锘崴科技王爽：隐私计算迎“东数西算”发展大机遇

本期导读

国内隐私计算领军企业锘崴科技创始人、董事长王爽教授认为，“东数西算”工程不仅实现能源与算力的优化配置，也为数据要素的优化配置提供了基础设施。

锘崴科技创始人、董事长 王爽

“东数西算”工程正式全面启动，我国数字经济基础设施将迎重大升级优化，芯片、通信、软件、绿色能源等产业链领域被普遍视为受益行业。而更不容忽视的是算力基础设施对数据要素相关产业的带动作用，其中促进数据要素流通与共享的相关技术，特别是近年来热度颇高的隐私计算又将迎来新一波发展机遇。

国内隐私计算领军企业锘崴科技创始人、董事长王爽教授认为，“东数西算”工程不仅实现能源与算力的优化配置，也为数据要素的优化配置提供了基础设施——更大范围内的数据可以通过高效通信网络和算力枢纽实现共享和计算，而不只局限于各家企业分别使用“西部”的算力来处理自己的数据。

他指出，信任是实现数据要素流通与共享的前提基础与核心关切，“东数西算”工程这样国家级的底层基础设施提供了毋庸置疑的信用背书和资源供给。同时，国家级实力还代表了坚实的技术保障，通过隐私计算创新实现了数据的“可用不可见、可信可分配”。隐私计算将提升“东数西算”工程在数据要素流通中的作用，而“东数西算”工程的超大集群规模也将给未来隐私计算的发展和应用提供广阔舞台。

算法优化与数据一体化

隐私计算通过技术实现数据“可用不可见”，让来自不同行业和企业的数据流通共享，从而发掘更大数据价值，成为数据要素流通的理想“技术解”。对于隐私计算在“东数西算”或“算力枢纽”中的角色探讨其实并非“将来时”，而一直是“进行时”。

2021年5月，国家发展改革委会同有关部门印发《全国一体化大数据中心协同创新体系算力枢纽实施方案》，在提及促进数据有序流通时就明确：“建设数据共享、数据开放、政企数据融合应用等数据流通共性设施平台，建立健全数据流通管理体制机制。试验多方安全计算、区块链、隐私计算、数据沙箱等技术模式，构建数据可信流通环境，提高数据流通效率。”

随后，国家发展改革委高技术司相关负责人在答记者问时表示，国家枢纽节点建设的总体思路包括网络、能源、算力、数据和应用的一体化，其中数据一体化就对应了上述隐私计算相关的具体技术。

同年6月，国家信息中心大数据发展部的多位专家也撰文表示，实现一体化推动政企算力资源和数据资源融合发展是加快构建全国一体化大数据中心协同创新体系的战略价值之一，通过多方安全计算、联邦学习、隐私计算、数据沙箱等技术手段构建数据资源可信流通环境，推动实现数据“可用不可见”“可用不可拥”的新型合作机制，打造以“政-政”数据共享、“政-企”数据开放、“企-企”数据流通等为代表的数据供应链，实现全国数据资源流通“一盘棋”局面。

如其所言，“一体化”与“一盘棋”格局有助于推动我国数据共享基本面从以政务数据共享为主向企业数据共享的下沉延伸。《我国数据开放共享报告2021》显示，政务数据共享和公共数据开放仍是我国数据开放共享的主要方式。企业间数据共享存在隐蔽、不透明等特点，亟待规范发展。

由此可见，尽管“东数西算”工程直观展现出的是算力资源的优化配置，但内在是与数据要素流通的“一体化”协同。从功效来看，如果说网络、能源、算力等有限资源通过优化配置可以变得更加“高效”，那么数据经过流通共享后发挥的“乘数效应”和衍生价值则具有无限想象空间，这反过来恰好佐证了隐私保护计算在其中的巨大需求空间。

隐私保护计算全方位助力

隐私保护计算不是一项全新发明的前沿技术，而是一系列已有技术形成的综合解决方案，其总目标是实现数据“可用不可见”。在“东数西算”工程的大框架下，隐私保护计算的不同技术路径可以从不同方面提供支持。

最显著的场景是“算”。算力来自于芯片，但芯片不仅能提供算力，还能提供可信执行环境（TEE），也就是在CPU芯片等硬件内部建立隔离的安全环境供计算执行，外部攻击者无法从TEE中窃取数据。

“东数西算”工程包含8地算力枢纽、10个国家数据中心集群，据报道相关投入将达每年数千亿规模。芯片作为算力的核心硬件，显然也给TEE的需求留出了足够的想象空间。另外受国际贸易格局影响，不少国内企业对Intel、AMD等国外厂商芯片有所忌惮，因此还将推动我国信创产业发展，一批瞄准国产芯片TEE的研发企业也将获得额外机会。

TEE的基本理念是把数据计算限于硬件环境内，而对于有多个数据拥有者需要把各自数据拿出来协同计算的情况，隐私保护计算则可以通过软件算法来实现，如采用基于密码学的多方安全计算（MPC）和同态加密（HE）把数据加密后计算，也可得到计算结果。

但加密计算需要付出代价，相比明文计算，密文计算对性能的要求较高，一般认为密文计算的效率只有明文计算的1%或更低。不过，这一问题在国家级的算力面前可以得到完美解决，强大的算力可以极大提高密文计算效率。从这一点来看，隐私计算与国家算力枢纽还是相辅相成的关系。

隐私计算的另一大重要技术路径是联邦学习，也就是在人工智能模型训练中采用“数据不动模型动”的基本理念，数据留在拥有者本地无需流出，让模型“找到”数据，这样既避免数据泄露，也训练了算法。联邦学习规避了大量数据传输，可以说是在人工智能场景中为“东数西算”工程节省了大量通信与存储资源，与工程注重能耗和减碳的理念相契合。

对此王爽教授解释道，联邦学习把分散的“小数据”提供给机器学习模型，庞杂的数据无需再以中心化方式从各本地机构复制到中心“数据湖”，再由每个使用者复制到各自本地用于模型训练。由于是模型在各机构间移动，模型自身就能“汲取”越来越多的数据集而变得更大更强，更无需考虑数据存储的相关要求和成本。

可信可行可期

值得一提的是，虽然“东数西算”工程还处于启动阶段，但隐私计算与大数据平台和超大算力的结合却早有先例。

2019年，成都市公共数据运营服务平台成立，成为全国最早的隐私计算大规模应用平台之一。该平台利用了可信执行环境、联邦学习、多方安全计算等技术，同时还依托国家超算成都中心的超算算力破解隐私保护计算的执行效率瓶颈，成为“超算+隐私保护计算”的创新实践。

据成都市大数据集团总经理顾勤介绍，该平台已对接数据提供单位38个，接入政务类数据464类，上线数据服务产品98个，支持应用场景40余个（基于信息主体授权）。

王爽教授表示，过去几年里的许多案例都不断证明了隐私计算的可行性、落地前景和商业价值。全国一体化大数据中心协同创新体系和“东数西算”工程为我国数字经济发展构筑了坚实底座，也有望让隐私计算更快更好地赋能更多地区和更多行业，发掘更大数据价值。锘崴科技将凭借业内领先的技术和服务实力，积极投入资源，为相关体系和工程建设提供底层技术支持。

锘崴科技的隐私计算体系基于「隐私保护计算+区块链」的核心能力保证数据共享全链路隐私安全，通过首创的安全联邦学习技术实现，其由多方安全计算、同态加密以及可信计算环境等底层技术构成