阿里妈妈营销隐私计算平台SDH：公用云应用案例分享

一、概览

阿里妈妈营销隐私计算平台Secure Data Hub（以下简称“SDH”）是一个面向广告引擎、广告主、三方DSP/DMP等合作方，在隐私安全环境下进行数据融合、隐私计算、联合建模的 Data Clean Room 产品（延展阅读：阿里妈妈营销隐私计算平台SDH在公用云的落地实践）。SDH利用多方安全计算、联邦学习、差分隐私等隐私增强计算技术，解决广告营销场景中数据孤岛和跨域数据流通问题。在广告投放的数据处理、人群定向、洞察分析、投放优化、归因衡量、增效度量、触达监测的全流程中严格保障多方数据的隐私安全和数据合规，为广告主联通品牌全域消费人群资产提供跨域安全一致的数据决策能力，实现品牌全域生意的增长。本篇分享基于SDH营销隐私计算平台的广告跨域营销追踪和全域资产分析落地实践案例。欢迎阅读交流~

二、背景

2.1 行业背景

广告作为互联网最大的商业模式，已经逐步形成一个体量巨大、生态完整的广告营销行业。广告营销场景下，数据安全和用户隐私问题贯穿整个广告投放链路。同时因广告生态下角色众多，包括用户、媒体、广告主、SSP、ADX、DSP、DMP、CDP等，数据流向会跨多个生态角色和平台，导致数据间分散割裂，数据无法高效流通和共享，从而产生数据孤岛和壁垒问题。

数据作为一种具有独特属性的生产要素，具有非竞争性、无限供给、易复制、边际成本低的特点，因此也会导致数据产权不明确、数据安全合规性难保障、数据流通配套不完善等问题。如何保障广告行业多方生态角色的用户隐私和数据安全，通过数据要素流通充分挖掘和释放数据价值，成为全球广告营销行业探索的前沿方向和共识。

隐私计算作为保障数据融合使用和数据要素安全流通的有效技术手段，成为解决广告行业数据孤岛和跨域数据流通难题的关键核心。广告行业下，隐私计算技术的应用可总结为以下四类：

1. 多方安全计算（Secure Multi-Party Computation, MPC）：基于秘密分享（Secret Sharing）、混淆电路（Garbled Circuit）、同态加密（Homomorphic Encryption）等密码学技术实现在数据可用不可见前提下使用多方数据进行融合和联合计算，而无法感知每个参与方的明细数据，以减少数据泄漏风险。

2. 联邦学习（Federated Learning, FL）：一类多方数据联合建模的方案，在训练过程中保证各方原始训练样本不出域，只交换机器学习参数，通过PPC（Privacy-Preserving Computation）技术保护建模过程的数据安全。

3. 可信执行环境（Trusted Execution Environment, TEE）：以第三方硬件为载体进行数据共享，防止数据和代码在使用中未经授权被访问和修改。多方数据可以在一个TEE计算环境内进行联合计算和分析，并保障使用过程中数据以及模型的机密性和完整性。

4. 数据洁净室（Data Clean Room，DCR）：允许多个参与者利用数据资产进行特定和授权下的联合计算、分析和建模的安全协作的计算环境，并提供完整的数据隔离、数据鉴权、隐私计算增强和差分隐私的保护能力。DCR并不代指某一类特定的PPC技术，而是一个融合多类隐私计算技术形成的完整数据解决方案。

考虑到互联网广告的海量数据及实时性特性，广告行业下的隐私计算技术应用相比其他行业有很大不同，对于隐私计算技术的安全性、计算性能、与广告系统的交互能力和行业特色场景适配性上都有更高的要求。

2.2 合作背景

阿里妈妈联合加和科技，利用SDH营销隐私计算平台，基于双方持有的广告数据和用户数据，完成了基于隐私计算的广告跨域营销追踪和全域资产分析项目的应用实践。

阿里妈妈致力于成为淘宝平台入驻品牌优选的消费者资产投资平台，依托阿里巴巴集团强大的数智能力和超级媒体矩阵，为品牌提供全链路的消费者运营解决方案，让商业营销更加简单高效。营销产品包括：一站式智投的万相台无界版、阿里妈妈百灵、超级互动城、超级直播等，在品牌和效果营销领域服务超过400万广告主。

加和信息科技有限公司作为广告服务商旨在为企业提供一站式智能营销解决方案，构建了广告投放和数据分析的产品ReachMax，高效满足服务客户的投放和分析需求，