2023年：隐私计算主打融合应用

2023-01-29 10:28

零壹财经

关注

来源｜零壹财经作者｜彭佳焱

隐私计算从思想实验到理论创新，从论文到专利，从专利到产品，从产品到平台，从平台到开源，走过了近40年的历程。最近几年，它终于用起来了。

2021年被称为隐私计算商用元年，它从实验型创新转变商业上可用的技术。据IDC报告统计，2021中国隐私计算市场规模为8．6亿元人民币。但放在数字经济规模中，它还如此的小，这意味着能用得起隐私计算的机构还不够多，就像奢侈品一样。

2022年酝酿着变化和新的势能。

多项技术在性能上取得突破，成百、成千倍地提升，互联互通和开源的推进，将大幅降低技术门槛和建设成本，隐私计算有望从少数机构的“可用”，迈向更多机构的“实用”。

更重要的是，随着数据要素市场建设加速，政策法规对数据安全和数据治理要求的进一步落地，广阔的市场、丰富的场景正在向隐私计算打开。

而根据Ponemon《2022年数据泄露成本报告》，2022年全球数据泄露规模和平均成本均创下历史新高，单个数据泄露事件的平均成本高达435万美元。

数据安全是数据流通的前提。理论上，数据泄露带来的社会成本，就是数据泄露服务的市场收入上限。而纳入统计的数据泄露，只是数据安全问题中的冰山一角。

隐私计算，鱼跃入海。

2023年，隐私计算各流派之间，以及与人工智能、区块链等其他技术的内外融合将明显加速，从而产生丰富多样的实用性解决方案，开启新的征途。经过2022年的酝酿，2023年将成为隐私计算的融合应用之年。

酝势1：技术体系日臻丰满，中国专利引领全球

全球专利申请的数量和机构类型，往往展示了一个创新领域从理论演化为技术，由技术不断迭代驱动商业繁荣的过程。从专利数据来看，经过30多年的演化，隐私计算已经形成了庞大的技术体系。

早在20世纪80年代，以MPC为代表的密码学理论就已经被提出，长期以来处于实验室研究阶段。根据零壹智库专利数据显示，隐私计算相关专利首次于1986年由英国的电信公司Plessey提出申请。

30多年来，隐私计算已经形成了三大流派支撑的技术体系，即分为密码学、可信硬件和联邦学习三个流派。以密码学为核心技术的隐私计算以多方安全计算、同态加密为代表；可信硬件以可信执行环境（TEE）为主导；“联邦学习类”泛指国内外衍生出的联邦计算、共享学习、知识联邦等一系列名称相似的技术类别。

《隐私计算：数字经济新基建》一书指出，之后的30多年，来自中、美、日、韩、法等28个国家和地区的公司相继开展了对隐私计算技术的研究，并申请了相关专利。截至2021年10月1日，全球有2，966家公司参与了隐私计算相关专利申请，合计17，170件。

从技术方案来看，三大流派都形成了多样化的专利，其中申请可信执行环境专利的公司数量最多。从行业应用情况来看，隐私计算技术正不断渗透各个行业和场景，除了在金融、医疗、政务等常见场景，一些公司还探索隐私计算技术在电网、审计、出行、酒店、民航、招聘等场景中的应用。

中国在隐私计算专利上布局较晚，但发力很猛。

2011年之前，中国每年申请的隐私计算专利不超过100件，每年参与专利申请的公司不超过60家。2015年之后，中国每年隐私计算专利申请数量呈现爆发式增长，在2019—2020年每年专利申请数量保持在1，000件以上，参与公司规模也均在400家左右。

截至2021年10月1日，在全球隐私计算专利数量TOP50企业中，中国有23家公司进入榜单，蚂蚁集团和华为分别位列全球第1和第3。

从全球来看，隐私计算的专利申请量和授权量在2020年达到巅峰，2021、2022年有所回落，但是领衔的机构都是世界级的龙头企业。

2022年3月16日，全球权威知识产权第三方机构IPRdaily与incoPat创新指数研究中心联合发布了2022年《全球隐私计算技术发明专利排行榜（TOP100）》。

榜单显示，截至2022年3月8日，全球有8家企业隐私计算专利数量在200件以上，入榜前10名企业主要来自中国和美国，其中蚂蚁集团以1152件专利数排名第一，这也是蚂蚁集团连续两年位列排行榜第一；第2至第10依次为中国平安（423）、微软（374）、阿里巴巴（313）、IBM（252）、华为（206）、国家电网（206）、微众银行（204）、英特尔（180）、三星（154）。

从2021年3月至2022年3月，蚂蚁集团隐私计算专利数从740件，增加到了1152件，一年时间涨幅超55％。

无论是国际上的微软、IBM、英特尔、三星等科技巨头，还是国内蚂蚁集团、中国平安、阿里巴巴、华为、国家电网、微众银行等大型企业，都有两个共同的特点：第一，它们都有连接着庞大的产业链，深入各行各业；第二，它们都拥有亿级甚至十亿级的用户群体。

随着全球数据安全和隐私保护法律法规的颁布执行、用户对隐私安全的需求觉醒，这些巨头公司将会把隐私计算更加深入的嵌入它们的产品和服务中。

酝势2：计算性能将大幅提升

一种新技术能够商用，一定要有能够接受的性价比；一种新的计算技术，只有在速度上接近或达到“无感”，才能够普及。

隐私计算从理论模型走向商用，除了技术实现，更重要的问题就是性能——在可接受的安全性条件下，隐私计算的效率。因为涉及到高安全要求、复杂的加密和海量的计算，早期的隐私计算速度很慢、成本极高。

前几年，隐私计算经过全球科技巨头和源源不断进入的创业公司的攻坚突破，实现了商用。根据不同机构的统计口径，2021年中国隐私计算市场规模达到数亿元或十多亿元，虽然目前还没有对2022年市场规模的评估，但市场规模在“肉眼可见地”扩大。

市场扩大的背后，是性能的突破。

隐私计算在2022年具有代表性的性能突破是蚂蚁集团首创的可信密态计算技术（Trusted－Environment－based Cryptographic Computing，TECC）。这是一种融合了密码学和可信计算的新型隐私计算技术，将数据以密态形式在高速互联的可信节点集群中进行计算、存储、流转，支撑任意多方大规模数据安全、可靠、高效地融合与流转。TECC技术受密码学和可信计算双层防护，安全性接近理想。

此外，TECC避免了公网瓶颈、密码计算复杂等问题，性能可接近明文计算，并且可以像明文计算一样通过水平资源扩展提升性能。基于3台服务器，TECC能够实现在1小时内完成亿级样本密态GBDT（一种树模型集成算法）建模训练，在10分钟内完成亿级数据密态SQL分析。它可以为顶级数据规模带来非常友好的计算体验，达到了密态计算现阶段领先的性能效果。也是因为此突破，TECC技术入选了2022年数字中国建设峰会的“十大硬核科技”。

在同态加密方面，蚂蚁链隐私协作平台FAIR联合达摩院计算技术实验室、阿里安全双子座实验室等团队设计的全同态硬件加速，实现了百倍以上的性能提升。而同态科技研发的同态构型，相比目前国际同态加密开源库，在相同的环境下，预计同一批次数据的整体性能提升了超过1000倍。

联邦学习技术性能也取得长足进展。根据中国信通院《隐私计算白皮书2022》，联邦学习技术性能也取得长足进展。业内持续探索高效的联邦学习算法，产出了包括本地多轮迭代、异步协调策略、one－shot 交互协议、压缩等各类技术方案。这些技术方案能够有效降低异构网络、物理距离、通信数据量等因素造成的通信瓶颈的影响，提高模型训练的效率。

香港科技大学教授、联邦学习FATE开源社区技术指导委员会主席接受媒体采访时表示，联邦学习已进入2．0阶段，既能够事先设计出一个最优算法，又能够证明它是安全的、高效的。

可信执行环境方面，应用最为广泛的Intel SGX 产品更新到第二代，国内多家硬件厂商推出了集成可信执行环境技术的硬件产品。

酝势3：互联互通，避免“计算孤岛”

隐私计算流派纷繁，厂家众多。业内流行“三大流派”的说法，但每个流派又有不同的支流、多样的模式。早期隐私计算厂商研发的平台大多为“异构闭源”平台，技术实现原理差异较大。当不同的数据主体采用了不同的技术路线，或者与不同的隐私计算厂家合作，他们之间的数据交互就面临新的问题，比如系统重复建设、运维成本增加。

对于银行这样的多元数据需求方，要与不同的数据方合作，他们部署着不同的隐私计算平台，银行为了使用数据就需要部署相应的隐私计算接口。如果行内部署的第三方隐私计算平台为闭源实现，随着合作平台数量增加，对行内系统的安全监管也带来了巨大挑战。

隐私计算原本连接的“数据孤岛”，又演变成“计算孤岛”。唯有互联互通，否则大家都难做。隐私计算行业迅速形成了共识。

隐私计算平台间的互联互通，是指基于不同设计原理和功能实现的隐私计算平台之间协同完成某一项隐私计算任务的能力。隐私计算平台间通过统一规范的系统接口、算法协议、操作流程等实现数据资源和计算能力的交互与协同，解决使用不同隐私计算平台的数据提供方和数据应用方之间的协作问题。

洞见科技董事长姚明这样描述互联互通的要求：一是既要数据流通、又要保证数据安全；二是既要保证每家隐私计算公司的算法独立性、又要保证异构平台之间能够相互协同。

互联互通的工作起步于2021年， 2022年行业内开路搭桥，使互联互通成为趋势且可实现。

招商银行从需求的角度，率先促进了隐私计算互联互通。2021年，招商银行开发信贷产品“深信贷”，联邦学习技术可在数据供需双方部署子模型，无需各数据方披露底层数据即可进行联合运算。从“深信贷”的研发开始，招商银行在风险部和信用卡中心等多个业务部门都开始尝试隐私计算项目落地。

在此基础上，招商银行研发了“慧点隐私计算平台”。为解决新的“计算孤岛”问题，“慧点”利用“可插拔式平台框架＋算法组件架构”方案，与洞见科技、富数科技、平安科技、同盾科技四家企业实现了异构隐私计算平台互联互通。

2022年12月28日，“2022可信隐私计算峰会”发布并解读了 “隐私计算跨平台互联互通开放协议第1部分：ECDH－PSI”。这标志着隐私计算互联互通向“平台互联、生态互通”阶段再次迈进。

该方案由隐私计算联盟牵头，蚂蚁集团、中国移动、洞见科技共同推进，相关代码已开源并在隐语开源社区发布。三方根据此协议率先进行了“通信＋互联网”跨行业的互联互通落地实践。

也是在“2022可信隐私计算峰会”上，由中国信通院、洞见科技牵头制定的隐私计算互联互通系列标准《隐私计算跨平台互联互通第2部分：通信要求》、《隐私计算跨平台互联互通第3部分：互联协议》也宣布基本定稿并获官方解读。该标准的第1部分《总体框架》发布于2021年7月。

作为第三方隐私计算厂商，洞见科技提出了“隐私计算统一底座”设计方案。该方案将多套“隐私计算算法引擎、插件化的算法组件、微服务化的安全算子”作为底座承载的核心能力，以核心算法引擎框架为中枢，将上端统一应用服务层、下端基础服务适配层，以及内部系统对接层和外部节点互通层进行统一的定义和开发，当算法能力增加时不再需要额外的对接成本。

酝势4：开源生态下的新商业模式

与互联互通同样重要的是开源。开源是上世纪80年代开始兴起的技术文化，逐渐发展成主流的技术协作方式。
隐私计算领域很早就意识到开源的价值。

开源的第一大好处就是降低行业门槛，促进行业繁荣。企业可以通过开源项目快速部署和开发隐私计算平台，缩短开发周期，于是将产生大量的隐私计算产品和应用，而这些产品和应用也将融入开源平台，提供更多的技术资源。

同时，开源也为隐私计算的安全可信创造了更好的条件。评价密码学技术安全性的黄金准则是“柯克霍夫原则”（Kerckhoffs＇s Law），即系统的任何部分都是需要公开的，只有密钥不需要公开。密码学发展近百年来，从DES、AES，到椭圆曲线，各种成功失败案例，无不遵循该准则。

按照柯克霍夫原则，要评价一个隐私计算方案是否安全，需要将方案公开，而且通过足够多同行的评议。因此，要对比各隐私计算厂商在安全方面的技术水平，有几个可供参考的衡量方式：

第一个标志性的衡量方式，就是看厂商是否将自己的技术方案公开发表，并得到了相关领域的认可。目前隐私计算方面最高水平的同行评议圈无疑是四大安全顶会和三大密码学会议。

第二个重要衡量方式是厂商是否将其关键系统代码开源：发表论文相当于在算法层面进行公开评议，而开源代码相当于在工程方面进行公开评议。一个有一定代表性的指标是开源代码在GitHub上获得的star（相当于程序员界的点赞）数目。

在中国，隐私计算的开源是从微众银行的隐私计算系统FATE开始的。2019 年 7月，微众银行第一个开源联邦学习系统FATE，开创了隐私计算系统开源的先例。

还有更多的公司已经或者正在加入开源的行列。比如，2020年初，字节跳动联邦学习平台 Fedlearner 开源。2020年5月，矩阵元隐私AI开源框架Rosetta发布。星云Clustar在FATE开源社区内开源了解决针对FATE平台自身存在的一些问题的方法，如解决FATE进程间通信问题的经验、技术、研究成果等。

2022年，隐私计算领域诞生了一系列重磅开源项目，比如阿里巴巴达摩院的FederatedScope、蚂蚁集团的隐语项目、第一个隐私计算开源社区开放群岛等。

最具突破性的开源项目还属隐私计算开源平台“隐语”。2022年7月，“隐语”可信隐私计算框架面向全球开发者正式开源，它由蚂蚁集团历时6年自主研发，几乎融合了当前所有主流隐私计算的技术框架。“隐语”通过良好可扩展的架构设计，可以为不同场景提供丰富的解决方案。隐语支持全链路的数据分析和处理能力、支持业务全生命周期的孵化。无论是早期 PoC 阶段的快速迭代，还是 PoC 验证成功后的业务的规模化推广皆可支持，确保业务在规模化推广过程中的高可用。

11月，隐语开源框架上线了业内首个基于多方安全计算的金融风控全链路解决方案，可实现全链路安全的数据联合计算，弥补了传统多方安全计算用于单一建模的技术空缺。

隐语开源框架负责人王磊认为，闭源让大家很难判断技术的安全性，而安全是隐私计算的立足之本。“我们希望通过隐语的开源，能吸引大家在隐语上实现共建，发挥各家企业的所长，最终希望在隐私计算技术上能形成的大的突破。”

在TEE技术开源层面，2022年12月，蚂蚁集团主导开源的TEE开源操作系统Occlum正式发布v1．0版。这一版本在线程调度、网络和存储IO方面最高有5倍的大幅度性能提升，将有力推动TEE机密计算迈向大规模生产应用。

除了开源平台和软件，中国的隐私计算的开源社区也在2022年诞生。

2022年5月，国内首个国际化自主可控隐私计算开源社区——开放群岛（Open Islands）开源社区于在深圳宣布成立。社区由深圳大数据交易所、高校、大型金融机构、大型互联网公司等50家发起单位牵头成立。

在开源生态下，隐私计算正在不断迭代新的商业模式。目前开源领域常见的商业模式有：

第一、在软件开源提供后，以软件后期的运维、部署、咨询、升级等技术手段盈利；

第二、发行企业版与开源社区版双版本，企业版以服务于一些特点企业应用场景进行盈利；

第三，通过将开源软件部署在云端服务器，需求方通过订阅的方式向提供方付费使用，同时这种模式也免去了实地部署等线下的过程与以及安装费用。

隐私计算领域商业模式主要为第一种和第二种，且更多的是通过搭建平台做数据运营，以及基于平台的解决方案。

酝势5：数据要素市场与数据基础制度建设加速

数据要素市场建设是中国数字经济发展的基础，也是中央和国务院的战略部署。而数据要素市场的健康发展，是一种数据流通性与安全性之间的平衡。

既要流通，又要安全。既要使用数据，又要保护数据。而这正是隐私计算的“分内之事”。

无论是从发展数字经济，还是从数据安全和隐私保护的角度，近年来各级部门出台了一系列政策法规，这些法规建立了中国数据要素市场初步的制度框架：

第一，《网络安全法》、《数据安全法》、《个人信息保护法》等正式法律形成了基本的法律框架；《社会信用体系建设法》也在2022年10月开始征求意见。

第二，从中央、国务院到各部委、各级政府颁布的发展数字经济、数据要素市场的相关政策和产业发展措施。比如各级政府的“十四五规划”、“十四五数字经济发展规划”，和各部委、各区域的数字经济产业政策。

第三，从中央、国务院到各部委、各级政府发布的促进和规范数字经济发展、数据要素流通的相关条例、规章等。比如“数据二十条”、目前已有十多个省级政府发布了数据条例。

这样的制度框架中，“数据可用不可见”已经成为通用性要求。但是它的落地和实现，需要技术支撑。而这个“既要、又要”的问题，目前来看最好的解决方案就是隐私计算。

对于技术发展来说，多项文件锚定了隐私计算未来参与数据要素市场的必要性和重要性。

2022年12月19日发布的“数据二十条”，全称是《关于构建数据基础制度更好发挥数据要素作用的意见》，它的指导思想里就明确要求“以维护国家数据安全、保护个人信息和商业秘密为前提，以促进数据合规高效流通使用、赋能实体经济为主线，以数据产权、流通交易、收益分配、安全治理为重点”。

在“推进实施公共数据确权授权机制”中，“数据二十条”要求“推进互联互通，打破‘数据孤岛’”。“鼓励公共数据在保护个人隐私和确保公共安全的前提下，按照‘原始数据不出域、数据可用不可见’的要求……推动按用途加大供给使用范围。”

不仅如此，早在2022年初，国务院印发的《要素市场化配置综合改革试点总体方案》就提到，探索“原始数据不出域、数据可用不可见”的交易范式，在保护个人隐私和确保数据安全的前提下，分级分类、分步有序推动部分领域数据流通应用。

2022年 10 月国务院办公厅印发的《全国一体化政务大数据体系建设指南》，多次提及隐私计算技术，内容涉及在全国一体化政务大数据体系建设过程中，隐私计算作为创新型技术手段在统筹管理一体化、算力设施一体化、数据服务一体化等多方面的关键基础设施支撑作用，以及作为鼓励探索创新的核心技术攻关方向发挥着重要保障作用。

除了国务院层面，各部委也积极推动隐私计算在相关领域的应用。

中国人民银行2021年12月发布的《金融科技发展规划（2022－2025年）》指出“应用多方安全计算、联邦学习等隐私计算技术探索建立跨主体数据安全共享隐私计算平台”。

科技部、教育部、工业和信息化部、交通运输部、农业农村部、国家卫生健康委员会2022年7月29日联合发布的《关于加快场景创新以人工智能高质量发展的指导意见》在“聚集人工智能场景数据资源”中明确强调“采用区块链、隐私计算等新技术，在确保数据安全的前提下，为人工智能典型应用场景提供数据开放服务”。
地方政府陆续发布的数据条例及相关规定中，隐私计算也受到重视。

《北京市数字经济促进条例》要求，新技术基础设施建设应当统筹推进人工智能、区块链、大数据、隐私计算、城市空间操作系统等。

《上海市公共数据开放实施细则》在关键技术、数据交付、平台功能等方便提出鼓励使用隐私计算等关键技术应用。

此外，广东省、贵州省、安徽省、湖北省等多地均出台了支持政务数据安全开放、鼓励隐私计算技术应用的地方性政策规划。

这些法律、政策和行业性、区域性规章纷纷出台并落地实施，将带着隐私计算落地到各行各业和各种数据场景中。

展望：2023，隐私计算“融合应用年”

2021－2022年，隐私计算实现了初步商用，开源生态日渐活跃，互联互通有所突破，基本具备了从“可用”到“实用”的条件。从2022年末到2023年初的政策、产业趋势看，随着技术性能提升、互联互通和开源的推进，在数据要素市场建设提速期，数据安全和数据治理的要求越来越高，2023年隐私计算将加速融合应用，以适应更多的场景需求。

我们姑且称2023年为“融合应用年”，它将是隐私计算成为普及性技术的重要助推期。

第一，实用性进一步提升。

隐私计算在过去几年是一种“奢侈配置”：在数据规模大、数据价值高的少数场景中使用，在资产规模大、技术能力强的公司中使用，而且建设成本高、但运算效率不够高。简而言之，可用，但不实用。

2021－2022年，隐私计算在商用中不断打磨，通过提升性能、加强互联互通、开源等方式，为性价比的大幅提升积累了条件：性能提升将直接降低用户的单位成本和总成本，互联互通解除了重复建设、沟通协调的成本，而开源则降低进入门槛和人力成本。当然，这其中很多工作都是出于发轫阶段，如互联互通在过去两年已完成初步尝试，2023年会持续加深并且形成一些真正可落地的标准。

不可否认，这些积淀将助推隐私计算由可用向实用转变，并将融入到更多的产品和服务中。

第二，“内外融合”同步加强。

隐私计算是一种“伴随性技术”，就像保安，数据在哪里，隐私计算就在数据需要经过的关键环节发挥作用。保安需要组织，保安需要武装，保安需要融入所在的单位和场景。反之亦然，各个数据场景都需要配备“隐私计算保安”，否则数据就不敢来了。

因此，隐私计算需要深度的技术融合，这在2022年已经取得了很多进展。接下来，无论是隐私计算各种技术流派之间的“内部融合”，还是与其他数字技术的“外部融合”，速度都将加快。

根据中国信通院《隐私计算白皮书2022》，截至2022年12月，已通过中国信通院“可信隐私计算”产品评测的100余家单位中，38％支持多种不同的隐私计算技术，其中以多方安全计算加联邦学习的占比最高，达到了33％。

上述提到的可信密态计算TECC就是隐私计算各条技术路线之间融合的典型，将隐私计算两大主流技术密码学和可信计算进行有机的结合。

除了各技术流派之间的“内部融合”，隐私计算还需要与其他技术外部融合，比如人工智能、区块链、工业互联网等等；而隐私计算与硬件的结合已产生多款一体机等软硬件结合产品，预计将会越来越丰富。

这种融合，不仅仅是一个加法，而是乘法，促生新的解决方案，乃至新的商业模式。

比如隐私计算与区块链的融合，就为数据流通的“不可能三角”提供了新解法，实现数据的安全、可信、流通，推动数据要素市场得以发展。

隐私计算与其他技术的融合意味着，其他技术的发展和应用，也将把隐私计算带到数字经济的万水千山。而“开源运动”将成为隐私计算内外融合的加速器。

第三，在数据要素市场建设中融入各种场景。

表面上看，隐私计算是出于数据安全的需要，而本质上，则是出于数据流通的需要。不流通，则无安全之虞，但是不流通，也断了价值之源。