万向区块链蜂巢学院：王爽：隐私计算—数据经济、数据要素的基石

3月24日晚，锘崴科技创始人、董事长王爽先生做客万向区块链蜂巢研习社直播间，分享隐私计算行业概述、隐私计算赋能数据要素化、隐私计算赋能医疗领域的应用等当下热门议题。

下文根据速记整理，略有不影响原意的删改。仅代表嘉宾个人观点，不代表万向区块链立场。

王爽：大家晚上好，非常荣幸有机会参加蜂巢研习社第82期在线讨论活动，非常感谢各位观众在晚上的时间跟我一起做关于隐私计算方面的交流。今天汇报的主题是“深入浅出隐私保护计算，数据经济数据要素的基石”。我本人目前在杭州锘崴信息科技有限公司，是创始人和董事长。

锘崴科技是专注于隐私计算底层技术研发和服务提供的公司，同时我也在四川大学华西医院、同济大学兼职特聘教授。我本人是2018年国家千人青年，是当年在隐私计算领域唯一入选的国家千人青年。

简单介绍一下团队在数据隐私保护过去十年的相关工作，回国之前我一直在美国的加州大学圣迭戈分校（UCSD）医学院做教授。在UCSD工作期间，我主要从事基于隐私计算在医疗领域的相关理论和应用研究，获得过国家自然科学资金的资助。在隐私计算领域团队发表了300多篇相关论文，基本覆盖了隐私计算的主流技术，像可信执行环境、同态加密、多方安全计算、联邦学习、差分隐私、数据隐私保护等。过去十年，团队获得了数亿元的自然科学基金资助。

除了基础研究外，我也在构建隐私计算的社区，也创办了全球最早最大规模的隐私计算大赛，每年大概有19个国家的100多个队伍参与到竞赛里。截止到今年已经举办了8届。

去年，锘崴科技首次把隐私计算搬回到国内，创办了国内首届隐私保护计算大赛。当时和国家基因库一起联合举办，有基因赛道。竞赛的目的更多是把学术界和工业界对于隐私计算的技术和需求更好地结合在一起，推动全球隐私计算应用技术的发展。

过去十年锘崴团队在隐私计算的医疗领域应用方面做了一些工作，2012年首次应用联邦学习的概念，打通了加州大学体系下五所医院的数据互联互通，实现跨多个医院“数据可用不可见”，或者是分享模型部分相个体数据的情况下，实现多中心联合分析、研究。

之后基于联邦学习的概念，结合同态加密、多方安全计算、可信执行环境等不同技术，实现更大规模的落地应用，比如说西海岸跨了200多家医院3000多万病人的联合数据分析，以及跨国罕见病研究。当时支持像美国、英国、新加坡等不同国家的多中心基因组学数据分析，以及横向纵向的联邦学习、结构化数据、影像学数据等不同的分析。

01 隐私计算行业概述

从隐私计算行业来讲，数据作为新型生产要素，已经写入到很多党的方针政策里，在党的政策引导下，数据作为生产要素正在释放数据红利对于未来数字经济发展的作用。可以看到，中国数字经济规模正在每年突飞猛进，到2025年将超过80万亿，并且占GDP50%以上的比重。数据作为生产要素，是驱动GDP和数字经济的基础。

在数字经济蓬勃发展的同时，全球和中国在信息、安全、个人隐私保护领域的监管越来越严。截止到2020年4月份，全球已经有130多个国家制定了和隐私相关的法律，我国在去年9月份和11月份颁布的《数据安全法》和《个人信息保护法》，标志着我国数据强监管时代的到来，特别是大数据和AI领域是重点监管的领域。在数字经济和强监管的共同作用下，对数据既要放得开，也要管得住。如何实现平衡？我们认为，目前隐私计算技术是用来平衡数据流通和隐私保护的最优解。

早在2012年隐私计算就在美国有应用场景的落地，在国内，从2019年开始，隐私计算技术进入普及和市场教育的阶段。到了2020年的时候，国内开始大规模验证和试点性地部署隐私计算技术，今年国内隐私保护计算技术发展进入到了真正成熟规模化应用的阶段。国际测评机构Gartner预计，到2025年，60%的大型企业将使用一种或多种隐私计算增强技术。来自甲子光年的测评报告数据显示，从隐私计算市场规模来看，是数千亿人民币的市场，放眼全球也有突破万亿级的规模。到2025年，中国隐私计算市场规模将超过200亿。所以，对于隐私计算的需求，或者说对于数据共享保护的需求和监管的需求越来越多。

02 数据隐私保护

简单介绍一下隐私计算技术，本次演讲的主题是深入浅出的介绍，所以我从几方面来讲下隐私计算。数据隐私保护的发展历程，大概经历了三个阶段。

阶段一：传统数据脱敏阶段，脱敏就是把数据里的敏感信息去掉。

阶段二：数据沙箱阶段，数据使用方要在数据源指定的边界内做相应的计算，拿到的只是相关的结果。