进入信息化时代，数字经济蓬勃发展，数据的作用愈发凸显，数据要素价值更加突出。但同时，也要看到数据的“隐患”：若被别有用心之人非法获取、利用，极有可能对个人乃至社会造成严重的危害。
管不管？平衡数据安全与发展已成现实挑战
若将数字时代比作一栋楼，数据就好比是构成这栋楼的一块块砖，其重要性不言而喻。数据是数字时代的基础性战略资源和关键性生产要素。
楼要建得高，势必要求砖的承重能力强；对于我国来说，随着数字中国战略的深化，数据要素呈现出加速整合与互联互通的趋势，数据安全需求凸显。冯登国认为，数据泄露、数据破坏、隐私泄露、数据失控、数据滥用、数据损坏和丢失等因素威胁着数据安全。尤其是当下，云计算、大数据等新兴应用场景蓬勃发展，更是迫切需要对使用者的数据进行保护。
怎么保护数据？若保护得太“差”，可能起不到相应作用；但若保护得太“死”，数据的流动性就可能受限，而只有流动的数据才能产生价值。
由此可见，如何平衡经济发展与重要数据安全、个人隐私保护，已经成为现实挑战。
怎么管？技术政策需共同发力
平衡经济发展与数据安全、个人隐私保护，需要政策的规制。
在数据保护方面，中国有自己的经验。2021年，被誉为“数字时代基本法”的《个人信息保护法》落地实施，其中首次规定“个人信息可携带权”相关内容，不仅增强了个人对个人信息转移与再利用行为的控制，体现了将个人信息权利还归个人的立法思路，为个人信息流转提供了新的方向，也将为行业带来新的机遇。
平衡经济发展与数据安全、个人隐私保护，还要建立适当的技术手段。
当下，人们使用数据时，特别关心数据的安全和隐私。要解决数据安全与开放共享之间的矛盾，就要让数据“可用而不可见”。以联邦学习为代表的隐私计算成为满足该目标的重要技术路径。
在大多数情况下，人们都是将不同地点的数据上传到一个服务器中计算。而联邦学习，则是让数据留存在本地，用模型访问不同的数据库。
这就好比喂羊，我们不需要让草料去‘找’羊，只需要让羊去找草料。这种方式能够让数据“可用而不可见”，极大提升了数据的安全性。
安全、效率、效果这三者可以非常好地平衡。
在多方合作、汇集多个数据源的前提下，运用联邦学习可以为人工智能打造通路，不仅能够保护每一个数据源的隐私和数据安全，还能够在符合《数据安全法》等法律法规和政策的规范下，促进大规模数据流动，激活数据要素价值。