来源 | 隐私计算联盟、中国信息通信研究院云计算与大数据研究所（转载请注明来源）
近日，中国信通院云大所联合隐私计算联盟，对行业一线实践情况和关注焦点进行广泛征集、深度探讨，共同完成了《隐私计算应用研究报告（2023年）》。该报告梳理了数据要素发展环境下隐私计算面临的新形势，分析了隐私计算在数据流通领域的应用现状，总结了隐私计算应用在演变适配数据要素新形势下的问题挑战，并对隐私计算应用部署的全流程难点及解决方案进行了阐述，旨在为隐私计算参与各方提供应用参考，推动隐私计算应用在各行业、各数据流通模式下快速发展。隐私计算赋能数据要素流通
我国数据要素流通还处于较为初期的起步阶段，按照数据流通平台来看，目前主要分为公共数据开放平台、数据交易平台、企业集团数据开放平台三类；按照数据与资金在主体间流向的不同，数据要素流通模式可以分为：数据开放、数据共享、数据交易。数据开放目前主要以公共数据为主要对象，应用领域主要有社会治理、公共服务、数字经济等方面。数据共享中各组织互为供需方，各方均对数据有需求，通过共享的方式实现优势互补，互利共赢，主要在企业间、政企间、政府间相互共享。数据交易有明确的供应端和需求端，国内活跃的数据交易主要集中在互联网、运营商和金融机构之间，交易模式集中在供需方点对点的模式上。
在数据流通应用方面，隐私计算技术可以应用于两方合作运营、外部数据源依赖、数据开放和数据交易等不同模式。在开放数据模式中，政府部门或其他公共机构可以通过授权第三方机构，结合开放数据和机构本身的业务数据进行数据融合应用开发，隐私计算技术可以保障数据查询、数据上传等环节的数据安全；在交易模式中，各方可以通过具备交易资质的平台进行交易，利用隐私计算技术在数据计算、数据交付、数据价值界定等方面赋能数据价值安全流通，提升业务价值和多样的数据服务。同时，为保障技术统一规范落地，各行各业相继启动了隐私计算技术应用的标准化建设工作，金融、信息通信、密码行业等领域相继制定并出台了相应的技术应用标准，共同推动隐私计算在数据流通方向的规范落地。根据《数据二十条》政策指引，数据要素只有在安全、高效的流通中才能充分发挥价值。隐私计算技术能够打破数据孤岛、加强隐私保护、强化数据安全合规性，在支撑落实数据要素相关政策文件、赋能数据要素流通方面，可以从三方面更好赋能数据要素流通：一是提高隐私计算性能和安全性，通过工程优化、算法优化和软硬件结合等方式提高隐私计算算法性能，研究抗合谋的算法和探索多技术融合方式增强隐私计算产品的安全性；二是满足不同行业场景需求释放数据价值，在数据要素加速开放的政策环境下，挖掘隐私计算在不同行业的需求价值，提升隐私计算在各场景的实用性；三是适配数据要素流通的多种应用模式，加速扩展到各种数据流通平台落地实施上，满足不同数据要素流通模式对隐私计算的要求，进而大幅度提升隐私计算的应用规模，保障隐私计算在各模式中的可扩展性。近年来隐私计算产业应用现状呈现出不断增长的趋势，主要应用于金融、政务、医疗、通信、互联网等多个行业，满足不同行业对用户数据、企业数据的隐私保护。除了应用于各行业外，跨行业、跨领域的数据流通平台也得到了广泛发展，隐私计算技术通过对数据进行加密和处理，从而实现数据的共享和交易，这为数据流通平台提供了更高的灵活性和可信度，使得数据交易更加便捷、安全。在垂直行业中，报告分析了隐私计算在金融、政务、医疗、通信、互联网几个行业的应用场景，其中重点提到了新兴行业如能源、烟草和教育，隐私计算正在发挥更多的作用。隐私计算在数据流通平台的应用模式也多种多样，包括公共数据运营、企业集团内部数据流通、企业间数据流通、跨境数据流通等方面，相比于隐私计算平台，数据流通平台用到的技术能力更加多样，应用场景也更加丰富。据中国信通院数据，2021年我国隐私计算行业基础产品服务和数据运营市场规模分别为4.7亿元和0.2亿元，预计2025年将分别达到95.9亿元和49.2亿元。在技术实施方面，一方面存在异构隐私计算平台无法互联互通、性能效率低、产品化能力不足等局限。部分厂商所开发的隐私计算平台的算力与数据远耦合，算力的使用难以带来规模经济效益。另一方面部分隐私计算技术涉及多方密文计算和网络通讯，在保障计算准确性和提升数据隐私安全性的同时，性能相比明文计算有明显降低。特别是对于涉及高敏感、高安全登记数据的业务场景，其计算耗时远高于业务时效性要求。在业务成本方面，一方面隐私计算带来的成本较高。传统业务与隐私计算平台的结合和改造需要大量的时间和人力成本，对于一些中小型企业和组织来说可能难以承担。同时，从建模到模型预测需要大量的数据样本，建立多方信任的隐私计算平台需要很高的成本；另一方面，隐私计算技术虽然为场景创新带来了额外价值，但其应用更多局限于小规模、个性化的试点层面，市场的大规模发展仍未到来。但巨大的市场潜力背后，隐私计算技术的规模化应用仍面临诸多困境。在合规保障方面，数据安全等法规实施后，相应的实施细则和指南仍未出台，隐私计算落地缺乏指导参考。隐私计算需要在保护数据隐私的同时确保计算结果的准确性和安全性，这对于大规模应用来说是一个挑战。上述困难导致隐私计算相关技术要实现大规模的应用，仍需在性能、技术、产业配套等方面进一步提升。
▐ 风口洞察
▐ 行业报告
▐ 国际要闻
▐ 数据观出品
本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请
点击举报。
