中新經緯11月12日電 美國馬里蘭州，曾有毒販藏在廢棄房屋中，用LED燈種植大麻。
警察沒有證據，無法進入房間搜查。但很快他們找到辦法，利用供電公司數據，分析住戶用電量和用電模式，幫助鎖定犯罪現場。
這是新時代的警匪故事，故事背后我們的世界早已被數據填充。
作為新時代的石油，數據不僅可以抓捕毒販，還可以幫助提高醫療診斷準確性；幫助零售商實時掌握市場動態；幫助城市交通順利運轉……
正因如此，從2020年起，數據作為一種新型生產要素，被寫入中央文件，與土地、勞動力、資本、技術等傳統要素并列為要素之一。
如同其他流轉不停的生產要素，數據同樣要流轉起來，其價值才能真正發揮。
然而，數據在流轉過程中，在產權界定、市場配置、保護模式等方面存在待解的問題，而其中的關鍵之一，就是如何確保隱私安全。沒有這個前提，數據的價值便只能停留在紙面上。
喧囂之外，一群從業者，正通過一把名為“隱私計算”的鑰匙，讓數據真正安全流轉起來。
開啟數據安全流轉
同盾科技是國內較早布局隱私計算的科技企業，其合伙人、人工智能研究院院長李曉林教授經常用金融來說明數據流通的必要性。
“金融就是價值在時間和空間中的流通和交易，今天我貸出一塊錢，現在的價值和明天的價值是不同的，數據也與之類似。例如電網數據，對電網企業本身價值有限，但如果用來做中小微企業的信用分析，價值會放大很多倍。”
在隱私計算領域，李曉林教授也被行業媒體稱為“聯邦學習三劍客”之一，華人教授中他在隱私計算、聯邦學習、可信AI等方面積累了十多年的科研和產業經驗，是國內可信AI的發起人之一。
“數據沉淀不動的話，就會過期失效，其實是一種浪費。數據一定要以某種安全方式流通起來，才能發揮他應有的價值。”李曉林教授說。
他和團隊正從事隱私計算研究，這群隱私計算背后的“隱形人”，試圖通過技術手段，實現數據安全流動，既能夠保護個人隱私，又能夠利用數據完成計算、學習、建模和推理決策。
同盾人工智能研究院聯邦生態總監艾薩克，主要負責知識聯邦商業化落地和生態構建，他介紹，同盾以隱私計算技術為基礎，推出的工業級應用產品智邦平臺，能夠將數據要素保護起來，安全使用數據，切斷數據轉移，不需要轉移原始數據，也不需要將數據匯聚到科技公司或者互聯網巨頭，實現了數據的安全、隱私保護，又能夠發揮數據價值。
“例如，如果一家銀行要放出貸款，通過智邦平臺，可以借助不出本地的多方數據，從多個維度對客戶進行分析，并給出信貸估分，而不用向像傳統模式那樣，將客戶數據完全收集到后臺，既增加了流程，又加大不必要的泄露風險。”艾薩克說。
智邦平臺的實際落地效果，也確實證明了隱私計算技術可以幫助數據密集型商業活動提高效率。經由隱私計算，客戶能夠以安全的方式，安全使用更多的數據。
“以某金融集團旗下公司為例，金融行業對數據安全性要求較高，一個集團的不同分公司之間，數據都是無法共享的。借助智邦平臺，同盾幫助集團母公司和子公司之間進行數據流通，最終集團子公司的營銷效率提升了300%。”艾薩克介紹。
為方便多方合作，同盾在智邦平臺中還加入了數據接入標準化和數據安全交換協議，可以讓數據提供者輕松地進行聯邦合作。
一切看起來似乎很簡單，但實際上隱私計算并不是一種單一的技術，而是一套包含人工智能、密碼學、數據科學、分布式系統等眾多領域交叉融合的跨學科技術體系。
技術機制上，隱私計算主要包含了三大技術流派，分別是多方安全計算、聯邦學習以及可信執行環境。而同盾的智邦平臺，則是依托融合了隱私計算主要流派的知識聯邦理論體系搭建而成。
以知識聯邦理論體系為基礎，同盾是國內第一家構建了隱私計算完整技術生態的科技企業。
全新框架“離子鍵”
李曉林教授介紹說，中國的隱私計算研究從一開始就是和國際同步甚至是領先的。
宏觀層面，《網絡安全法》《數據安全法》《個人信息保護法》等一系列法律的出臺，倒逼企業在數據采集、使用、流通全環節中重視及投入數據保護，隱私計算行業也因此迎來重大利好。
微觀層面，以互聯網公司、大數據公司、金融科技公司和隱私計算創業公司為代表的玩家相繼入局，共同推動隱私計算技術的發展，行業生態已經初具規模。
盡管如此，隱私計算離大規模商業化落地仍有一段距離。現階段，隱私計算在實際應用中，如何平衡安全與性能、以何種商業模式落地，乃至監管、市場認知都面臨待解的問題。
對應用方而言，隱私計算因為使用加密系統，計算速度比明文計算要慢。2021年5月，中國信通院云大所所長何寶宏在公開場合表示，2020年隱私計算整體速度比明文計算慢約25倍。
擁有十余年模式識別、機器學習、深度學習研究經驗的同盾隱私計算算法組負責人Doris表示，使用隱私計算，往往意味著面臨效率與安全的取舍。為了將這一影響降至最低，同盾智邦平臺對數據進行分層次分等級處理，通過機器學習方式，對不同等級數據采取不同程度的技術操作。
“此外，同盾為智邦平臺打造了一套全新的輕量級聯邦通信框架——離子鍵，作為同盾知識聯邦的底層基礎設施，它可以大大提升聯邦算法的性能，將聯邦模型訓練時間壓縮至原來的六分之一，并能大幅減少服務器資源需求，降低聯邦平臺部署時間，進而全面提升交付速度。”
技術本身之外，數據本身的敏感性與脆弱性，也在影響著隱私計算的落地。艾薩克介紹說，隱私計算技術落地的前提，是要說服所有人安全共享數據。
很多時候，為了向客戶說明自家產品的安全性，他要從物理安全講到網絡安全，再從數據安全講到應用安全，甚至要給對方技術部門發去論文解釋說明。
即便如此，有些客戶還是會擔憂，隱私計算是否真能滿足他們的合規需要。現階段，在隱私計算中，哪些數據流通、哪些必須拿到授權、拿到什么層級的授權、獲取授權的法律條款怎樣才是合規的，各方的理解也都有差別。
“目前為止，還沒有一個真正的行業標準。”艾薩克解釋說，他們能拿來說服客戶的，是通過幾個隱私計算的央行“監管沙盒”項目和標桿客戶案例。
為此，在不斷完善智邦平臺同時，同盾隱私計算團隊一直在積極推動相關標準的落地。
《基于多方安全計算的數據流通產品技術要求與測試方法》(修訂版)、《基于可信執行環境的數據計算平臺技術要求與測試方法》以及《聯邦學習金融行業應用指南》等標準和規范中，都有同盾隱私計算團隊成員的身影。
這也是整個隱私計算行業一直在努力的事情，共同完成市場的普及教育，推動隱私計算發展。
在競爭中持續進化
盡管仍存在障礙，但不管是從政策上、市場上、客戶需求上，隱私計算的大幕都已拉開。
根據甲子光年《2021隱私計算行業研究報告》，隱私計算自2019年以來受到資本市場密切關注，截至目前獲百億美元級融資，平均每起融資數千萬元。
Doris認為，如何促進隱私計算不斷完善發展，業內基本已經形成共識：以面向產業競爭的市場競爭機制，在推動隱私計算應用不斷落地同時，推動隱私計算技術發展。
在同盾隱私計算團隊，這樣的理念深入人心。例如Doris雖然是技術人員，但同樣與客戶交流，參與解決方案落地。
在她看來，如果只考慮算法模型，那距離隱私計算落實到產品上還有很大一段距離。為促進算法的工程化，必須和客戶交流，參與項目落地。
正因如此，幾年來，同盾隱私計算算法組同學們，離客戶越來越近。
Doris參加的一次隱私計算客戶項目中，同盾智邦平臺的競爭對手包含了互聯網大廠旗下平臺、專門的金融科技公司等多類選手。
現場競標中，Doris和算法組同事才發現，項目測試用的數據量級之大，超出了想象，在計算資源有限的前提下，強行接入甚至可能讓系統“卡死”；最后，算法組將采用“流水線”數據讀取和計算分離、bagging+boosting的方式，解決了這一問題。
項目最后十天，Doris和團隊幾乎住在了客戶單位，每天早8點到，晚上12點回，每天及時根據客戶需求調整方案。
Doris說，那是一個很難得的機會，既能夠和眾多實力雄厚的友商同臺競爭，也能利用遠超平時的數據量和豐富的業務場景，進一步完善技術和產品。
這些都是在辦公室內對著屏幕難以得到的經驗，而這些經驗，最終都會匯聚到一起，共同推動隱私計算技術的整體進步。
李曉林教授對隱私計算未來抱有充分信心，“隨著法律法規的不斷完善，數據隱私保護，會像現在電腦上的殺毒軟件、防火墻一樣，成為相關企業的標配。”
但就像普通人不會記住殺毒軟件和防火墻背后的程序員一樣，大多數隱私計算從業者的名字，也注定默默無聞。
他們是行業背后的隱形人，在數據洪流中，努力保護著普通人的隱私安全，也推著大時代故事的前行。(中新經緯APP)
責任編輯：Rex_08
營業執照公示信息