背景

随着互联网和大数据技术的快速发展，数据已经成为现代社会最重要的生产要素之一。数据作为新型生产要素，具有无形性、非消耗性等特点，可以接近零成本无限复制。随着数据的不断增长和利用，数据安全和隐私保护问题日益突出。传统“复制式”的数据流通方式让商业秘密、个人隐私信息等面临被泄露的风险，无法满足数据合法合规的要求。

高速发展

为了解决这一问题，隐私计算技术应运而生，成为保护数据安全与隐私的新选择。隐私计算融合了多种技术，旨在构建“数据可用不可见、用途可控可计量”的数据流通范式。从技术角度看，隐私计算可分为3大技术方向：多方安全计算（MPC，基于密码学的隐私计算技术）、联邦学习（FL，人工智能与隐私保护技术融合衍生的技术）、可信执行环境（TEE，基于可信硬件的隐私计算技术）。

从隐私计算的发展历程看，国外企业布局较早。早在2008年第一家专攻多方安全计算解决方案的技术厂商Partisia就已在丹麦成立，为商务合同、加密拍卖等场景提供安全方案。科技巨头中，微软从2011年开始深入研究多方安全计算，谷歌在全球率先提出联邦学习的概念，Intel打造的SGX是目前使用最广泛的商业可信执行环境方案。

看向国内，大致在2016年，开始出现垂直隐私计算厂商，相比之下起步晚。但在市场与政策的双轮驱动下，除原生隐私计算厂商外，综合科技类企业/集团、区块链厂商、大数据&人工智能厂商、金融科技企业、网络安全厂商等多种类型的竞争者纷纷入局，发挥各自优势，使得我国隐私计算相关软、硬件都得到了高速的发展。据IDC调研，2021年，中国隐私计算市场规模就已达到8.6亿元人民币，预计2025年将达到145.1亿元。

政务、金融，先行一步

隐私计算技术应用的场景非常广泛，在涉及解决数字化发展中的安全可信、协作共识、大规模复杂数据关联分析、存储计算规模爆发等难题时，隐私计算技术都可以发挥相应功效。具体到落地，目前尚处于初期阶段，金融、政务两方面的商用实践相对领先；医疗方面，部分企业也已经在医疗展开隐私计算应用，但由于数据敏感度较高、行业信息化程度相对较慢，因而项目落地数量与规模仍然较小。

在政务方面，我国正加快构建全国统一的数据要素市场，深入推动政务数据跨层级、跨地域、跨部门有序共享和开发利用，多措并举释放公共数据红利。政府部门掌握城市的大部分数据资源，而相关数据显示，2022年全国仅有51.33%城市上线了政府数据开放平台。借助隐私计算技术，政府部门可通过建设保护各方隐私安全的公共数据开放平台，融合政府数据和社会、企业数据进行安全计算，从而充分实现数据要素价值，促进全民共享数字经济发展红利。

在金融方面，金融机构将隐私计算应用于联合风控、联合营销、反洗钱等场景，可强化数据技术与金融业务的深度融合，在确保金融机构自身数据安全的情况下，以安全、合规、高效的方式获取外部数据，从技术上解决了缺乏数据源支持的难题。

结语

数据要素已经成为生产生活中不可或缺的重要生产材料。隐私计算技术的出现，使得数据可以在维护国家数据安全、保护个人信息和商业秘密的前提下，实现最大范围的流通共享，从而达到数据价值增值、完成数据赋能业务的目标，助力数字经济的发展。

来源：Internet Deep