隐私计算:让我们的数据安全流通

文末附免费获取 中国信通院《隐私计算白皮书(2021)》pdf 下载方式

「数据可用不可见」是在我们个人隐私数据得到保护的前提下,实现数据安全流通的一个重要目标。

让我们的数据安全流通有一个好办法,那就是不让别人知道我们个人的数据长什么样!🐶

你拿不走我的数据~ 但是我可以跟你分享我这部分数据的价值,but请你给我打钱!🤣

本文重点分享「隐私计算技术」如何实现“数据可用不可见”这一重要目标。主要从行业背景剖析、关键概念解读、主要技术流派进行分享。

关键词:数据安全,隐私计算技术,隐私数据

01 行业背景

近年来,「数据安全」话题备受关注,个人数据隐私也开始受到用户的重视。这可以认为是人类进入互联网时代以来对数字化基本人权的觉醒,也是消费互联网开始迈入价值互联网的一个重要转折点。

全球各个国家和地区关于隐私保护、数据安全相关法律政策时间线如下:

  • 1974年12月,美国通过《隐私权法》(The Privacy Act)
  • 此处略去风云变幻的四十年。。。感兴趣的读者自行查阅史料🐱‍🏍️
  • 2018年5月,欧洲联盟出台《通用数据保护条例》(简称GDPR)
  • 2019年10月,党的十九届四中全会首次提出将数据作为生产要素参与分配,探索建立健全由市场评价贡献、按贡献决定报酬的机制。
  • 2020年10月,党的十九届五中全会提出“推进土地、劳动力、资本、技术、数据等要素市场化改革”,再次确立了数据要素的市场地位。
  • 2021年9月1日《数据安全法》将正式实施,这是我国数据安全领域的第一部专门法律。

全球各个国家和地区对数据安全的关注极大推动了「隐私计算技术」的发展,因为只有发展隐私计算技术,才能确保在合法合规、不泄露个人用户的隐私数据的前提下实现数据的流通与融合。

02 关键概念

所谓「隐私计算」,拆解一下即为“隐私”+“计算”,加个词扩充一下~🤔进一步解读为“隐私数据”+“数据计算”。(我可真是个小机灵鬼~)

什么是“隐私数据”呢?我们个人的敏感信息就是构成隐私数据很重要的一部分,例如你的身份证号、家庭住址、职业、收入、资产信息、消费行为数据等等这样一些信息,都可以认定为隐私数据。

当然,群体或组织的敏感信息也是属于隐私数据的一部分,可以表示为公共敏感信息,例如企业的纳税记录、不动产信息、抵押情况等。🙌

什么是“数据计算”呢?简单来说,就是把能用于计算的数据“放到一起”,充分利用大规模数据样本,挖掘其背后隐藏的信息,即实现数据价值挖掘的一种技术。

举个栗子:X讯 拥有用户A的社交数据,X宝 拥有用户A的消费行为数据,那如果能把这两部分数据“放到一起”计算,则可以描绘出用户A更精准的客户画像,这样就能给他推荐更精准的广告了~ 从而达到让A天天买买买的目的!👍

当然,X讯 和 X宝 两家公司是不会真的把各自拥有的用户A「隐私数据」“放到一起”进行「数据计算」的,这不符合《数据安全法》的要求,极有可能会造成用户隐私数据泄露,是会“吃竹子鱼🐟”的哦![潮汕方言,意思是挨老爸老妈的训斥和教导(挨揍)hhha]🤣

这时候「隐私计算技术」就可以大显身手了!如果 X讯 和 X宝 要把各自拥有的用户A的 社交数据+消费行为数据 进行融通,则可以巧妙地将数据变形后再拿出来,放到一台计算服务器上进行联合运算,从而达到他们想要实现的效果。

总的来说,隐私计算技术是通过对隐私数据进行保护:采用对数据进行加密、或只交换数据中间计算结果、或通过可信硬件执行环境等技术,有效解决数据流通与隐私保护之间的矛盾,打破数据孤岛,实现无可信第三方场景下的多方数据价值挖掘的技术体系。😉

03 主要技术流派

联邦学习(Federated Learning)

Ø一种安全人工智能技术。解决在分布式场景下,如何联合多方的数据进行联合建模的问题。

Ø优点:支持比较多的 AI 算法;同时仅通过传递梯度来保护数据隐私和完成模型训练,效率比较高。

Ø缺点:一是基于梯度安全性无法保证,容易被攻击;二是存在数据投毒的风险。

可信执行环境(TEE)

Ø一种安全硬件技术。通俗地说, TEE 是将所有的任务都丢到一个黑盒子里面去计算。

Ø优点:通常我们会将计算的时候用到代码和数据放在操作系统层面,可以保证运行时安全。

Ø缺点:属于硬件部署,所以硬件的升级改造通常没有软件那么轻量和方便。

安全多方计算(MPC)

Ø一种密码学技术。最早由图灵奖获得者、中国科学院院士姚期智先生于1982年提出。主要解决在无可信第三方,保证多个参与方不泄露隐私数据的前提下,协作完成对一个问题的求解。

Ø优点:基于密码学的安全性经过理论推导。

Ø缺点:较难实现高并发、海量参与方的联合计算。


中国信通院《隐私计算白皮书(2021)》pdf下载方法:

1、关注公众号:asympTech渐进实验室

2、回复“隐私计算白皮书”

3、免费获取下载链接


未来已来

让我们拭目以待

欢迎关注我们

洞察技术的力量

更多关于大数据、分布式、存储、区块链、Linux相关文章请关注微信公众号:asympTech渐进线实验室

Github、知乎、博客园、CSDN、简书全网唯一id:JasonCeng

技术人,不白嫖,如果您觉得文章对您有帮助,帮忙点个推荐吧~

个人交流微信号|baiweijunx

posted @ 2021-08-17 17:44  JasonCeng  阅读(500)  评论(0编辑  收藏  举报