在大数据和 AI 的时代背景下，数据已经成为了重要财富，大到政务数据、企业核心数据，小到个人信息、银行卡余额，这些数据无一例外都是“隐私数据”，如果在使用和流转时发生泄漏都会造成巨大的损失。
在大数据和 AI 的时代背景下，数据已经成为了重要财富，大到政务数据、企业核心数据，小到个人信息、银行卡余额，这些数据无一例外都是“隐私数据”，如果在使用和流转时发生泄漏都会造成巨大的损失。
那有没有什么方法，可以在不暴露数据隐私的前提下，让数据流动起来发挥更大的价值呢？在这个问题的驱使下我们找到了今天的主角——隐私计算。
一、什么是隐私计算？
隐私计算是指在不泄露数据本身的情况下，实现数据分析和计算的技术，具有“数据可用不可见”的特点，让数据安全合规地流动起来。
下面用一个经典的百万富翁问题，来帮助理解什么是“数据可用不见”。
假设有两个百万富翁，他们都想知道谁更富有，但又不想让对方或者第三方，知道自己具体有多少钱。
- 数据本身：具体的财富值（数据）
- 计算：比大小（可用）
- 不泄露：对方或第三方（不可见）
按照常理，进行比大小的计算是需要知道两个数是多少，才能比较大小，但这里不知道具体的数字。所以上面这个问题在普通人看来是无解的，但其实这是一个密码学问题，也被称为“多方安全计算”（MPC）问题，由姚期智院士在 1982 提出，并给出了解决方案——混淆电路，实现了数据的可用不可见。
从隐私计算的技术发展时间线，我们不难看出隐私计算还是一个比较“新”的技术。随着零知识证明、差分隐私、全同态加密、联邦学习等技术的相继问世，目前已形成三大应用技术路线多方安全计算（MPC）、联邦学习（FL）、可信执行环境（TEE），隐私计算作为数据流通的重要技术已应用于金融、医疗、政务、广告等领域。
- 金融：联合反洗钱、银(行)证(券)数据共享等
- 医疗和健康：流行病接触者追踪等
- 政务：案件调查、人口普查等
随着欧盟 2018 年生效的《通用数据保护法案》，Google、Facebook 等科技巨头都收到了巨额罚单。近两年，我国也相继出台了 《数据安全法》 和 《个人信息保护法》。因此，如何让数据安全地流通起来，已经不再是一道附加题而是一道必答题。
如果我们把上面的“百万富翁”换成企业/机构的话，就可以很容易得出隐私计算技术就是数据安全流通的答案
标签：释放,一款,PrimiHub,查询,开源,隐私,匿踪,计算,数据 From： https://blog.51cto.com/hellogithub/8015532