隐私计算(Privacy Computing)是一种由两个或多个参与方联合计算的技术和系统,参与方在不泄露各自数据的前提下通过协作对他们的数据进行联合机器学习和联合分析。隐私计算的参与方既可以是同一机构的不同部门,也可以是不同的机构。在隐私计算框架下,参与方的数据明文不出本地,在保护数据安全的同时实现多源数据跨域合作,可以破解数据保护与融合应用难题。常见的实现隐私计算的技术路径包括联邦学习、安全多方计算、可信计算等,此外区块链也是隐私计算的重要补充。
隐私计算也是当前数据保护领域各界关注的热点。在学术界,近年来有关隐私计算的学术会议和论文呈现爆发式增长。产业界愈加关注隐私计算技术和产品,由中国信息通信研究院牵头成立的“隐私计算联盟”有六十多家成员单位,包括大型互联网公司、金融机构、初创型科技公司等企业。政府部门和监管机构也非常重视隐私计算技术的发展,一方面希望能够通过隐私计算技术推进安全的数据协同应用、推动数据经济发展,另一方面也积极制定规范和指导意见,促进隐私计算技术及产业健康发展,推动合法、合规的数据协同应用。
对于个人消费者而言,隐私计算应用有助于保障个人信息安全。对于企业和机构而言,隐私计算是数据协作过程中履行数据保护义务的关键路径。对于政府而言,隐私计算是实现数据价值和社会福利最大化的重要支撑。