姚期智早在上世纪80年代提出的这一命题 ， 被视为隐私计算的雏形 。 但是 ， 在他提出这套算法的时代 ， 由于计算机的算力有限 ， 实际应用耗时颇长 ， 在当时并未广泛应用 。
目前 ， 隐私计算包括多个“流派” 。 据采访人员了解 ， 姚期智论文中提出的方法 ， 在隐私计算领域中被称为“多方安全计算” ， 更多依托于密码学 ， 是将一组相互不信任或者不信任任何第三方的独立数据所有者 ， 通过一个函数得出准确的运算结果 ， 同时各方输入的数据信息不会暴露且不可还原 。
“用更通俗的话说就是 ， 多方安全计算 ， 是指每个人算一点 ， 然后合在一起能够完成一个任务 ， 它可以做一些相对简单的数据查询、统计等计算 。 ”同盾科技合伙人兼人工智能研究院院长李晓林说 。
除了多方安全计算 ， 隐私计算还有“联邦学习”和“可信执行环境”两大流派 。
“联邦学习”由国际互联网巨头谷歌提出 ， 是一种分布式的“机器学习” ， 即多个参与方事先商定好分析模型 ， 在数据不出各方“本地”的情况下 ， 用各方数据对模型进行训练 ， 而后得出结论供各方使用 。 “这一流派是从机器学习的角度出发 ， 比多方安全计算又走近了一步 ， 更适合目前人工智能的需求 ， 模型训练和学习需要利用更丰富的多方数据 ， 因此需要数据隐私的保护 。 ”李晓林说 。
无论是多方安全计算 ， 还是联邦学习 ， 都是软件层面的路径 ， 而“可信执行环境”这个流派 ， 则加进了硬件的因素 。 这个流派的核心思路 ， 是通过构建一个独立于各方 ， 且受各方认可的安全硬件环境 ， 在安全、机密的空间内进行计算 ， 得出结论 。
“通过硬件打造出来的一个安全屋 ， 在这个安全屋里的所有操作是受保护的 。 多方的数据放入这个可执行环境中 ， 然后在执行环节里面得出结果 。 ”李晓林说 。
目前 ， 这三种技术流派在隐私计算的商业层面都有应用 。 “具体应用并非泾渭分明 ， 而是从适用的角度出发 ， 相互融合 。 这不是华山论剑 ， 一定要比出哪个门派是高是低 ， 单纯的、脱离市场来争论哪条路线的技术水平的高低 ， 也没有太大意义 。 ”蓝象智联CEO徐敏向采访人员表示 ， 蓝象智联是一家隐私计算服务商 ， 主要为金融机构提供服务 。
应用场景何在？
一项技术的伟大之处 ， 在于其解决了什么样的实际问题 ， 没有产业场景的应用 ， 技术也只是“英雄无用武之地” ， 隐私计算也不例外 。 用技术创新寻求突破并非难事 ， 但如何找到产业场景的沉淀是摆在隐私计算企业面前的重要问题 。
隐私计算如何推动数字经济的发展？蓝象智联创始人兼董事长童玲对采访人员表示 ， 隐私计算本质上并不算一个行业 ， 而是一个基础技术 ， 可能和各行各业发生关联 。 （在不同的应用场景下）利用隐私计算解决数据安全流动的问题 ， 并进一步挖掘数据价值 。 “在我们的团队中 ， 除技术团队外 ， 还有一个数据运营团队 ， 这个团队的人既要懂技术 ， 还要懂行业 。 ”童玲说 。
当海量用户数据诞生后 ， 已经开始指导各种产品的设计生产 ， 在药物研发、风险评估等领域需要大量的交叉数据作为参考依据 。 数据价值也从消费侧向生产侧转变 ， 在这一背景下 ， 隐私计算为安全合规地使用交叉数据提供了一种可能 。 如今 ， 在防范化解金融风险和金融支持实体经济的过程中 ， 隐私计算也在发挥部分作用 。
彭凯是金诚同达律师事务所高级合伙人 ， 帮多家跨国企业和大型集团公司处理数据合规业务 ， 他告诉采访人员 ， 目前 ， 即使是在一些大型企业和集团公司中 ， 他们的信息系统基础设施（在安全防控方面）并没有我们想象得好 。 这就带来一个问题 ， 在数据使用、传输过程中 ， 被外界攻击怎么办？数据泄露怎么办？甚至还有一些更为原始的数据传输方式 ， 比如拿一个U盘拷贝了数据 ， U盘丢了怎么办？