隐语SecretFlow实训营-第2讲：隐私计算开源如何助力数据要素流通

数据要素流转与数据内外循环

从数据生命周期来看数据要素流转。

数据流转链路主要包括：采集、存储、加工、使用、提供、传输。
再次强调一下数据内外循环的差异：

• 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，持有方依然有管控需求和责任。

数据要素流转对于数据提供方和数据使用方都能收益。
对于数据提供方：1. 新增长点。2. 资产入表。 3. 数据资本化。
对于数据使用方：1. 业务提效。2. 运营降本。 3. 扩大营收。

数据外循环中的信任焦虑

要想构建数据要素市场，需要有足够的数据提供方加入。但是目前数据提供方因为种种原因担心而不敢加入数据循环。
信任焦虑的典型案例：

• 内鬼门：美国科技公司Ubiquiti发生数据泄漏，并被勒索，所有发现始作俑者是公司内部员工。
• Facebook剑桥分析数据门：剑桥分析公司获取Facebook用户数据后，未经同意将数据用于政治广告分析。

信任焦虑的关键问题之一就是数据权属。数据权属可被分为：数据资源持有权、数据加工使用权、数据产品经营权。
如何解决这个信任焦虑呢？
基于安全可信的技术信任体系，从主体信任过度到技术信任。依托于技术性能和安全性，支撑全行业数据要素安全可控流转的基础。
如何构建这个可信技术体系呢？
需要以下三种技术：

1. 匿名化技术
2. 数据跨域管控
3. 密态数据互联

数据要素流通对隐私计算的期望

隐私计算的三个原则：

• 原始数据不出域、数据可用不可见；
• 数据可算不可识；
• 数据使用可控可计量；

对于隐私计算产品，应该有一个通用的安全分级和评测方式。

隐私计算需要降低接入门槛，促进数据安全流通。

隐私计算开源助力数据要素流通

介（chui）绍（xu）一下隐语，主要有四大优势：

• 统一架构：支持联邦学习、多方安全计算、可信密态等。
• 原生应用；
• 开放拓展；
• 性能卓越；