加密技术如何保护个人信息？“隐私计算”成为行业新宠

编者按：本文来自界面新闻，作者：林北辰，36氪经授权发布。

数据安全、隐私保护一直是互联网全行业的关注焦点，在今年的人工智能大会上，一种较为前沿的“隐私计算”解决方案受到关注。

过去几年，人工智能作为硬核科技，在安防、金融、政务、医疗等领域发挥了巨大价值，但行业人员发现，目前在人工智能领域，无论是深度学习还是机器学习都离不开大数据样本的“喂养”，传统 AI 需要收集样本到一个本地化的平台，然后通过集中化的算力训练出优质的模型。

这种做法带来的问题是，深度学习和样本需要数据的流通，但流通的数据往往没有得到授权。个人轨迹、财产信息等个人隐私甚至关乎国家的关键信息必须得到保护，传统的大数据训练方式颇有漏洞，新的数据保护解决方案亟待出台。

在数字经济趋势和数据安全保护的时代背景下，隐私计算应运而生，并且在2020年得到市场广泛认知。其本质上是利用密码学的手段，实现在数据不出库的情况下进行联合计算、联合建模，以开放且合规的方式充分发挥数据价值。

联邦学习是隐私计算的其中一种解决方式，顾名思义，就是在数据与数据之间，建立一个类似“独立联邦”的地区，数据经过加密后进入联邦，后又根据导出所在地的需求再度编码，最后导出的数据并不是数据本身，而是需求所在地需要的参数。

富数科技CEO张伟奇在人工智能大会现场接受了界面新闻的专访。他对以上技术做了一个较为形象的解释：一些国外 AI 厂商在中国也有业务落地，他们在国外建模也需要中国的数据参与训练，过去传统的数据出境做法是去标签化、脱敏处理等，但近年来不行了，因为涉及到个人隐私、工业信息、国家安全等原因，数据出境越发敏感，而隐私计算技术使用后，可以在数据不出库、不出国的情况下，跨国进行模型的训练，其根本目的是实现数据的“又保护又开放”。

事实上，这个技术的火爆也是发展于国外。在国际市场上，早前Facebook和Google受到欧盟 GDPR 高价罚款一事震动全球，两家企业开始大量投入了隐私计算以达到政策合规。

而在中国，由于数据开放流通与隐私保护和数据安全之间的矛盾日益激化，隐私计算在过去两年获得飞跃式的发展。张伟奇认为，无论是对技术的重视程度，还是政策法规的制定，目前都已超过美国。

6月29日，中国支付清算协会对外发表了《多方安全计算金融应用评估规范》，对多方安全计算等技术进行了详细的定义和规范，被行业认为是隐私计算政策法规落地的重要里程碑。

张伟奇将国内的隐私计算发展分为三个阶段：第一阶段重点是 2020 年，这是一个市场教育年，行业从2019年底的5家（BAT以及富数科技、华控清交）迅速发展到上百家；第二阶段主要是2021年，金标委和信通院制定了工程化安全和性能的检测规范，银行卡检测中心和信通院都各自完成了头部5家的检测，目前市场上全部通过工信部和金标委评测的一共4家，包括腾讯和阿里在内，富数也是其中一家；第三阶段要解决的是不同厂家之间技术不互通的情况。

张伟奇认为，如果不实现技术互联互通，隐私计算不可能成为一个有生命力的行业。但是，由于隐私计算领域内的不同技术具有碎片化的特点，要让众多厂商们的技术互通，隐私计算依然还有很长的一条路要走。