信通院发布《隐私计算应用研究报告（2023年）》

近日，中国信通院云计算与大数据研究所发布了《隐私计算应用研究报告（2023年）》，结合数据要素发展的新形势，从政策、市场等角度分析了隐私计算应用现状，总结隐私计算在各行业、数据要素流通平台的应用案例，并聚焦隐私计算应用难点，总结项目实施的解决方案，以下是报告主要内容摘录：

自2020年4月起，数据作为一种新型生产要素参与分配，是我国数字化建设的核心生产力之一。为完善数据要素治理制度，保障数据要素流通安全，我国政府出台了一系列数据安全相关的政策文件。在这一系列政策的大背景下，数据要素市场日渐活跃，数据要素合规有序流通的需求不断高涨。然而，我国数据要素流通还处于较为初期的起步阶段，仍面临着流通规则不够明确、各方需求不够旺盛等问题挑战，进一步提高数据合规共享水平将是未来发展的关键方向。

根据《数据二十条》政策指引，数据要素只有在安全、高效的流通中才能充分发挥价值，隐私计算可以在保障数据流通过程计算安全性、赋能不同行业场景释放数据价值、适配数据要素流通多种应用模式上发挥价值。

本次应用研究报告对最近几年的招标情况进行了分析统计，可以观察到隐私计算应用仍处于产业快速增长期阶段，隐私计算相关的招标数量逐年递增。隐私计算应用行业更加丰富，高校、能源、交易所等新场景开始不断扩展。

根据隐私计算联盟收集到的应用案例及联合国发布的隐私增强技术指南中的案例可以观察到，多种技术融合的应用解决方案已逐渐成为各场景的主要技术应用模式。以金融、政务和通信行业为例，都用到了三种以上的隐私计算技术，其中软硬结合的方式也成为了各行业探索的重点方向。

除了传统的隐私计算技术外，2022年以来越来越多的厂商也开始尝试将隐私计算与其他新技术融合，其中隐私计算与区块链、图数据、AI大模型等技术的融合成为最近一年发展的热点方向。

在金融行业中，由于金融行业涉及大量敏感、个性化的客户数据，金融机构的客户对数据隐私保护要求越来越高，且金融机构也面临更为严格的合规性要求。隐私计算可以在保持数据加密、不直接暴露客户信息的前提下，实现多个金融机构间的计算、分析，满足合规性要求的同时充分挖掘数据要素价值。

在政务行业中，隐私计算主要用于政务各部门机构间的内部数据共享、政企数据融合等场景中，敏感数据合规共享、政务数据处理效率低是目前主要的痛点问题。隐私计算在政务数据保护上可以提供一种安全、高效的数据处理和保护方案，从而保障政府机构间敏感数据共享的安全性和高效性。

在通信行业中，运营商拥有海量数据具有开展隐私计算业务的数据资源，隐私计算在运营商的应用也已逐步推动。基于当前数字化转型的趋势以及数据安全管控要求，各地方运营商迫切希望基于安全合规的数据智能技术赋能业务推广，同时可以作为通信数据提供方赋能不同行业的场景应用中。

在互联网行业中，目前面临的隐私问题主要体现在用户数据泄露、用户数据滥用、数据安全性差、数据被黑客攻击的风险不断增加等。隐私计算通过不直接使用个人信息的方式，在保护用户隐私的同时实现对用户兴趣爱好的计算，完成个性化内容推荐、广告营销等应用。同时，AI大模型与隐私计算软硬件技术结合，可以在数据共享、模型训练、微调和推理中，保障原始数据和模型参数的安全性。

在医疗行业中，医疗数据分散、患者个人信息的隐私要求高、不同医疗系统间数据难共享是当前面临的主要问题。隐私计算在不暴露患者敏感信息的前提下，将多机构间的匿名化数据进行联合分析，帮助加快医学研究和临床试验进展；为患者提供个性化的医疗方案和健康管理方案。

随着隐私计算应用不断探索，除了以上介绍的几个应用较为广泛的行业外，新兴行业的隐私计算应用也开始逐渐涌现，如能源、烟草、教育等。

除了隐私计算在各个行业的应用外，本次应用研究报告中也梳理了隐私计算在数据流通模式中的应用。

当前，我国数据要素流通模式正在寻求高效有序的发展路径，使数据流通平台成为兼具“技术、信息安全和法律保障”的数据价值转化渠道。为了搭建安全合规、高效运作的数据流通平台，隐私计算可以通过结合区块链、数字身份、云计算等技术，构建一套覆盖个人、企业、政府机构等参与方的数据流通基础平台设施，助力数据要素价值释放。

隐私计算在数据流通平台的应用模式也多种多样，包括公共数据运营、企业集团内部数据流通、企业间数据流通、跨境数据流通等方面，相比于隐私计算平台，数据流通平台用到的技术能力更加多样，应用场景也更加丰富。

本次应用研究报告也对隐私计算面临的问题及未来演变方向进行了梳理总结。首先是隐私计算自身产品主体仍需在技术实施、业务成本、合规保障上进行优化，进一步提升应用增长规模；其次隐私计算在各行业的数据流通场景上仍需加速探索；最终隐私计算在构建高效集约的基础设施、助力数据交易流通的互联互通、安全合规跨境流通等多方面，更加适配数据要素流通制度，加速释放数据要素价值。

同时，本次应用研究报告也收集了隐私计算业务供需双方在项目部署中的痛点、难点，从规划设计、实施部署、运营维护各阶段，对隐私计算应用部署难点及解决方案进行了总结，并在重点问题上给出了应用解决案例，为探索隐私计算项目可复制、可推广的实施路径和模式提供参考。

各行业在推动数据要素流通的同时将继续强化数据安全和隐私保护，在隐私计算方面投入更多精力，隐私计算也将逐渐成为行业的刚需。随着技术体系不断成熟、数据加速开放、数据要素基础设施建设，隐私计算将在应用效果、应用场景、应用规模上实现进一步发展。