隐私计算：数据流通时代，绕不开的「带锁共享」

前两年去参加一个科技产业峰会，一桌金融科技的人聊天，一半都在聊隐私计算。那时候我还觉得，又是一个资本吹出来的风口？直到去年帮一个城商行做数字化调研，才发现人家已经跑了大半年的业务，真金白银降了坏账。

隐私计算的核心：不是密码学炫技，是数据可用不可见

很多人一听这个名字就头大，觉得又是一堆看不懂的黑科技。说白了，它解决的就是一个所有人都头疼的问题：我想跟你一起用数据挖价值，但我不想把我的原始数据给你，你也不想把你的给我。 放在以前，这就是个死结。《个人信息保护法》出台之后，原始数据的跨机构流通基本被卡死，谁违规传数据谁挨罚。但需求摆在那：银行要做风控需要运营商的行为数据，药企要做药物研发需要多家医院的病例数据，政务要做惠民服务需要跨部门调数据，都卡在这了。 隐私计算就是来解这个死结的。核心逻辑一句话：原始数据不出域，数据价值可流通。 现在主流的技术路径有三派，各有优劣：联邦学习，各家在本地训练模型，只交换更新后的模型参数，全程碰不到对方的原始数据，优点是部署简单，缺点是模型大了参数交换也有隐私风险；安全多方计算，基于密码学协议，多个参与方联合计算，计算完成后谁也看不到对方的输入数据，只有约定好的结果能出来，安全性最高，但性能损耗大；可信执行环境，把敏感计算放到一个硬件隔离的加密区域，外部任何软件都拿不到里面的数据，性能比前两个好，但依赖专用硬件，成本偏高。 隐私计算三大技术路线对比表 很多人搞混，说隐私计算不就是数据加密吗？不对。加密是保护数据传输和存储的时候不被偷走，隐私计算是在计算过程中就不接触原始明文数据，这是完全不一样的技术边界。

产业落地：已经从概念验证走到了规模化试点

说实话，前几年我也不看好，觉得就是圈地炒概念。这两年跑下来才发现，真的有实际落地了。 最成熟的场景还是金融风控。国内至少一半以上的股份行和头部城商行，都已经上线了隐私计算的风控系统，联合运营商、电商平台、互联网车企做联合建模。举个公开的例子，某股份制银行和某运营商合作，用隐私计算训练风控模型，效果比单银行数据做的模型，坏账率降了超过10%，全程双方都没有出原始数据，完全合规。 第二个大场景是政务数据开放。现在很多地方搞数字政府，要跨部门协同，原来打通数据要搞统一数据湖，涉及到各部门的权限协调，搞一两年都搞不定。用隐私计算，各部门的数据还是存在自己这，需要用的时候直接联合计算，省了大把的协调成本，还完全符合数据安全的要求。 金融风控隐私计算应用流程示意图 现在整个产业的玩家也分的很清楚了：第一类是互联网大厂，依托自己的云服务往外输出，占了不少政务和大型企业的订单；第二类是垂直隐私计算创业公司，技术深耕，做差异化的解决方案；第三类是传统安全和IT厂商，顺着数据安全的需求切进来，依托原有客户资源出货。 不过话说回来，现在落地还是集中在to G和大型to B，中小商家几乎用不上。成本摆在那，一套平台下来小百万，中小机构掏不起这个钱。

现存的坑：远没到完美的阶段

第一个坑是性能。哪怕现在技术优化了很多，同规模的计算，隐私计算的速度还是比传统计算慢几倍到几十倍，应对TB级别的大规模计算，还是力不从心，很多海量数据的场景用不了。 第二个坑是互联互通。现在不同厂家的隐私计算平台基本是不互通的，你用了A家的产品，就没法跟用B家产品的机构合作，原来的孤岛没打破，又出来了新的隐私计算孤岛。这个问题现在行业已经意识到了，但是统一标准还没出来，还在磨合。 第三个坑是安全并非绝对。别信一些厂商吹的“绝对安全”，现在已经有不少研究证明，可以通过模型参数、计算结果反推原始用户信息，虽然攻击门槛不低，但一旦被钻空子，就是大面积的隐私泄露，现在技术还在补这些漏洞。 还有一个容易被忽略的伦理问题：隐私计算允许各方不交换原始数据就能拼出完整的用户画像，会不会变成合谋挖掘用户隐私的工具？比如三家机构各有你一部分信息，联合建模就能算出你的完整征信、消费习惯、出行轨迹，你完全不知情，这个风险目前还没有好的治理手段。

未来三五年：会成为数据流通的标配

未来三五年：会成为数据流通的标配 性能的问题很快会解决，现在已经有不少厂商在做专用的隐私计算加速芯片，把密码学运算硬件化，速度提个几倍不成问题，成本也会跟着降下来。 统一的互联互通标准，最晚三五年内一定会落地，国内现在已经有多个行业组织在牵头做，这个是产业发展的刚需，绕不开。 接下来场景会快速扩张，现在已经有不少零售和医疗领域的试点了：连锁零售品牌联合商圈做用户营销，不用交换用户数据就能算出共同的潜在客群；药企联合多家医院做临床数据分析，不用拿到原始病例就能得到试验结果，这些需求马上会爆发。 我个人判断，三年之后，隐私计算不会再是一个需要天天炒作的新概念，它会变成数据基础设施的一个基础功能——只要你做跨机构的数据合作，默认就会用上隐私计算，就像你现在建网站一定会配HTTPS加密一样自然。 数据时代的矛盾，从来都是“要用数据”和“要保护隐私”的矛盾，隐私计算不是终极解，但它是目前为止，找到的最平衡的那个解。