隐语实训第 2 课:隐私计算开源助力数据要素流通

本文从以下四个点分析隐私计算开源如何助力数据要素流通:

1.数据要素流转与数据内外循环的关系

数据流转链路主要包括:采集、存储、加工、使用、提供、传输。而在一个流转周期中,存在数据采集加工和数据价值释放,其中数据价值释放又包含内循环和外循环。
内循环:数据持有方在自己的运维管控域内对自己的数据使用和安全拥有全责。
外循环:数据要素离开了持有方管控域,在使用方运维域,持有方依然拥有管控需求和责任。
而其中的外循环是构建数据市场的核心。
在这里插入图片描述
而数据外循环是数据信任的核心。

2.分析数据要素外循环中面临的问题

信任焦虑
存在上述信任焦虑的典型案例,如前文中提到的黑客门,2023 年2月媒体消息,万国数据和新加坡的数据中心被黑客攻击,客户登录信息泄露。内鬼门,美国科技公司Ubiquiti在2021年1月曝出数据泄露事件,导致市值损失数亿美元。最后确认是该公司员工监守自盗。越权使用风险,滥用门:剑桥分析公司未按约定使用从Facebook 获得的8000万用户数据, 擅自将数据用于政治广告分析,导致脸书公司遭受50亿美元的罚款。
信任焦虑的关键问题之一是数据权属
在这里插入图片描述
具体的解决方案就是从主体信任转到技术信任。(可参考前文 隐语实训第一课:数据可信流通:从运维信任到技术信任)

3.数据要素流通对隐私计算的期望和要求

隐私计算的内涵在扩大(隐私计算的三个原则):
原始数据不出域、数据可用不可见
数据可算不可识
数据使用,可控可计量

达到上述原则,期望,需要做到隐私计算产品度量尺度一致
在这里插入图片描述
此外,隐私计算还需要降低接入门槛,这样不仅能让更多企业轻松使用隐私计算技术,让技术产品的安全可信性更透明,还能促进数据要素流转中事实标准的发展。因此,开源是一个非常好的解决方案。

隐私计算开源如何助力数据要素流通

以蚂蚁集团开发的开源可信隐私计算框架:隐语SecretFlow为例
在这里插入图片描述
目前,隐语已在金融/医疗/保险/政务等多个行业应用实践,并收获了众多高校/企业/开源社区的共建支持,以期汇聚多方形成技术合力,推动隐私计算技术行业可持续发展。

总结

如隐语这种成功的开源案例不仅能解决数据要素流通对隐私计算和要求,还能推动行业生态共建共享。

  • 11
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值