隐私安全计算是否可以“挑大梁”?

在大数据时代,基于大数据的应用,给日常生活、经济发展、城市治理等带来了极大的便捷。同时,用户隐私也面临着可能无处不在的“算计”,如何享受数据价值带来的利好并保护隐私,正成为当下热议的话题。

一、矛与盾:数据的开放应用与数据的隐私安全保护

一系列与“隐私数据”有关的事件在最近接二连三的出现在眼前。

蚂蚁金服和旷视关于“提供数据供对方训练算法”紧急公关,背后是人们对于“人脸数据”安全的关注。

苹果iOS 14内测版的推出,其中变化最大的就在于隐私保护新功能。比如App用于广告目的的用户追踪将需要获得用户批准等等。对于移动互联网中将追踪用户行为展开精准营销、定向投放的公司而言,无疑是个巨大的“打击”。

Tiktok美国事件背后更是说不清道不明的用户“隐私数据”问题。

“隐私数据”备受关注的同时,也引起了多方对于“隐私数据”的思考。

数据计算后可所产生的价值是不可估量的。对大数据应用或人工智能企业来说,合理边界和方式使用用户数据,已成为从企业到产业乃至整个社会发展的核心驱动力。

但保护“隐私安全”同样迫切。就像熵增科技创始人杨更曾说的,隐私就是我们故意要保持的信息不对称。一个没有隐私的人,相比一个有隐私的人是处于劣势的。而保护隐私能让个人处于更加公平的大环境中。

要让数据保持隐私安全不难,不收集、不去使用即可做到。但要推动数据作为生产要素产生价值和贡献,看似是盾与矛的关系,该如何化解?

二、既与又:隐私安全计算成为“唯一技术解”

中国科学院院士鄂维南曾在公开演讲中表示,数据作为一种特殊的资源,需要流动起来才能产生价值。不过,这种流动不是数据本身的共享,而是“数据价值”的流动,实现数据“可用不可见“。既能满足数据流动需求,又能保护数据与隐私安全。

因此需要一个“转换器”来实现数据安全和应用开放的“既与又”。隐私安全计算被认为是当下完成这一使命的“唯一技术解决”,是一门数据提供方不泄露原始数据和不泄露计算算法的前提下,对数据进行分析计算并能验证计算结果的信息技术。

隐私安全计算本身并不是一个单一技术,基于不同的信任假设和应用场景可以选择出适配相应条件的技术,括如基于硬件的TEE、基于密码学的安全多方计算(MPC)和全同态加密(FHE)、源自人工智能的联邦学习等等,实现“数据价值”的共享。

国内已经涌现出一批以隐私安全计算为核心技术的企业。根据翼方健数首席执行官罗震在公开演讲中表示,翼方健数的隐私安全计算平台翼数坊XDP,正通过隐私安全计算实现数据流通:数据不出平台,只在平台内授权使用,只输出数据的结果。

(图片来自网络)

数据要素市场的建立应该成体系和规模,应该通过生态进行快速搭建。

翼方健数通过构建“数据和计算的互联网”(IoDC),建设数据存储、计算和协作的开放生态。通过计算实现数据的打通、共享和价值实现。

总的来说,影响“隐私安全计算”转换数据价值共享效率有两大因素——技术和生态。技术是通向“数据价值共享”的工具,生态是繁荣“数据价值共享”的关卡。