隐私计算：“解锁”数据要素流通难题

不同历史时期有着不同的核心生产要素，农业社会的核心生产要素是土地和劳动力，工业社会的核心生产要素是资本，技术与管理，而如今的数字经济时代，数据成为核心生产要素之一近期国务院办公厅印发《要素市场化配置综合改革试点总体方案》，围绕土地，劳动力，资本，技术，数据等要素市场化配置改革提出了8个方面任务

数据天然是数字经济的核心要素但数据不会天然成为生产要素，要解决两个核心问题才会真正成为生产要素一是流通，二是确权华控清交董事长兼CEO张旭东表示

《方案》在探索建立数据要素流通规则方面中提出了四项任务:完善公共数据开放共享机制，建立健全数据流通交易规则，拓展规范化数据开发利用场景，加强数据安全保护其中特别提到，探索原始数据不出域，数据可用不可见的交易范式，在保护个人隐私和确保数据安全的前提下，分级分类，分步有序推动部分领域数据流通应用

数牍科技资深数据安全专家裴超表示，原始数据不出域，数据可用不可见的描述正对应着近两年崛起的隐私计算技术《方案》的出台，对于隐私计算及相关产业是一个重大利好信号

香港科技大学智能网络系统实验室主任，副教授，星云Clustar创始人陈凯表示，开展隐私保护计算技术创新与成果应用是落实国家数据要素市场化配置改革要求的有益举措。

实现数据不动价值动

传统的公开数据搜集，原始数据共享等都是广义上的数据融合方式，但这些传统融合方式在应用场景，隐私保护等方面存在一定的局限性陈凯说对于这一问题，张旭东表示，传统的信息共享的方法是基于明文数据，而明文数据一旦被看见就会泄露具体信息，难以限制其用途和用量，难以厘清责，权，利，这导致了明文数据难以通过供需关系定价，难以大规模市场流通

以金融业为例，陈凯认为，金融业作为数据密集型行业，其产生和使用的各类金融数据与客户信用水平，资产财产状况等高度相关，涉及消费者个人隐私，如何在确保安全合规的前提下加强融合应用历来是一个两难问题。当数据没有从局部区域出来时，实现联合建模和推理。

张旭东提出，数据的价值，一方面在于其可见的信息价值，另一方面在于其参与计算得出的结果价值，即其计算价值在大数据，人工智能得以广泛应用的今天，数据的价值被更多的地体现在其计算价值上

伴随着科技的进步，依托多方安全计算，联邦学习等隐私计算技术，探索实现 数据可用不可见，数据不动价值动的数据流通交易新范式，成为数据融合创新的新途径，新方向所谓隐私计算，是一种由两个或多个参与方联合计算的技术和系统，参与方在不泄露各自数据的前提下通过协作对他们的数据进行联合机器学习和联合分析在隐私计算框架下，参与方的数据不出本地，在保护数据安全的同时实现多源数据跨域合作，可以破解数据保护与融合应用难题

落地金融风控等场景

近期，人民银行发布的《金融科技发展规划》提到，在技术方面，积极应用多方安全计算，联邦学习，差分隐私，联盟链等技术，探索建立跨主体数据安全隐私计算平台，在保障原始数据不出域前提下规范开展数据共享应用，确保数据交互安全，使用合规，范围可控，实现数据可用不可见，数据不动价值动。联邦学习在金融场景中的实际表现，如反洗钱，信用风险控制和营销等。”。

裴超介绍说，2021年，隐私计算已经在通信，金融，政务等场景尤其是关键基础设施行业开展了探索和实践，一些银行，运营商都进行了立项招标。原则上，通过构建计算网络，客户可以在自己的终端使用本地数据对模型进行训练，上传并汇总模型的更新内容，融合不同侧重点的模型更新，实现预测模型的优化。陈墨总结道，“联合学习意味着数据不会移动，模型也不会移动。

根据中国工商银行金融科技研究院协同华控清交共同编写的《隐私计算推动金融业数据生态建设》白皮书，国内隐私计算金融应用领先国际我国互联网企业，科技公司及金融机构最近几年来相继研发多款成型隐私计算产品，相关产品呈现平台化发展趋势，技术组合应用日益明显国内示范场景已包含授信风控，产品营销，移动支付人脸识别，跨境结算，反洗钱等

以银行业为例，风控一直是银行业务运营的一个重要任务最近几年来，银行业一直在探索如何在充分保障用户隐私和数据安全的前提下，将高价值数据应用于智能风控业务场景，建设风控模型精细化，用户画像精准化的智能风控能力

陈凯介绍说，传统风控方式通常采用的是评分卡模型和规则引擎等强特征进行风险评分，效率比较低，覆盖范围也比较小而利用隐私保护计算技术，银行便能合规，安全地引入更多维度的数据优化迭代风控模型，构建贷前价值成长，贷中数字信用及贷后风险预警的全生命周期风控模型，更好地实现精准风控

郑重声明：此文内容为本网站转载企业宣传资讯，目的在于传播更多信息，与本站立场无关。仅供读者参考，并请自行核实相关内容。