首页 > 找报告 > 隐私计算:数字经济新基建

隐私计算:数字经济新基建

报告 零壹智库 · 零壹智库 2022-12-29 免责声明

关键词:精品报告隐私计算数字经济新基建

全面阐述隐私计算技术的崛起、投资、模式和趋势,综合分析隐私计算九大BigTech公司布局和六大领军企业公司案例。

相关文档:

隐私计算:数字经济新基建.pdf 点击此处登录后可以在线阅读或下载报告

购买链接:https://j.youzan.com/mfg7YT


全面阐述隐私计算技术的崛起投资、模式和趋势
综合分析隐私计算九大BigTech公司布局和
六大领军企业公司案例

 
一、内容简介:
数字经济时代,数据至关重要,大数据杀熟、过度索取权限、滥用人脸识别等现象受到人们的关注,影响数据发掘,在此背景下隐私计算被寄予厚望。
隐私计算是指在保护数据本身不对外泄露的前提下实现数据分析计算的技术集合,达到数据“可用不可见”的目的,在充分保护数据和隐私安全的前提下,实现数据价值的转化和释放。
本书从隐私计算崛起、它对数字经济的影响、实现的技术路径,到在各个领域的应用情况以及像阿里巴巴、腾讯、百度、华为京东字节跳动等互联网公司在隐私计算上的布局等多个角度深入剖析了隐私计算这个新兴行业。

二、作者简介:
零壹智库
数字经济决策服务平台。2013年成立于北京,国家高新技术企业,建立了基于数据体系、专业研究、传播平台相互支撑的数字经济决策服务体系,业务覆盖数字经济生态的主要领域;围绕数字经济、绿色经济两条主线,提供媒体传播、数字内参、研究咨询、会议活动等服务,已服务超过400家机构。
公司在北京、上海、广州、深圳、珠海横琴区、武汉、成都、香港、澳门等地建立了团队和机构。目前已形成“零壹财经”“零壹智库”“零壹智库Pro”等主打品牌。
 
柏 亮
零壹财经、零壹智库创始人,中国科技体制改革研究会数字经济发展研究小组执行秘书长。
长期关注数字经济发展,主编专业书籍超过30部,为金融机构、科技公司、地方政府提供研究咨询服务。
曾任《第一财经日报》北京财经中心主任、第一财经新金融研究中心主任、中国融资租赁三十人论坛秘书长。
香港科技大学高级工商管理硕士,清华大学媒EMBA,中央财经大学金融学学士。
 
于百程
零壹财经合伙人、副总裁、零壹研究院院长,“看懂经济”平台行业专家,《 智慧中国》杂志2021中国产业研究发展突出贡献奖获得者。
此前在《第一财经日报》服务11年,历任编辑、财商主编、产经新闻中心主任;之后在网贷之家任研究院院长,从事互联网金融研究;是新金融、数字科技、人工智能等方面的研究专家,带领团队完成过数百份专业研究与咨询案例,其研究成果和观点被中外多家顶尖媒体广泛引用。
 
三、编辑推荐:
1. 全面阐述隐私计算赛道
   本书介绍了隐私计算的崛起原因、目前发展态势,分析了其发展的技术路径、产业图谱,其对数字经济等领域的影响及在金融、医疗、政务和营销等领域的落地情况,是全面了解隐私领域的可读之书。
2. 引用大量案例进行研究
   本书基于零壹智库在隐私计算方面的深度调研、分析、了解,引用了目前在隐私计算领域实际案例,如隐私计算领域中重在数据底座建设的华控清交,与场景深度融合的典型代表洞见科技,将隐私计算与数据运营结合的蓝象智联,将区块链与隐私计算相结合的微众银行WeDRR平台、蚂蚁FAIR平台,共享智能平台的建立者同盾科技等,将这些行业的前行者在金融、医疗等领域的实践过程、成果进行分析、研究、分享,为行业中和行业外相关发展提供参考。
3. 名家推荐
数字保险智库学术委员会主席王和、全联并购公会信用管理专业委员会常务副主任刘新海、蚂蚁集团副总裁兼首席技术安全官韦滔、诺崴科技创始人郑灏等行业专家和企业专家联袂推荐。
 
四、名人推荐:
如何解决好基于个人信息保护的金融数据安全问题是金融业面临的新挑战。隐私计算为破解这一难题提供了全新的思路和解决方案,需要行业高度关注并将其纳入行业基础设施建设范畴。本书全面梳理了隐私计算的发展现状和趋势,并通过行业实践案例,为业界提供了清晰的指导和参考。
——中国精算师协会会长、数字保险智库学术委员会主席   王和
 
数据产业是正在崛起的新兴产业,数据安全和开放壁垒是数据产业发展的重大关隘,隐私计算则是越过这两大关隘的基础设施。本书用大量一手资料和行业洞见,为我们展现了隐私计算发展的历程、格局、应用和趋势。
——全联并购公会信用管理专业委员会常务副主任、北京信用学会副会长   刘新海
 
我们正在迈入前所未有的数据密态时代,隐私计算技术是保障数据要素安全可信流转的关键技术。世界范围内隐私计算技术都处于攻坚阶段。期待行业共建,未来必定可期!
——隐语开源社区技术指导委员会主席、蚂蚁集团副总裁兼首席技术安全官   韦滔
 
隐私计算平衡了数据价值挖掘与隐私安全保护的矛盾,让数据“可用不可见”,是数字经济的底层基础设施和数据安全的基石,为各行各业搭建坚实的数据应用基础。本书广泛凝聚智慧和力量,深入解读隐私计算技术与应用,是一本数据领域从业者不可错过的参考书。
——锘崴科技创始人兼CEO   郑灏
 
隐私计算让数据服务像云计算实现算力云服务-样,实现了数据服务的云模式。数据云服务的模式,随着隐私计算技术的发展和普及,也将得到更大的发展。就像云计算是“上云、用数、赋智”的第一步,通过算力成本的大幅降低,实现了业务上云,继而实现“数据在线”,隐私计算支持的数据云服务将接过基础设施云计算的接力棒,为“用数、赋智”带来更大的空间。
——蓝象智联CEO   徐敏
 
数据作为新的生产要素,是数字经济腾飞的基础,同过去几个世纪里出现的蒸汽机、力、互联网一样,数据智能正整体驱动社会生产方式、生活方式和治理方式的深刻变革。隐私计算,在发展的星辰大海里,需要加速打造跨行业的标准与平台,让数据“左右逢源”,打造围绕数据生产要素流通的高效能治理环境。
——上海富数科技有限公司创始人兼CEO   张伟奇
 
数据作为国家关键生产要素,已成为数字经济时代的核心。作为数据要素安全流通的重要基础设施,隐私计算技术正在推动构建密态数据计算网络,赋能数据价值安全释放并服务于干行百业。相信阅读本书能够使思者有收获,智者有洞见。
——洞见科技CTO   何浩
我们既要维护数据安全,又要打通数据孤岛、畅通经济大动脉,这就要求我们必须把数据安全贯穿于数据开发和流通的全过程。隐私计算增强技术正在成为数字经济新基建,保障数据在可用不可见的基础.上充分释放数据要素价值。
——同盾科技隐私计算负责人   陈涛
 
五、目录:
第一章  隐私计算赛道崛起
一、需求的产生:明文数据盛宴结束
二、技术的演进:隐私计算技术达到基本可用 
三、法律政策的推动:隐私计算成为持续的刚需
第二章  隐私计算对数字经济的影响
一、隐私计算对科技产业的影响 
二、隐私计算对其他产业的影响 
第三章  隐私计算的技术路径
一、隐私计算与相近技术的关系
二、隐私计算技术流派 
三、隐私计算的技术标准
四、隐私计算技术专利分析
第四章  隐私计算市场模式与现状
一、隐私计算的 To B 市场与 To C 市场
二、隐私计算产业图谱 
三、隐私计算公司商业模式与业务方向
第五章  隐私计算在金融领域的应用
一、隐私计算在金融领域应用的演进与现状
二、隐私计算在金融领域的场景应用 
第六章  隐私计算在非金融领域的应用
一、隐私计算在医疗领域的应用
二、隐私计算在政务领域的应用 
三、隐私计算在营销领域的应用 
四、隐私计算在其他领域的应用 
第七章  BigTech 的隐私计算布局
一、阿里巴巴
二、蚂蚁集团
三、微众银行
四、腾讯集团
五、百度集团
六、华为集团
七、京东集团
八、字节跳动
九、平安集团
第八章  创业公司与风险投资
一、隐私计算投融资分析
二、创业公司典型案例
第九章  隐私计算项目竞争力评价维度
一、技术与产品竞争力
二、市场能力
三、融资能力与调动资源的能力
第十章  隐私计算技术未来发展趋势
一、多种技术融合发展的趋势 
二、互联互通的发展趋势 
三、与信创产业相结合的趋势
致 谢
 
六、精彩试读:
 
摘自《第四章 隐私计算市场模式与现状》
目前,隐私计算市场尚处于发展的初期。从服务对象来看,在中国国内,隐私计算市场目前主要是一个面向企业(To B)的市场。但是在美国,已经出现了通过为企业提供隐私计算服务从而间接为个人提供隐私保护服务的模式,未来很有可能出现直接为个人提供隐私保护服务(To C)的应用。
从行业发展成熟度来看,在中国国内,2021 年隐私计算技术开始商业应用,2022 年隐私计算产品的标准化程度大大提高,应用落地开始加速。但是,总体而言,市场发展仍然处于初期。目前,主要是头部的金融机构、较发达地区的政府机构、少量的医疗机构落地了隐私计算应用,在其他领域隐私计算也有零星的落地。
一、隐私计算的 To B 市场与 To C 市场
如本书前文所述,目前,在国内外,隐私计算主要是用在企业与企业之间的数据交互方面。一般来说,企业在为个人提供服务时,获得个人授权采集数据之后,在与其他企业的数据进行联合分析处理的时候,并不让这些数据离开本地,而是应用隐私计算技术来解决数据的交互问题。因此,在现阶段,在全球范围内,隐私计算主要是一个 To B 市场。隐私计算厂商主要是通过为企业提供服务,起到保护个人隐私的作用。
未来,隐私计算有出现 To C 市场的可能性。据零壹智库了解,目前中国国内也已经有企业开始研究探索相关应用。 目前,个人数据主要是被分散存储在各种各样的场景应用中。
比如,个人用户使用信用卡贷款,个人身份信息、贷款和还款的信息就会被存储在银行的信用卡中心。个人用户在网上购物,个人姓名、手机号、家庭住址、购买的物品和价格信息就会被存储在电商账户中。个人通过打车 App 使用出租车服务,个人姓名、手机、打车时间、起止地点、金额等信息就会被存储在 App 中。个人的社保、公积金、学历学籍等信息,则是存储在各级政府的信息系统中。
因此,目前的个人隐私保护在很大程度上要依赖各类企业对个人信息的保护。如果信用卡中心、电商公司、打车 App、各级政府的信息系统没有保护好个人信息,个人信息就有泄露的可能。
未来,有可能出现新的为个人提供信息保护的应用。这一预测来自零壹智库对加州大学伯克利分校教授、Oasis Labs 创始人兼首席执行官宋晓冬的访谈。宋晓冬用“Data Vault(数据金库)”来描述未来可能出现的这一类新的应用。她认为隐私保护逐渐落实在每个人
身上,让个人成为数据的主人、并且从隐私的保护和分享中受益是大势所趋,要实现这一进程可能耗时不会超出 10 年。
宋晓冬用个人电脑的发展历程来类比解释这一进程。世界上第一台计算机诞生于 1946 年,占地 170 平方米,重达 30 吨,那时谁都没想到人人都能够拥有一台电脑。但是,1981 年 IBM 发布了个人计算机,电脑走入千家万户,全球有数百万户家庭开始使用电脑。21 世纪以来,智能手机逐渐普及,现在几乎人人都有一部智能手机。
目前,在实践中,隐私计算有 To C 的尝试,但是还不能说形成了 To C 市场。
零壹智库在调研中看到的 To C 的案例有两个。
 
(一)Google 尝试提供 To C 的隐私计算服务
2016 年 Google 提出联邦学习的时候,原本是将联邦学习用于解决安卓手机终端用户在本地更新模型的问题,其设计目标是在保障大数据交换时的信息安全、保护终端数据和个人数据隐私、保证合法合规的前提下,在多参与方或多计算结点之间开展高效率的机器
学习。
2021 年 9 月 9 日,Google 正式发布了 Android 12 的最新测试版Android 12 Beta 5,该版本是 Android 12 正式推出前的最后一个测试版。如果一切顺利,正式版本将在几周之内发布。
Google在Android 12 Beta中引入私有计算核心(Private Compute Core),官方推出私有计算服务,在私有计算核心和云之间搭建隐私保护的桥梁。
私有计算核心是一个用于处理敏感数据、集中的、安全的环境。该环境将敏感信息与操作系统和其他应用软件中的信息隔绝,使敏感信息与互联网间没有直接传输渠道。私有计算核心与云端之间的间隔由一系列应用编程接口(API)连接,API 将去除敏感数据的可识别信息,并利用联邦学习、联邦分享、私有信息检索等隐私计算加密。
私有计算核心将使 Android 12 Beta 新增 3 项功能:实时字幕、听歌识曲和智能回复。
在用户使用手机时,Google 应用设备自带的语音辨识装置识别字母,并合成媒体文件。考虑到该功能需要访问社交媒体才能按预期工作,Google 将该功能铺设在私有计算核心中。
听歌识曲是利用收集的像素专属设备识别周边音乐,不用专门打开音乐应用软件。由于识别歌曲,处理数据需要访问麦克风,Google 同样将该功能设置在私有计算核心中。
智能回复将保护个人日常的交流信息。以往,信息应用程序将读取个人发送和接收的信息,在输入法内建议个人相关的回复内容, 这往往涉及个人隐私最核心的部分。因此,Google 通过私有计算核心环境,将个人回复在键盘和消息应用程序中隐藏,直到个人同意
收集读取数据。
(二)Oasis 尝试间接为个人提供隐私计算服务
Oasis 由加州大学伯克利分校教授宋晓冬创办。Oasis 网络于2020 年 11 月 19 日正式上线,是全球首个具有隐私保护功能和可拓展性的去中心化区块链网络。
与许多隐私计算创业公司主要服务于企业客户不同,Oasis 同时也希望可以让个人用户拥有更好地掌控自己数据的权益。在 Oasis 的设计中,应用 Oasis 网络,用户不仅能够完全掌握自己的隐私数据,还能通过共享隐私数据获得收益。
Oasis 与星云基因(Nebular Genomics)的合作是目前已经落地的典型案例。
在美国,虽然直接面向消费者的基因检测公司为个人提供了有关血统和疾病风险的全新信息,但许多公司因侵犯用户隐私和破坏用户信任而受到抨击。这一问题对基因检测行业影响巨大,因为这降低了用户对基因检测公司的信任,减少了对基因检测服务的使用,从而极大地减慢了整个基因检测行业的发展速度。
星云基因希望通过与 Oasis 的合作,为这一问题找到新的解决方案,使得消费者既能够享有基因检测带来的好处,又不用担心自己的基因数据被滥用。2020 年 9 月,基因测序初创公司 Nebula Genomics 与 Oasis 达成合作。使用 Oasis 的框架,客户可以保留其
基因组数据的所有权,而星云基因可以在不查看客户原始信息的情况下对数据进行分析。该产品现已在 Oasis 的测试版中提供给星云基因的用户。
据了解,这一过程的具体实现是这样的:
当用户购买基因测试的试剂盒并提交样品后,他们可以登录星云基因获取测试报告,获悉新的基因变异和风险评分。 而在双方合作后,用户在星云基因的数据将被存储在 Oasis 的平台 Parcel 上。在创建 Oasis 账户后,客户可查看数据使用政策并进行授权,其基因数据将通过 Parcel 加密并加载于安全飞地(Secure Enclave,隐私计算技术的一种,可以理解为可信执行环境,通过为应用程序及其使用的数据提供隔离计算环境来保护隐私安全)环境中。
星云基因每一次调用数据和分析使用前,Parcel 都将验证客户的授权和使用用途与政策所述的符合性。只有在客户授权的情况下,星云基因才有权在 Secure Enclave 这个安全的运行环境下执行代码、调用数据,并根据最新的科学发现生成新的基因报告。 另外,Parcel 用户可以随时返回 Oasis Steward 应用程序,查看访问其基因组数据的时间和方式的完整历史记录。他们还可以使用Oasis Steward 应用程序随时撤销权限,确保他们可以完全控制自己的基因组数据。
与此同时,除了数据确权和监控用途,用户可以实际获取分享数据的收益。如果有医药公司需要调取星云基因数据库做研究,需要根据调用次数和数据体量向个人用户支付费用。
二、隐私计算产业图谱
(一)隐私计算产业生态
隐私计算的产业生态当中,包含甲方、乙方和丙方 3 方。甲方指的是数据使用方。目前,这些机构集中在金融、政务、医疗、营销等几个领域。金融机构包括银行、保险等机构,其中银行数量最多。政务机构主要是各地政府部门。医疗机构,主要包括
各地各级医院、药厂等。
乙方指的是数据源。目前金融类数据主要集中在政府、运营商、银联、互联网巨头手中。医疗数据在各地各级医院、医药公司、体检机构、医保机构的系统里。政务数据主要包括工商、司法、税务、海关、学历学籍等各政府职能部门日常运行积累的数据。政务数据在部分省市有政务数据共享平台和政务数据开放平台,但大多数数据往往散见于各地政府的各职能部门,难以互联互通,只有少数部门的数据是全国性的,其他数据都较为分散,即使是已经公开的信息很多也并不完整。
丙方指的是不拥有数据的服务机构,比如隐私计算厂商、云服务商、大数据服务商等。他们可能服务于数据源或者数据使用方,数据可能存放在他们的系统里,但是数据不属于他们。
(二)隐私计算厂商图谱
在业界,目前提供隐私计算服务的厂商大致可以分为以下 10 类。
第一类,互联网巨头。目前,阿里巴巴、蚂蚁集团、微众银行、腾讯集团、百度集团、华为集团、京东集团、字节跳动等互联网巨头都已经开始在隐私计算方向发力,旗下多个业务板块都推出了隐私计算产品。
第二类,云服务商。目前,阿里云腾讯云百度云、京东云、金山云华为云、优刻得等云服务商都推出了隐私计算服务。
第三类,有人工智能背景的公司。比如瑞莱智慧、医渡云、三眼精灵、渊亭科技等。
第四类,有区块链背景的公司。比如矩阵元、Oasis Network、ARPA、趣链科技、零幺宇宙、宇链科技、翼帆数科、熠智科技、算数力、同济区块链等。
第五类,有大数据背景的公司。比如星环科技。
第六类,有安全背景的公司。比如阿里安全、腾讯安全、百度安全、安恒信息、八分量、融安数科、瓶钵科技、沙海科技等。
第七类,软件服务商。比如普元信息、神州泰岳。
第八类,有金融科技背景的公司。比如同盾科技、富数科技、 天冕科技金智塔科技、百融云创、冰鉴科技、甜橙金融等。
第九类,有供应链金融背景的公司。比如联易融纸贵科技等。
第十类,从隐私计算出发的初创公司。如华控清交、蓝象智联、洞见科技、锘崴科技、翼方健数同态科技、数牍科技、星云Clustar、冲量在线光之树科技融数联智、摩联科技、隔镜科技、神谱科技、凯馨科技、煋辰数智、原语科技等。
三、隐私计算公司商业模式与业务方向
(一) 商业模式
据零壹智库调研了解,隐私计算公司目前有 三种商业模式。
第一,硬件销售。目前在隐私计算领域,有两种硬件,一种是FPGA 加速卡,一种是隐私计算一体机,都是使用硬件提升隐私计算性能,更加符合实际应用场景需求。比如星云 Clustar 隐私计算软硬件一体机、蚂蚁摩斯隐私计算一体机等。
第二,软件销售。就是销售隐私计算系统软件,大多数有隐私计算业务的公司都有这样的系统软件,比如蚂蚁摩斯多方安全计算 平台、华控清交 PrivPy 多方安全计算平台、富数科技阿凡达安全计算平台、洞见科技 INSIGHTONE 洞见数智联邦平台、蓝象智联GAIA 平台等。
第三,平台分润。隐私计算公司软件销售积累了一定数量的客户之后,客户通过软件平台调用数据,获得收益之后,隐私计算公司可以获得这方面的收入。
 
分润有三种方式:
其一,数据源测分润。即根据数据调用量,在数据源收益中分润。
其二,数据应用场景分润。在金融应用中,隐私计算主要应用于金融业务的风控和营销场景,可以从场景取得的收益中分润。
其三,类数据代理模式。向数据源采购数据,加工成评分之后进行销售,整个过程中应用隐私计算技术。销售评分的价格,是在数据采购成本的基础上进行加价。
但是,目前开源正在成为潮流,这使得在未来可能出现新的隐私计算商业模式。
在中国,隐私计算的开源是从微众银行的隐私计算系统 FATE开始的。2019 年 7 月,微众银行一共发布了 10 款开源软件,其中就包括 FATE——第一个开源联邦学习系统,开创了隐私计算系统开源的先例。
当下,零壹智库了解到,在隐私计算领域,还有更多的公司已经或者正在加入开源的行列。比如,2020 年初,字节跳动联邦学习平台 Fedlearner 开源。2020 年 5 月,矩阵元隐私 AI 开源框架 Rosetta发布。星云 Clustar 在 FATE 开源社区内开源了解决针对 FATE 平台自身存在的一些问题的方法,如解决 FATE 进程间通信问题的经验、技术、研究成果等。富数科技也在考虑开源计划,并且倡导开源项目之间也要采用开放的、兼容的、公共的技术协议。
对于 B 端,开源也在市场上逐渐发展为成熟的商业模式。主要的 3 种商业模式有:第一,在软件开源提供后,以软件后期的运维、部署、咨询、升级等技术手段盈利;第二,发行企业版与开源社区版双版本,企业版以服务于一些特点企业应用场景进行盈利;第三,
通过将开源软件部署在云端服务器,需求方通过订阅的方式向提供方付费使用,同时这种模式也免去了实地部署等线下的过程以及安装费用。
因此,以后如果有更多的隐私计算平台开源,将可能发展出更多的商业模式。
(二)不同的愿景与方向
在市场发展初期,各公司的商业模式非常相像。据零壹智库了解到的,目前巨头和隐私计算创业公司在隐私计算业务上的收入来源,都是前文所述商业模式的不同组合,并无特别明显的差异。
但是他们各自的目标和愿景并不完全相同,有可能在未来的发展中产生分化。
1. 数据底座
致力于做数据底座的公司,业务的重点在于为数据流通建立安全的技术和设施底座,为数据安全流通“修路架桥”,主要不是提供其上层的风控建模、营销等方面具体应用产品和服务。他们更加倾向于通过合作为其他公司提供底层技术平台,而非自己去提供具体的应用开发和服务。
华控清交致力于做数据流通基础设施建设,是这一方向的典型代表。
基于多方安全计算等密码学理论的隐私保护计算和数据流通技术、标准和基础设施的技术与产品体系是华控清交的核心,能够满足广泛用户群体保护多方数据隐私且实现协同计算的基本需求。在此基础上,用户可以结合实际场景以及自身实际需求,通过增加相关模块(包括存证模块、研发辅助模块、AI 计算模块、缓存模块、SQL 模块、明密文协同计算模块等功能模块)对标准平台进行补充以实现更全面的功能。
在华控清交的商业模式中,有一个突出的特点:华控清交不碰数据。在公司发展初期,华控清交的收入主要来源于项目收入,项目收入主要是技术和解决方案的销售收入。目前,华控清交已经进入了产品销售阶段。未来,预计华控清交的收入主要来自于技术和产品赋能以及数据流通生态建设和服务。但是,目前商业模式尚未完全成熟,需要在未来的商业实践中进行不断探索。
除了华控清交之外,也有更多的公司在这一方向进行探索。比如,翼帆数科等。
2. 与场景深度融合
更加注重与场景深度融合的公司,在提供隐私计算软件系统之外,在为场景方提供服务方面有更多的积累。并且,其在服务全程中需要配置更多的资源来服务这一战略方向。在未来的收入结构中,他们从场景方的收益中获得的分成占比也将不低。
洞见科技是这一方向的典型代表(关于洞见科技业务的具体内容,将在第 8 章中详细介绍)。
在资源积累、技术发展、市场推广方面,洞见科技的行动都展现出与场景深度融合的能力与倾向。
首先看资源积累。对于数据资源,在市场化数据、生态数据、政府数据方面,洞见科技都有较为深厚的积累。
其次看技术发展。洞见科技在技术与场景进行深度融合方面走得更远,这主要体现在数据处理和场景应用两个方面。
在数据处理方面,结合多年的数据挖掘经验,洞见科技正在让数据的预处理更加自动化和智能化,从而提高数据在隐私计算环节的计算效率。比如,可以对数据特征工程进行一些基于历史模型的预设,从而简化计算。
在场景应用方面,洞见科技将隐私计算技术与其他金融科技进行了深度融合,比如与决策引擎、关联图谱、智能建模等技术的结合,衍生出了隐私切片计算、隐私安全图学习等技术方案,不但提 升了隐私计算技术本身的厚度,还大大改善了应用的便捷性和计算 结果的可用性。
最后看市场推广。洞见科技的市场推广策略也是与对场景的服
务相配合的。
为了以更少的人力投入触达更多的金融机构,不少隐私计算厂商会依靠合作伙伴来进行部分市场推广。这些合作伙伴大多是此前与金融机构有业务合作的公司,比如金融 IT 服务商等。
洞见科技的做法则完全不同。除了少数政企客户之外,大多数情况下,洞见科技都会依靠自己的市场人员与客户直接接触。这样做是因为,在金融机构购买洞见科技的隐私计算软件之后,洞见科技后续要通过这个软件平台,为金融机构提供智能风控、智能营销、反洗钱、资产风险扫描等方面的服务。洞见科技需要与客户直接接触,深入了解客户的业务,帮助客户解决问题。
3. 隐私计算叠加数据运营
此类隐私计算公司,初期是从某一场景切入,致力于打通数据流通链路,为数据流通提供平台服务。
蓝象智联是这一方向的典型代表。
蓝象智联首先进入的是金融行业。在金融机构一侧,不少机构对如何应用互联网大数据的能力还有待提升。蓝象智联会在业务开展过程中,帮助金融机构了解不同的数据源在金融业务中应当如何使用。在数据源一侧,数据源机构掌握的数据维度非常多,但是部分数据源缺乏对金融机构的业务理解,也不知道金融机构需要哪些数据,蓝象智联根据其在金融领域的业务经验会帮助数据源对数据进行处理和封装,使得杂乱无章的数据变成符合金融机构应用需求的标准化的数据资产。
这些行动的目标在于,打通数据交易的链路,使得数据源和数据使用方的需求能够真正对接起来,通过数据量与业务场景的更多连接,由量变演进到质变,帮助金融机构更好地发展业务,促进数据价值流通,释放数据要素生产力。
4. 共享智能平台
致力于走这一方向的公司,隐私计算只是其业务的一环,其整个商业体系还有其他更多的设计目标。隐私计算在整个设计体系当中,主要是帮助实现数据价值的安全共享。在此基础之上,整个商业体系应用数据分析来实现其他的业务创新。
同盾科技是这一模式的典型代表。(关于同盾科技业务的具体内
容,将在第 8 章中详细介绍)
同盾科技致力于建设可信 AI 生态的基础设施——“基于隐私计算的共享智能平台”,并基于知识联邦理论构建了系统的隐私计算产品与技术矩阵——智邦架构体系。智邦体系的核心是智邦平台iBond,平台下层包含数据安全交换协议—智邦 FLEX、计算与通信引擎 Ionic 等组件。基于平台的应用,智邦体系还将逐步打造数据要素市场—智邦 iData。
智邦平台 iBond是基于知识联邦理论体系构建的工业级安全多方应用平台,可以帮助数据源和数据使用方之间实现数据安全交互。智邦平台依托工业级算子库以及计算与通信引擎 Ionic、数据安全交换协议—智邦 FLEX 等组件,目前已形成安全对齐(PSI)、多方安全计算(MPC)、联邦学习(FL)、隐匿查询(PIR)等完善的产品矩阵。
数据要素市场—智邦 iData是基于隐私计算的资源共享平台,为同盾客户之间的数据价值安全共享、业务合作,提供一站式安全合规的数据要素共享市场,打造规模可控、准入审核的合规数据要素生态圈。iData 以智邦平台 iBond 为客户间联邦合作的本地操作产
品,通过联邦建模、联合统计分析、安全对齐等应用方式,在保护数据隐私安全的基础上,借助生态内已连通的多样数据要素,深入挖掘数据要素价值、提升业务效果。基于这样一整套基础设施的建设,同盾科技的主要目标是面向下一代人工智能,建立可信 AI 生态平台,汇集数据、算法、模型和各种应用,通过“隐私计算 +AI”双轮驱动,支撑场景化决策智能。
5. “区块链 + 隐私计算”基础平台
这是零壹智库在调研中发现的全新的业务方向。这一方向的典型代表是微众银行的 WeDPR 平台、蚂蚁 FAIR 平台和 Oasis Network。
WeDPR 是将区块链技术与隐私计算技术结合起来建立的平台。它使得实际商业场景中的敏感数据在区块链上可以得到更好的隐私保护。
具体来说,WeDPR 是一套场景式隐私保护高效技术解决方案,依托区块链等分布式可信智能账本技术,融合学术界、产业界隐私保护的前沿成果,兼顾用户体验和监管治理,针对隐私保护核心应用场景提供极致优化的技术方案,同时实现了公开可验证的隐私保
护效果。
WeDPR 由微众银行自主研发,致力于使用技术手段有效落实用户数据和商业数据的隐私保护,提供即时可用的开发集成体验,助力全行业合法合规地开拓基于隐私数据的核心价值互联和新兴商业探索,同时让数据控制权真正回归数据属主。
WeDPR 为“区块链 + 隐私计算”的融合发展探索出新路径,助力落地更多的应用场景,可应用于支付、供应链金融、跨境金融、投票、选举、榜单、竞拍、招标、摇号、抽检、审计、隐私数据聚合分析、数字化身份、数字化资质凭证、智慧城市、智慧医疗等广泛业务场景。
场景式隐私保护解决方案 WeDPR 由微众银行区块链团队基于多年来在技术领域的沉淀而研发。该团队自 2015 年开展联盟链领域技术研究和应用实践以来,已研发出一整套含括底层技术、中间件、分布式数字身份、数据隐私保护、跨链、消息协作、数据治理等在
内的技术方案支撑产业应用,实现全方位国产化,公开专利申请数位居全球前列,参与制定国际国内多项标准,牵头建成最大最活跃的国产开源联盟链生态圈,生态圈内汇集 4 万余名社区用户、2000多家企业及机构共建区块链产业生态,数百应用项目基于 FISCO  BCOS 研发,其中超 120 个应用已在生产环境中稳定运行。同时,开源极大地推动了行业落地应用的发展。出数据隐私协作平台 FAIR。
FAIR 平台是面向数据隐私计算与协作融合的一体化产品。核心基于区块链和隐私计算技术,提供包括数据接入发布、协作计算、价值分配和流转的全生命周期处理能力,是面向未来数据要素流通领域所设计的数据交付平台。基于智能合约编排、调度,实现数据从分类分级导入、发布注册、授权计算到价值流转分配全链路的可信、可证和隐私安全。
得益于蚂蚁链在底层技术的积累,该平台融合了多方安全计算(MPC)、可信执行环境(TEE)、联邦学习(FL)三类主流的隐私计算技术。此外,通过深度融合软硬件技术,构建了自主安全计算硬件并获得 CFCA 安全认证,联合达摩院计算技术实验室和阿里安全
双子座实验室等团队设计的全同态硬件加速,实现了百倍以上的性能提升。
这是蚂蚁链区块链架构的全新升级。在新架构上,隐私计算成为一种原生能力,在出厂设置中就与区块链一起融合到单个系统内。这是业内首个提出将隐私计算作为原生能力的区块链网络平台。在未来,这有可能成为数据资产流转的“高速公路”。这里需要指出的是,“原生”的意思并不是简单地把区块链和隐私计算技术放到一起,而是根据整体要实现的数据交付目标,来定义在数据流转的关键阶段和节点所需要的协议和计算方式。
目前,行业内的通用做法是,通过双系统架构将两者结合。对于客户来说,需要采购、配置两套系统才能实现协作目标,且在协作过程中,两套系统的适配能力和安全也存在挑战。
区块链和隐私计算技术的结合,不是简单相加就可以的,二者的结合需要解决许多新的问题。数据资产的交付比实体商品的交付更加复杂,交付过程中要保障各方的权益,要保证整个过程是可审计、可验真的,这不仅需要隐私计算和区块链的技术来做点的支撑,还需要许多大大小小的协议对基础数据的安全认证、隐私加密保护和存储等进行规定,从而将整个过程串联起来。因此,简单的隐私计算或区块链应用,都很难全面地、体系化地解决这个问题。
FAIR 的诞生,正是对目前区块链与隐私计算技术发展过程中面临的一系列问题的系统化的解决方案。
目前,在政务领域和大型企业,该方案已经被广泛应用于多个市县的数据开放共享的管理流程中,已适配多个行业、区域的数据管理条例,并逐步沉淀多个创新的数据场景服务。
Oasis Network 于 2020 年 11 月 19 日正式上线,是全球首个具有隐私保护功能和可拓展性的去中心化区块链网络。
技术创新方面,Oasis 网络采用独特的分层网络架构,将区块链分为共识层和 Paratime 层,实现更高的性能和更强的可定制性,进一步解锁区块链的新用例和应用程序。共识层由去中心化验证节点组成,具有可拓展、高吞吐量、安全等特点。
ParaTime 是智能合约层,托管许多 ParaTime,每个运行时代表具有共享状态的复制计算环境,用户可根据自身需求进行自定义创建。
在隐私保护方面,Oasis 采用了英特尔的 SGX 扩展指令集「TEE可信执行环境」实现隐私保护,数据进入 TEE 安全「黑盒子」「黑盒子」后会进行加密处理,输出结果为加密处理后的数据,任何没有权限的人甚至底层操作系统本身都不能非法调用,整个过程保护
了数据隐私性,确保敏感数据不会泄露给计算节点或软件开发者。
与此同时,Oasis 网络还提出了“数据代币化”创新概念,用户不仅能够完全掌握自己的隐私数据,还能通过共享隐私数据获得收益,进一步实现隐私保护,推动构建有责数据经济。

耗时 329ms