所有身处大数据时代的人们，都在亲历浪潮三部曲，从盼潮的雀跃，到观潮的震撼，再到人在浪潮中的切实体验。
热搜新闻中，一则男子“戴头盔看房”的新闻，最能体现大数据时代的拷问：男子头盔遮面，只为躲避售楼处人脸识别系统。
售楼处安装人脸识别，是为了区别中介客户与个体客户，更精准获取数据。而消费者头盔防备，是防止信息流入黑市，最终困扰生活。
这其实代表大数据时代的矛盾：无所不在的采集对应岌岌可危的隐私，数据流转的渴望对应安全防护的渴求，数据需要流转，但安全是前提。
这种矛盾在暗网上体现得更分明。媒体报道显示，去年暗网非法出售数据超万次，交易金额超10亿元人民币。数据甚至包括了银行、证券等金融机构的客户信息，各大电信运营商的机主以及互联网、快递、酒店、医院等各行各业的用户信息，数据已成最畅销商品。
与暗网非法数据交易火爆形成对照的是，正规数据交易渠道的冷清。国内最早成立的贵阳大数据交易所，门庭冷落，自2018年最后一次公布交易额后，便再无数据公开。而据《证券时报》报道，其业务已经陷入停滞状态。
正规交易冷清，非法交易盛行，这是当下时代特有的冰火两重天，也是向所有从业者提出的时代拷问：如何既让数据创造价值，同时又保护好数据隐私？
这是一道需综合数学、密码学、计算机科学等知识来解答的应用题，目前它的最优解，名为隐私计算。
它做你的知己，而又对你一无所知。
01
最适合时代的门派
隐私计算并不是新概念，它的思源可以追溯到四十年前。
八十年代，姚期智院士曾在论文中提出著名“百万富翁问题”：
两个百万富翁，想比较一下谁的钱更多，但是每个人都不想公开自己的财富值，有什么方法？
姚期智凭借这一论文开创了多方安全计算领域，多方安全计算也成为隐私计算的基石之一。
所谓隐私计算，本质上是在保护数据隐私的前提下，通过一系列技术方式，解决数据流通、数据应用等问题。
简单来说，就是用技术手段实现数据的“可用不可见”。以药品为例，患者知道它可以治病，但可能并不清楚药品的每一剂原料。
隐私计算就是那个药片，发挥价值，但又不泄露其中的隐私。
从80年代至今，隐私计算逐步发展成熟，目前隐私计算主要分为三个流派，多方安全计算(MPC)、联邦学习(FL)、可信计算环境(TEE)。
业内人士曾以江湖门派举例：多方安全计算(MPC)是少林派，历史悠久，功力深厚，最早可以追溯到上世纪80年代。
联邦学习(FL)是武当派，是后起之秀，像张三丰师出少林一样，联邦学习结合了多方安全计算部分特点，实现了多方协作的机器学习。
可信计算环境(TEE)则是华山派，不用苦修密码学内容，硬件在手，横行江湖。
当然三大门派，有优势，也有罩门，同盾科技人工智能研究院院长李晓林教授称，“多方安全计算和可信计算环境，并不特别适合目前AI场景需求。”
他认为，武当派联邦学习，因为综合了多个流派特点，天然适合分布式学习，优势较大。
李晓林所在的同盾科技，作为国内较早探索隐私计算技术的企业，推出了“知识联邦”框架体系，支持多方安全检索、多方安全计算、多方安全学习（联邦学习）、多方安全推理等技术方案。知识联邦以层次化的方式，将隐私计算的几个主要流派都融合在知识联邦中。
现阶段，隐私计算发展已渐入佳境，隐私计算公司数量众多，这同样带来了新的问题。这些公司或平台缺乏统一标准，技术流派也不同，不同平台间的数据也无法跨平台交互，长此以往，“数据孤岛”问题有逐渐演化成“平台孤岛”的趋势。
面对这一问题，行业需要尽快制定相关标准，建立隐私计算框架。去年7月，工信部旗下中国信息通信研究院组织编制隐私计算的三项标准，作为国内第一批参与隐私计算标准的企业之一，同盾科技参与了这一标准的制定。
9月，《中华人民共和国数据安全法》正式施行，这是中国第一部有关数据的专门法律，标志着中国在数据安全领域有法可依，也成为隐私计算行业标准化进一步发展的契机。
02
隐私计算的尝试
去年10月，美国知名信息机构Gartner发布预测，列举了2021年企业需关注的重要科技趋势，其中隐私计算，首次单独上榜。
Gartner表示，隐私计算上榜，是因企业从消费者数据获取收益的争议越来越多。
越来越多人意识到个人数据中蕴藏的价值，人们希望控制自己的数据资产，入场者也不断增多。
据《科创日报》不完全统计，2020年至今，隐私计算领域已经诞生至少17起融资，其中披露的融资金额都在千万人民币以上，天风证券预计，国内隐私计算市场规模未来有望达到上百亿。
尽管资本市场表现出强大热情，但目前隐私计算实际尚未进入全领域商用阶段，大部分隐私计算公司落地的场景都在金融行业。与其他领域相比，金融行业数据较完善、价值高、监管要求严格，对隐私计算的需求更强烈。
例如，上海大数据中心的普惠金融、沪惠保等应用，均采用了隐私计算技术来实现公共数据的安全开放，做到数据所有权和使用权分离；此外，中国银联、交通银行(601328,股吧)、华控清交等联合申报的监管沙盒项目，也是基于多方安全计算的图像隐私保护产品。
这些进入运行阶段的项目，通过实际应用证明，隐私计算可以有效提高数据使用效率。以浦发银行(600000,股吧)与蚂蚁集团合作为例，双方采用多方安全计算的风险模型来使用多个合作方的数据，以此评估客户风险。
媒体报道显示，该模型识别出超过14.5万名高风险客户，阻止了数十亿人民币的高风险贷款的发放。这进一步提高了资产质量，减少了损失。
中国信通院云计算与大数据研究所所长何宝宏在接受采访时表示：隐私计算行业整体处于规模商用的前期，2019年主要集中于技术科普和市场教育，2020年开始出现较多的产品进入概念验证阶段(POC)，直到近期开始出现规模化的招标与应用。
这一过程正在逐渐加速。2021年，同盾和一家国有大型银行合作，针对企业级数据分级分类、敏感信息保护等行业及监管关注的焦点，在数据安全管理的基础上，基于同盾的智邦平台实施集团跨法人的数据应用场景落地，将数据治理和数据价值实现有效结合。
据了解，同盾科技是第一家将知识联邦技术应用于国有大型银行的科技企业。
业内人士称，对企业来说，数据资产只有流转起来才能发挥最大价值，而隐私计算应用潜力巨大。金融、保险、医疗、物流、汽车业等众多拥有敏感隐私数据的领域都是隐私计算的潜在客户。这也是为何越来越多企业押注隐私计算的原因。
金融行业只是开始，当隐私计算走向成熟，数据的价值被充分发掘，可以预知，行业的变革才刚刚开始。
03
最宝贵的流转
2017年《经济学人》封面文章指出，如今全球最宝贵的资源，不再是石油，而是数据。
此后，石油成为数据价值的常用比喻。2020年，中国官方更是将数据作为生产要素写入文件，与土地、劳动、资本、技术并列。
回顾人类千年历史，每个时代都有决定性资源。煤炭是第一次工业革命催化剂，石油是第二次工业革命动力源(600405,股吧)，如今，数据或将主导新一轮工业革命。
但找到资源，并不意味着革命完成。1612年，英国人发明了焦炭，煤炭才被应用于冶炼铁矿，而直到瓦特改良蒸汽机，煤炭才成动力源。
与之类似，石油已发现千年，但直到内燃机诞生后，石油才真正驱动世界。
数据与煤炭和石油同理，作为一种资源，仅仅发现是不够的，还要有相应的开发、应用、流转等配套生态。
作为隐私计算技术支持者，同盾科技摒弃门户之见，构建了强兼容性的生态。同盾以知识联邦理论框架为基础，推出数据安全交换协议(FLEX)，为联邦算法提供多方数据安全交换的应用支撑。
同时，为了更好服务开发者、服务商和客户，更全面支持互联互通，同盾进一步提出了“InceptionAI天启可信AI开放操作系统”，在系统中，同盾提供数据商店、模型商店和应用商店等开放市场，和淘宝类似，数据应用可以像商品一般安全流动。
此外，同盾科技还联合浙江大学、中科院医学所、360集团等众多学界、业界单位成立知识联邦产学研联盟，推动隐私计算生态的发展。
李晓林教授认为，隐私计算需要解决的问题远比“门派之争”复杂，单一技术路径无法解决所有问题，不同技术路径的互补融合才是发展趋势。
英国经济学家，1991年诺贝尔经济学奖获奖者罗纳德·科斯说过：“如果你拷问数据足够久，真相自然就会浮现出来。”
这句话更适用当下的时代，万事万物都有数据的经纬，只是我们更需要的不是拷问，而是安全的流转。而隐私计算，就是流转的答案。
本文首发于微信公众号：未来商业观察。文章内容属作者个人观点，不代表和讯网立场。投资者据此操作，风险请自担。
（李显杰 ）
加载中,请稍侯......