC、聯(lián)邦學(xué)習(xí)成為各企業(yè)主要技術(shù)路徑，TEE、區(qū)塊鏈為次要技術(shù)路徑；現(xiàn)階段金融為隱私計(jì)算主要應(yīng)用場景，部分企業(yè)圍繞政務(wù)、營銷、醫(yī)療等垂直場景打造解決方案。五、思考：隱私計(jì)算發(fā)展預(yù)測多條技術(shù)路徑齊演進(jìn)，現(xiàn)階段MPC、TEE、聯(lián)邦學(xué)習(xí)三足鼎立。隱私計(jì)算有許多底層技術(shù)可供選擇，而隱私計(jì)算的實(shí)現(xiàn)可能需要多種技術(shù)融合應(yīng)用?，F(xiàn)階段MPC、TEE與聯(lián)邦學(xué)習(xí)三種技術(shù)商用化進(jìn)程領(lǐng)先，短期內(nèi)這一技術(shù)趨勢會(huì)被延續(xù)。長期來看，MPC、聯(lián)邦學(xué)習(xí)需要隱私計(jì)算供應(yīng)商長期積累有效數(shù)據(jù)并迭代、優(yōu)化算法，而TEE需要在此基礎(chǔ)上對(duì)于底層芯片做出優(yōu)化設(shè)計(jì)。綜合而言，TEE對(duì)于供應(yīng)商的軟硬件全棧能力要求極高，現(xiàn)階段中國廠商僅互聯(lián)網(wǎng)頭部廠商可以實(shí)現(xiàn)。出于成本考慮，MPC與聯(lián)邦學(xué)習(xí)的應(yīng)用占比或?qū)⒃黾印Ｍ瑧B(tài)加密與差分隱私在隱私計(jì)算應(yīng)用中的落地進(jìn)程較緩慢。同態(tài)加密對(duì)于算力資源的需求極高，現(xiàn)階段常規(guī)GPU芯片無法滿足同態(tài)加密所需求的算力，而同態(tài)加密的技術(shù)演進(jìn)將不斷提升算力需求。因此同態(tài)加