首页 > 观点

柏亮:隐私计算,数字经济的新标配

观点 柏亮,陈舒雁 · 社会价值投资联盟CASVI 2021-11-08 阅读:10022

关键词:柏亮隐私计算数字经济数据安全联邦学习

到2024年,全球每年由隐私驱动的数据保护和合规技术支出将超过150亿美元。
随着数字化技术的发展,个人隐私信息的收集和传播越来越频繁,国内外数据泄露、数据窃取等问题频发,引发了人们对于隐私数据安全的担忧。在此背景下,隐私计算这一新兴技术应运而生。隐私计算如何保护个人信息安全,又将给企业带来哪些机遇和挑战?

10月27日,SDG智享会邀请到零壹财经· 零壹智库创始人、横琴数链数字金融研究院院长柏亮先生, 中央财经大学财经研究院数字财经研究中心执行主任陈波先生,经纶世纪创始人、CEO余中先生,穿越医疗研究院院长王敏先生,分享隐私计算的发展与动向。

分享嘉宾


对话嘉宾


主题分享

(以下内容根据柏亮先生演讲内容整理)


一、数据安全与隐私保护催生的刚需市场

普适计算之父马克·韦泽将计算分为三个阶段:主机型阶段、个人计算机阶段和普适计算阶段。当计算发展到普适计算阶段时,计算机本身不再重要,甚至已经从人们视线里消失了,但人们仍然能够在任何时间、任何地点获取和处理信息。

柏亮先生认为,普适计算从提出到现在,至少在人们的感官上已经基本实现了。随着近年来大数据概念和技术的提出普及和升级迭代,人们对数据的需求不断提升,要求数据总量大、种类丰富、传播速度快,而且人们发现,通过这种无处不在的运算,能够让效率快速提高,获得巨大的商业利益。

与此同时,我们明显感受到了数据带来的不适感,这种不适感源于大数据决策渴求:

一是无边的采集,数据采集的细致程度和密集程度远远超过我们的想象。

二是无界的使用,我们的数据被用在任何有可能用的场合,采集的数据被毫无边界地使用。

在这一情况下,国内外数据垄断、数据泄露、暗泄露、数据窃取等案例频发,引发了人们对于数据安全的担忧,由此产生了对隐私计算的迫切需求。近两三年来,隐私计算赛道迅速崛起。

柏亮先生指出,除了对于隐私保护的需求,隐私计算赛道的崛起还有以下原因:

技术的演进。隐私计算的原理模型早年已经存在,但是速度一直是影响其可用性的关键因素。根据调研,隐私计算计算速度慢的耗时达到明文计算的上百倍,而速度最快的耗时是明文计算的3—5倍,目前这一速度在很多场景已经达到初步可用。

法律政策推动。相关法律政策对于信息保护的要求越来越高,而对于数据泄露数据安全问题的追责更加严格,例如国外的《欧盟一般数据保护条例》,国内的《数据安全法》、《个人信息保护法》等。

二、边应用边突破的新型技术

隐私计算技术是在保护数据本身不对外泄露的前提下,多个参与方协同对自有数据处理、联合建模运算、分析输出结果、挖掘数据价值的一类信息技术。隐私计算不是指某一个具体的技术,而是一个范畴和集合。多方安全计算、联邦学习、可信执行环境都属于隐私计算技术。

多方安全计算(MPC):参与者在不泄露各自隐私数据情况下,利用隐私数据参与保密计算,共同完成某项计算任务。同时确保输入的隐私性和计算的正确性。对于计算条件的要求很高,计算性能相对较低。

联邦学习(FL):联邦学习的本质是一种机器学习框架。从技术层面上涉及隐私保护、机器学习和分布式领域,能有效地满足数据在不出本地的情况下,实现共同建模,提升模型的效果。

可信执行环境(TEE):集中数据进行计算,在CPU内划分出独立于操作系统的、可信的、隔离的机密空间。由于数据处理在可信空间内进行,数据的隐私性依赖可信硬件的实现。

图1 隐私计算的技术路径

资料来源:零壹智库

柏亮先生指出,目前这些技术尚在萌芽阶段,应用场景不够普遍,但已经受到大众关注,属于快速创新时期。根据Gartner预测,到2024年,全球每年由隐私驱动的数据保护和合规技术支出将超过150亿美元。

隐私计算在金融领域,特别是在风控、营销、反洗钱等领域,发挥着极为重要的作用。金融领域数字化程度高,机构对于数据安全有着更高的要求,保证数据隐私信息的安全性,自然也成为开展金融业务的重要前提。在金融机构与外部数据机构进行数据协作共享的过程中,对隐私计算的“可用不可见”有刚性需求。

目前国内的部分大型金融机构已经将该技术投入到应用之中,例如中国工商银行尝试应用联邦学习技术,交通银行开展隐私计算项目试点应用,招商银行在风控和营销场景中使用“星云Clustar”隐私计算方案。

此外,新兴技术型公司持续研发隐私计算相关技术,与金融机构达成合作。比如,同盾科技与电网企业通过智邦平台合作,在保护数据隐私的基础上分析企业的电力使用情况;星云Clustar作为国内率先开展隐私计算技术实现与落地的公司,目前可以做到使微众银行联邦学习开源平台FATE的性能提升50—70倍;瑞莱智慧基于RealSecure平台提供了“横向反欺诈建模及黑名单共享”解决方案,帮助各家中小银行在安全合规的前提下实现黑名单的共享、金融联盟风控反欺诈共建;金智塔科技将基于隐私计算的联合智能授信推广到数十家农商行、城商行和股份制银行,取得了良好的社会效益和经济效益;天冕科技运营亚洲首批持牌虚拟银行——WeLabBank,提供纯线上消费金融服务。

柏亮先生表示,当前隐私计算的市场状态具有以下特点:

技术成熟需要时间。产品性能的提升,建立安全性标准、赢得市场信任,业务效果的显现都需要时间。

产品价格较高,落地速度缓慢。大多数厂商目前还处于一对一为客户提供解决方案的阶段,产品尚未达到可以大批量复制的程度,许多机构对于是否采购隐私计算产品仍处于观望状态。

数据流通市场尚未成熟。目前隐私计算厂商的收入主要是软件系统的销售收入,未来隐私计算更大的收入来源于数据的流通使用,数据流通市场的成熟度对隐私计算市场的发展至关重要。

三、资本投入和企业创新的最新动向

从服务对象来看,中国的隐私计算市场主要面向企业。目前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的应用。

从行业发展成熟度来看,国内隐私计算市场的刚刚开始启动,一切都正在尝试和探索当中。

尽管仍处于发展的早期阶段,隐私计算依然形成了基本的产业图谱。目前隐私计算的服务模式以B to B为主,包括硬件销售、软件销售、平台分润和开源模式。

产业格局方面,隐私计算的产业生态主要由甲、乙、丙方构成,甲方(数据使用方,如金融机构、医疗机构、政府机构)和乙方(数据源)之间要形成安全可信的交易,需要丙方(隐私计算服务机构)的协作。

图2 隐私计算产业生态

资料来源:零壹智库

隐私计算的提供商来自于不同背景的公司,常见的有隐私计算厂商、云服务商、大数据服务商、区块链公司、安全公司、人工智能公司、金融科技公司和软件服务商等,其中不乏大型企业的参与。

图3 隐私计算服务商图谱

图片资料来源:零壹智库

资本投入方面,隐私计算市场受到企业看好,资本投入可观。据零壹智库不完全统计,截至2021年9月底,隐私计算初创公司累计获得63笔股权融资,公开披露的融资总额达到56.1亿元。融资活跃度整体向好,融资规模受少数公司影响波动较大,主体的投资在AB轮之前,早期阶段(B轮及其以前)的融资数量占81%。

图4 隐私计算投融资分析

资料来源:零壹智库

技术研发方面,尽管中国在隐私计算领域的研究晚于美国等发达国家,但随着政府相关政策的加持和企业及个人对隐私安全的愈加重视,中国的隐私计算技术在近两年获得快速发展。中国专利申请数量占全球隐私计算专利发布情况的51%,位列世界第一;专利申请集中在可信执行环境、多方安全计算和联邦学习领域,其中可信执行环境由于通用性高、开发难度低、算法实现更加灵活,最受众多科技公司的青睐。

智慧对话

余中
经纶世纪创始人、CEO


隐私计算只是工具和手段,其实根本性的问题是隐私计算要达到什么样的目的。

这个问题可以从两个方面考虑,一是从国家政策层面上要如何进行界定和监管,二是从个人用户的层面上要如何保护数据隐私,因为个人的隐私需求永远和服务内容的需求相关。隐私计算的目的,首先要将数据的隐私保护与数据流动性之间联系起来,建立二者的平衡,守住底线;另外要鼓励创新应用,将用户的隐私需求和对创新服务的需要有机结合。

陈波
中央财经大学财经研究院
数字财经研究中心执行主任


一些领域与隐私计算十分相关,但隐私计算却不能完全解决它们的问题。

我们在碳中和领域和国家电网合作时发现,电力行业下设的各个机构结构复杂,数据孤岛现象非常严重,数据融合也很困难,因此这一行业在数据整合和隐私计算方面有强需求;在跨境电商场景中,国内的电商行业、银行和亚马逊这样的平台合作时,很难在严格的数据保护政策下取得数据,这就需要双方在共同认可的环境里进行计算,各取所需;金融机构的客户认为隐私计算应该解决全部的数据的可信问题,而协议上往往沟通了几轮之后发现最后一公里并没有完全解决。

我认为隐私计算其实是有局限性的,隐私计算必须要有使用双方相互信任的前提,双方应该是地位同等的主体。隐私计算解决的不是信任问题,它解决的是如何让信任变得更可靠的问题,行业人员有一种错觉,隐私计算能够解决数据各个方面的问题,我觉得这本身是不太恰当的宣传,会导致实际应用的困难。

这两种隐私计算的模式在未来实行的可能性比较大:一种是以公共数据平台为基础,比如政府的大数据中心或是数据交易所,增加了基础设施,隐私计算的效率才能够被利用起来。另一种是建立平台性的企业,前提是它的整个供应链里面是有核心话语权和可信度的,仅仅通过隐私计算建立互信比较困难。

从技术上来说,隐私计算只是工具。要形成商业模式,一是要实现数据的追溯,解决数据的从哪里来的问题,二是解决数据审计的问题,无论是事后审计还是事前审计。

柏亮
零壹财经· 零壹智库创始人
横琴数链数字金融研究院院长


在隐私计算中,我们正面临一系列的数据流转问题。

现在传感器和生活中的网络接触点越来越密集,能够获得很多隐私数据。未来在数据产生的节点上,就应该有隐私计算的参与。目前隐私计算能做到的是B to B机构之间的合作,但是从原始数据的产生者到第一个获得数据机构之间的问题没有解决:我(掌握数据的机构)这有一堆数据,你要用我这一堆数据,得用隐私计算的方式给你,不能直接把原始数据给你——那么机构本身能否确认这些数据的真实性,又怎么让客户在不直接浏览数据的情况下确认真实性?这本身不是隐私计算应该解决的问题,它是数据产生、数据来源和数据确认的过程应该要解决的问题。

我们现在面临的数据问题是一整套问题,从数据的来源,数据的采集、清洗入库,再到数据的转移交易,甚至销毁,每一个环节都面临大量的问题,隐私计算是这一系列数据流转过程中可能都需要用的一个工具。

王敏
穿越医疗研究院院长


隐私计算存在场景局限。

隐私计算可能还是存在局限。隐私计算在一些特定的场景可能使用效果很好,像数据的查询、分析和联邦学习方面,但场景比较局限。我们做大数据分析的时候,比较习惯的做法是从很多原系统抓取数据,然后对数据进行融合、处理、分析,发现数据规律再建模,但如果数据本身就是分散的,我们其实很难对每个数据做有效的分析和数据融合,隐私计算可能很难满足我们数据分析和挖掘的广泛需要。

Q&A

主持人王岚秘书长:在企业的实际应用当中,在整个数据链上,隐私计算能够带来哪些有别于传统数据应用层面的创新?

余中先生
:“十四五”计划提到“健康中国”,隐私计算可以应用于建立个人家庭健康档案、流行病学的研究等方面,进行数据整合。无论从提供普惠医疗还是实现商业价值角度来讲,都有很大的机会和挑战,可以推动隐私技术等各类技术在医疗健康科技的领域的发展。

其实我们国家没有真正意义的个人健康档案。中国真正走向全民健康,非常重要的一点就是要怎样整合个人的健康数据,这方面涉及很多个人隐私,如何去掉隐私信息实现数据应用,我们做了很多尝试。

王敏先生:实际操作中,很多医疗行业的客户会说因为政府的单位要求、政策要求、数据保护的要求,他们的数据是不能上传的,所以我们做了很多沟通工作,比如我们会谈到数据的脱敏、匿名、加密传输等,但仍然很难让他们放心,可能隐私计算是解决这个问题的办法。

我认为应该有一些切实的措施来去推动隐私计算的权威性。政府层面上认可隐私计算确实是可以解决数据保护问题的,这样我们厂商应用它的时候,能够比较容易地得到客户方的认可。

另一方面,政府部门的数据,尤其是面向患者的数据一旦泄露出去,造成的社会影响是非常严重的,所以对他们来说,保护数据的优先级是第一位的,我们提到的隐私计算,如何在这一方面产生突破,是需要思考的。

结语

2021年11月1日,《中华人民共和国个人信息保护法》正式施行。

相信随着政策法规的推动、隐私计算技术的迭代升级和更多资本与社会创新的投入,隐私保护和数字经济将迎来新的发展阶段。

END.
加关注 消息
文章:64 粉丝:2 总阅读数:1314.3k


零壹智库推出“金融毛细血管系列策划”,通过系列文章、系列视频、系列报告、系列研讨会和专著,系统呈现“金融毛细血管”的新状态、新功能、新价值、新定位。
 

上一篇>易纲:中国个人信息保护法律体系已初步建立,探索实现更精确的数据确权

下一篇>捷信消费金融胡泊:数字科技驱动全流程线上化,走出绿色金融发展之路


所属专题


相关文章


用户评论

游客

自律公约

所有评论

点击阅读更多内容

主编精选

more

专题推荐

more

第四届中国零售金融发展峰会(共15篇)


资讯排行

  • 48h
  • 7天



耗时 323ms