ARPA联合创始人 & CEO Felix Xu撰文,5分钟带你了解安全多方计算MPC原理与企业应用。
本文同时首发于京东区块链、链闻、CSDN。
以下为正文部分:
数据是现代商业与个人的核心价值与重要资产。数据正在重新塑造人类生活的方方面面,IDC Research统计2019年大数据和分析市场的销售收入约为1870亿美元。跨机构、跨行业的数据融合、联合分析和建模的需求日趋增加。但由于数据本身可复制,易传播,一经分享无法追踪,数据资产的确权困难,商业化被严重制约。在传统大数据分析中,数据的集中化收集容易导致隐私信息泄露等风险。私有化部署则需要开发人员现场部署模型于数据源的服务器上,耗时耗力,且算法也存在泄露隐患。此外,数据隐私监管日益加强,中央出台了《关于构建更加完善的要素市场化配置体制机制的意见》,首次将数据纳入生产要素。2019年下半年,监管部门则密集出台了《数据安全管理办法》、《App违法违规收集使用个人信息行为认定方法》、《个人金融信息(数据)保护试行办法》等多项征求意见稿及草案。
针对数据共享面临的问题,笔者认为隐私计算技术可为业界提供新思路,赋能数据确权并实现数据”可用但不可见”。设想参与数据分析的各方,互相看不到数据,但是可以共同做分析甚至训练模型,将最终结果发送给数据付费方,即可杜绝数据泄漏的风险。目前安全多方计算、联邦学习等隐私计算技术逐步走向成熟,在涉及用户隐私数据的金融、医疗、政务等领域中,让机构间的数据合作成为可能。而隐私计算与区块链技术的结合,既能保证输入数据可信,亦可隐藏运算过程,可谓鱼和熊掌兼得。本文中笔者将简单介绍安全多方计算的原理,并抛砖引玉介绍潜在应用。
安全多方计算(Secure Multi-Party Computation, MPC