隐私计算开源助力数据要素流通

主讲老师：李宏宇

课程链接：第2讲：隐私计算开源助力数据要素流通丨隐私计算实训营 第2期_哔哩哔哩_bilibili

 1、数据要素流转与数据内外循环

       这是数据的生命周期也是数据流转的链路图，我们可以发现数据流转可以分为数据采集加工和数据价值释放两个部分，而数据价值释放也分成两个部分：一部分是内循环，数据持有方在自己的运维管控域内对自己的数据使用和安全拥有全责，一部分是外循环，数据要素离开了持有方管控域，在使用方运维域，持有方依然拥有管控需求和责任。

       数据流转链路主要包括：采集、存储、加工、使用、提供、传输。数据要素外循环是构建数据要素市场的核心，需要解决数据权属、数据安全保障、数据流转合规等问题。

2、数据外循环中的信任焦虑

       这是数据外循环中的主要信任焦虑产生因素，这是构建数据要素市场的关键环节，信任焦虑的关键问题之一就是数据权属。数据资源持有权、数据加工使用权、数据产品经营权是三权，数据消费是数据确权、数据定价、数据交易，核心解决思路是数据产品经营权、产品经营权益保护、相关制度规范/标准体系、保障产品经营权不失控。数据流通是数据生产、数据流转合规、数据流转安全，数据加工使用权是指数据资源持有权全面保障、数据加工使用权跨域管控、相对匿名化+隐私计算+区块链/可信计算。数据生产是数据来源合规、数据来源合规、数据安全保，数据资源持有权是隐私保护政策、合作协议、确权凭证等、内循环安全保障、数据全生命周期保护技术、隐私计算。

       传统的信任模式依赖于对主体行为的感性判断，而技术信任则基于对技术性能和安全的理性判断。隐私计算技术构建了安全可信的技术信任体系，为数据要素流通提供保障。

3、数据要素流通对隐私计算的期望

       隐私计算三个原则是原始数据不出域、数据可用不可见，数据使用可控可计量，数据可算不可识。隐私计算需要通过开源降低门槛促进数据安全流通。隐私计算技术通过多种技术路线，如多方安全计算 (MPC)、联邦学习 (FL) 和可信执行环境 (TEE) 等，实现数据“可用不可见、可算不可识、可控可计量”的目标，有效解决数据要素流通中的信任焦虑。

4、隐私计算开源助力数据要素流通

       隐语 SecretFlow 是蚂蚁集团开源的可信隐私计算框架，具有统一架构、开放拓展、原生应用和性能卓越等优势。隐语的开源降低了隐私计算技术的接入门槛，推动行业生态共建共享，助力数据要素安全流通。

隐语四大技术优势：

1、统一架构：隐语推出了行业首个明密文混合统一技术路线框架，同时支持联邦学习、多方安全计算、可信执行环境、可信密态等多技术路线

2、开放拓展：具备模块化设计、开放的接口、 可扩展的数据存储等特点，硬件层/计算层/算法层等均支持开放拓展。灵活易集成，能够快速匹配业务变化及技术发展需求

3、原生应用：隐语首创AI/BI 密态编译器支撑了工业级的原生SQL 分析、 原生AI 训练/预测框架等复应用，保持用户熟悉的接口同时，引领行业密态计算走向更复杂、更具挑战的场景

4、性能卓越：既能支持业务在早期PoC阶段的快速迭代，也具备PoC验证成功后的大规模生产能力，可支持十亿级求交、千万级建模。其性能已经过金融/医疗/保险/政务等多个行业场景的实战淬炼

结语

数据要素流通与隐私计算相辅相成，共同推动数据要素市场的发展。隐私计算技术将不断演进，为数据要素流通提供更安全、更可信的解决方案，释放数据要素价值，赋能数字经济蓬勃发展。