专家解析“隐私计算”四大技术路径平台将使“数据不出库”

瑞来智慧负责人朱蒙最近几天在新闻发布会上表示，现有数据流通模式面临三大难题。瑞来智慧功图

数据已经成为一种重要的新生产要素，私有计算可以使数据在流通过程中可用而不可见最近几天，相关专家分析了隐私计算的四大技术路径，团队开发的另一个隐私计算平台实现了无数据出库，多模型运行

四象限分区隐私计算。

专家指出，隐私计算可以分为四个不同的象限，即:数据流出和集中计算，数据流出和协同计算，数据不流出，协同计算和数据不流出，集中计算。

数据流出集中计算的核心是对数据进行变形，扰动和加密，可以保证数据流出的私密性有三种技术:数据脱敏，差分隐私和同态加密

第二条路径是数据流出和协同计算中科院院士姚期智提出百万富翁问题，其网络安全版的解决方案是安全多方计算

第三条路径是数据不流出，协同计算，这意味着该技术是一个联邦学习平台总的来说，联邦学习可以在没有数据流出局部区域的情况下，联合多个参与者训练模型，对于打破数据孤岛具有重要意义

可信计算平台是数据不流出，集中计算路径中的代表技术平台是指通过隔离机制构建的一个安全可控的区域，在这个区域内可以集中训练数据而不流出，从而保证内部加载数据的机密性和完整性

数据流通模式面临困难。

"现有的数据流通模式面临三大困难."瑞来智慧相关负责人朱蒙在最近几天的新闻发布会上表示:一是数据所有权的不可分割性，使得数据拥有者不愿意分享，二是数据安全法律框架正在全面构建，数据合规风险让企事业单位不敢共享数据，三是技术不成熟，协议不统一，导致数据仍然无法互联。

隐私计算是促进数据流通，保障数据安全的关键技术国家工业信息安全发展研究中心大数据研究室主任杨梅日前在专题研讨会上表示

朱蒙介绍，该团队开发的隐私保护计算平台RealSecure可以实现没有数据离开仓库，但有更多模型在运行，保护数据隐私和数据安全她解释说，该平台是基于安全多方计算，联合学习和可信执行环境等技术的数据安全共享基础设施

为隐私计算的落地赋能。

隐私计算的落地场景正逐步从数据需求旺盛的金融，互联网，医疗，政务等领域，向智慧能源，智能终端，智慧城市等更多行业延伸一些报告预测，到2024年，全球隐私驱动的数据保护和合规技术支出将超过150亿美元

中国信息通信研究院云计算与大数据研究所大数据部副主任闫澍最近几天在专题研讨会上指出，光靠私有计算充分释放数据要素价值是不够的，需要加强私有计算与人工智能，区块链，云计算等技术的交叉融合。

RealSecure通过自主研发的隐私保护人工智能编译器架构，实现了与传统算法的自动编译和一键适配朱蒙表示，这将有助于人们摆脱重复重写的繁琐工作，有助于加速隐私计算的落地她还表示，平台数据场景一站式隐私计算解决方案推动隐私计算从功能演示阶段走向业务落地闭环

案例表明，在不共享明文数据和遗漏查询的前提下，多家银行利用自身数据积累，实现了黑名单共享横向联邦学习的金融联盟风险控制反欺诈模式，将提高反欺诈m