全球专业中文经管百科,由121,994位网友共同编写而成,共计436,015个条目

隐私计算

用手机看条目

出自 MBA智库百科(https://wiki.mbalib.com/)

隐私计算(Privacy Computing)

目录

什么是隐私计算

  隐私计算是面向隐私信息全生命周期保护的计算理论和方法,具体是指在处理视频、音频、图像、图形、文字、数值、泛在网络行为信息流等信息时,对所涉及的隐私信息进行描述、度量、评价和融合等操作,形成一套符号化、公式化且具有量化评价标准的隐私计算理论、算法及应用技术,支持多系统融合的隐私信息保护。[1]

  隐私计算涵盖了信息所有者、信息转发者、信息接收者信息采集、存储、处理、发布(含交换)、销毁等全生命周期过程的所有计算操作,是隐私信息的所有权、管理权和使用权分离时隐私信息描述、度量、保护、效果评估、延伸控制、隐私泄漏收益损失比、隐私分析复杂性等方面的可计算模型与公理化系统。

隐私计算的技术方向

  从技术角度出发,隐私计算是涵盖众多学科的交叉融合技术,目前主流的隐私计算技术主要分为三大方向:第一类是以多方安全计算为代表的基于密码学的隐私计算技术;第二类是以联邦学习为代表的人工智能与隐私保护技术融合衍生的技术;第三类是以可信执行环境为代表的基于可信硬件的隐私计算技术。不同技术往往组合使用,在保证原始数据安全和隐私性的同时,完成对数据的计算和分析任务。[2]

  1.多方安全计算

  多方安全计算(Secure Multi-party Computation,MPC)由图灵奖获得者姚期智院士于1982年通过提出和解答百万富翁问题而创立,是指在无可信第三方的情况下,多个参与方共同计算一个目标函数,并且保证每一方仅获取自己的计算结果,无法通过计算过程中的交互 数据推测出其他任意一方的输入数据(除非函数本身可以由自己的输入和获得的输出推测出其他参与方的输入)[2]

  2.联邦学习

  联邦学习(Federated Learning, FL),又名联邦机器学习、联合学习、联盟学习等。联邦学习是实现在本地原始数据不出库的情况下,通过对中间加密数据的流通与处理来完成多方联合的机器学习训练。联邦学习参与方一般包括数据方、算法方、协调方、计算方、结果方、任务发起方等角色,根据参与计算的数据在数据方之间分布的情况不同,可以分为横向联邦学习、纵向联邦学习和联邦迁移学习[2]

  3.可信执行环境

  可信执行环境(Trusted Execution Environment, TEE)通过软硬件方法在中央处理器中构建一个安全的区域,保证其内部加载的程序 和数据在机密性和完整性上得到保护。TEE是一个隔离的执行环境,为在设备上运行的受信任应用程序提供了比普通操作系统(Rich Operating System, Rich OS)更高级别的安全性以及比安全元件(Secure Element, SE)更多的功能[2]

  4.多方中介计算

  多方中介计算(Multi-party intermediary computation, MPIC)是由谭立、孔俊提出的一种新的隐私计算方法,是指多方数据在独立于数据方和用户的受监管中介计算环境内,通过安全可信的机制实现分析计算和匿名化结果输出的数据处理方式,是一个计算管理系统。在MPIC中,数据方的原始数据由其去标识化后输入中介计算环境或平台参与计算,完成计算后立即被删除,匿名化结果数据经审核后按指定路径输出。在MPIC的特定环境和规则下,信息数据的身份标识经过加密和标识化的处理,因其算法具有不可逆性,故无法恢复为原始数据,满足了匿名化的一个要求,即不能原复;同时,由于这些去标识化的信息数据被封闭在特定受监管环境或平台中,客观上达到了匿名化的另一个要求,即无法识别特定自然人。故被处理的数据实质可视同匿名化,不再属于个人信息,无需征得个人同意就可进入中介计算环境或平台参与计算。[3]

隐私计算的完善途径

  首先,应促进新技术交叉融合。一方面,以人工智能需求作牵引,丰富隐私计算落地应用场景,加快推动技术进步和成熟,最大化地释放数据价值。另一方面,综合运用隐私计算与AI、区块链、云计算等技术,来解决数据流通之前和之后,在权属、应用等方面的问题,以此找到产业应用的最佳路径。

  其次,应加快建立健全隐私计算的技术标准,塑造行业共识,遏制“脏数据”“毒数据”污染的风险。如今,隐私计算基数正在从实验室走向产业应用。市场中,诸多技术厂商涌现,技术水平参差不齐。只有把技术标准完善起来,不同厂商的产品才能互联互通,真正破解“数据孤岛”问题。

  再次,应想方设法破除平台壁垒。防止平台消极应对隐私保护、数据合规等监管要求,造成新的“数据群岛”,阻碍隐私计算产品的迭代升级。

隐私计算的发展与应用

  首个区块链与隐私计算科技创新平台成立

  由北京航空航天大学和北京微芯区块链与边缘计算研究院牵头组建的“未来区块链与隐私计算北京高精尖创新中心”正式批复成立。中心以区块链与隐私计算前沿技术攻关和人才培养为使命,聚焦国际领先的动态自适应区块链系统、多尺度隐私计算开源平台、区块链与隐私计算领域专用架构芯片与硬件等核心技术开展研发创新,构建可持续发展的优秀人才梯队,为区块链和隐私计算发展提供强大技术和人才支撑。

  科技以隐私计算技术赋能资管行业

  2021年12月30日,中国证监会正式启动第一批资本市场金融科技创新试点项目,经过征集遴选、专家评审、专业评估、社会公示等环节,16个申报项目脱颖而出,开始试点。洞见科技和中诚信数科联合申报的“基于隐私计算的债券估值体系建设项目”成功入选首批清单,以隐私计算技术赋能资管行业合规应用,促进资本市场数智化转型。

参考文献

本条目对我有帮助0
MBA智库APP

扫一扫,下载MBA智库APP

分享到:
  如果您认为本条目还有待完善,需要补充新内容或修改错误内容,请编辑条目投诉举报

本条目由以下用户参与贡献

essilco,上任鹅陈.

评论(共0条)

提示:评论内容为网友针对条目"隐私计算"展开的讨论,与本站观点立场无关。

发表评论请文明上网,理性发言并遵守有关规定。

打开APP

以上内容根据网友推荐自动排序生成

下载APP

闽公网安备 35020302032707号