◎何奎 記者 魏倩

既要保護資料安全，又要利用資料創造經濟效益，“魚與熊掌”如何兼得？

具有“資料不出域”“可用不可見特徵”的隱私計算，成為時下最受關注的“技術解”之一。特別是在資料合規風險下，隱私計算有望成為有效保護個人資訊的“一劑良方”。

近年來，隱私計算試點應用正在金融、醫療、政務等多個領域鋪開。目前，銀行業是隱私計算應用實踐最多的行業。

不過，隱私計算應用得到快速推進的同時，諸如“系統孤島”、運算效率低、安全性等挑戰也逐步顯現，以及商業化的應用價值等問題，都還有待進一步解決。

隱私計算站上風口

資料作為一種新型生產要素，其高效運用與安全之間如何實現平衡？隱私計算，被各方寄予了厚望，並在政策和市場合力推動下站上風口。

所謂隱私計算，是一種多方安全計算技術體系，也就是在保護資料安全及個人隱私的前提下，實現資料流通及資料價值深度挖掘的一系列方法。其中關鍵技術包括聯邦學習、多方安全計算、機密計算、差分隱私、同態加密等。

中國人工智慧學會（CAAI）榮譽副理事長、智慧投研技術聯盟（ITL）主席、微眾銀行首席人工智慧官楊強告訴上海證券報記者，隱私計算的核心特徵是“資料可用不可見”，可以保證資料在不出本地的情況下，得到安全使用並實現價值流動。其有效解決了“資料孤島”與保護使用者隱私之間的兩難問題，是實現資料安全與隱私保護的關鍵技術。

記者獲悉，近年來，隱私計算的探索發展，不僅得到央行等多個部門鼓勵，並在多個城市落地試點，包括北京、上海等城市。“隱私計算正在加速發展，市場層面也從落地初期驗證階段進入加速實施階段。”楊強說。

風口之下，越來越多的企業嗅到機會，積極佈局隱私計算研發，並推動商業化應用落地。在實際應用領域方面，隱私計算產品正快速融入金融、醫療、政務等場景中。艾瑞諮詢報告顯示，2021年中國隱私計算基礎產品服務的技術採購中，金融、政務、運營商佔據了75%至80%的市場份額。

頭部銀行在行動

金融行業是資料密集型行業，金融機構在推進數字化轉型時，既要守護客戶隱私，又要利用資料。面對這種需求，隱私計算被認為是一種有效的平衡工具。

2020年底以來，央行先後出臺兩份金融行業標準——《多方安全計算金融應用技術規範》《金融業資料能力建設指引》。此後，銀行加快了隱私計算佈局，開始“摸著石頭過河”。據瞭解，農業銀行、交通銀行等國有大行，光大銀行、浦發銀行等股份行以及部分農商行，均啟動了隱私計算研究並搭建隱私計算平臺，在部分場景開展了試點。

一家國有大行金融科技部門人士向記者透露，該行從總行到分行都在試點隱私計算應用，“隱私計算試點應用，是我行數字化轉型戰略的重要部分，因為這是一種確實能解決核心資料不落地的有效方式。”

光大銀行從頂層設計出發，與華控清交資訊科技（北京）有限公司（下稱“華控清交”）聯合搭建了一個具有基礎設施意義的隱私計算平臺。2021年8月，該行上線多方安全計算平臺。該平臺可以保障各企業原始資料在“可用不可見”“可控可計量”的前提下，規範開展資料共享與融合應用，實現跨企業間隱匿查詢、聯合統計、聯合建模等功能，適用於聯合營銷、聯合風控、統一授信等場景。

熱潮之下，市場不乏顧慮。熟悉該行業的人士告訴記者，要讓隱私計算在銀行業務中真正發揮作用，就要對原有系統流程進行“大刀闊斧”式的改造，但其難度很高。

“隱私計算投入較大，主要是頭部銀行在佈局。而且，對於隱私計算供應商來說，盈利模式也不理想——是收平臺建設服務費，還是與銀行分潤？”一位熟悉該行業的人士說。

“系統孤島”挑戰待解

在試點應用中，隱私計算面臨的考驗也已顯現。

“以我們落地情況來看，還要評估資料互動模型的碰撞效果。每個隱私技術平臺的資料模型不同，集合在一個平臺，需要不斷調整最佳化。”一家國有大行金融科技部門人士說。

這個考驗，正是行業面臨的共性挑戰——不同隱私計算平臺之間，存在資料流通壁壘。

楊強解釋說，資料提供方採用不同的隱私計算技術，在不同平臺部署，技術實現原理也存在較大差異。如此一來，跨平臺就無法互聯互通，造成新的“系統孤島”。

“系統孤島”會帶來不少麻煩：不僅增加系統建設和運維成本，資料應用的安全也面臨更大挑戰。楊強建議，可以透過開源開放的生產寫作方式，有效打通資料、平臺、機構之間的“孤島”，實現跨地區、跨地域、跨平臺互聯互通，同時推動制定統一行業標準，降低技術的使用門檻，實現真正的技術普惠。

記者注意到，業內開始出現打破不同隱私計算平臺壁壘的合作跡象。2021年9月，研發隱私計算技術的兩大頭部企業——華控清交和星雲Clustar達成戰略合作意向，雙方將在隱私計算平臺間的資料互聯互通等方面合作，努力打破因隱私計算技術差異造成的資料流通壁壘。

打破前述流通壁壘，只是解決隱私計算應用的諸多挑戰之一。對於行業而言，最大的挑戰在於——如何將隱私計算產品以簡單易部署、低成本的方式推廣到更多場景和更廣泛的生態。

這其中，一個重要的影響因素就是隱私計算的運算效率。平安科技副總工程師王健宗表示，相較於傳統集中式機器學習、明文計算，當前隱私計算會有數十倍甚至百倍的計算損耗。

他認為，演算法最佳化和硬體加速有望提升隱私計算的可用性。“未來，量子計算、光學計算有驅動隱私計算加速發展的可能。”