隐私计算实训营第2期第2讲——隐私计算开源助力数据要素流通

课程链接：隐语 · 实训社区

01 目录 数据要素流转与数据内外循环

数据的生命周期如下图所示：

从中可以看到数据是如何流转的

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

在当下数据要素外循环是构建数据要素市场的核心，数据提供方和使用方都可以从中获益

数据提供方：                                                           数据使用方：

• 产生新增长点                                                         • 业务提效

• 资产入表                                                                • 运营降本

• 数据资本化                                                            • 扩大营收

02数据外循环中的信任焦虑

无论是数据提供方还是数据使用方对于数据外循环还存在着信任焦虑。

具体来说有以下几个因素：

数据提供方担心数据流通过程中泄露等安全问题、对于使用方是否合规使用数据存在疑虑、使用方的运维人员也不绝对可信任。

数据使用方担心数据来源的合规性，尤其是否得到个人用户的充分授权。

以上原因导致了数据提供方不敢加入数据的开放共享，而数据使用方的顾虑也影响着数据价值的变现。

信任焦虑中的关键问题之一：数据权属（持有权、使用权、经营权）

信任焦虑的解决方案：从主体信任到技术信任

具体来说要实现：技术信任体系和完备的信任链。

03数据要素流通对隐私计算的期望

隐私计算的内涵在扩大：

从传统的原始数据不出域、数据可用不可见延伸到数据可算不可识、数据使用可控可计量，形成隐私计算的三大原则。

隐私计算产品度量尺度要一致：

隐私计算产品需要通用的安全分级和评测方式

隐私计算需要降低接入门槛：

开源是很好的方式。

04隐私计算开源助力数据要素流通

蚂蚁集团经过多年的沉淀，打造并开源可信隐私计算框架： 隐语 SecretFlow。

其以安全、开放为核心设计理念，支持 MPC、FL、TEE 等主流隐私计算技术，融 合产学研生态共创能力，助力隐私计算更 广泛应用到AI、数据分析等场景中，解决 隐私保护和数据孤岛等行业痛点。

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。

隐语具有四大技术优势

隐语的开源经过了多轮安全验证

隐语得到了多项权威认定和荣誉奖项

隐语推动了行业生态共建共享