-
隱私計算
(面向隱私信息全生命週期保護的計算理論和方法)
鎖定
- 中文名
- 隱私計算
- 外文名
- Privacy compute
- 外文名
- Privacy computing
- 所屬學科
- 信息安全
隱私計算技術特點
具體是指在處理視頻 、音頻、圖像、圖形、文字、數值、泛在網絡行為性信息流等信息時,對所涉及的隱私信息進行描述、度量、評價和融合等操作,形成一套符號化、公式化且具有量化評價標準 的隱私計算理論、算法及應用技術,支持多系統融合的隱私信息保護 。隱私計算涵蓋了信息蒐集者、發佈者和使用者在信息產生、感知、發佈、傳播 、存儲、處理、使用、銷燬等全生命週期過程的所有計算操作 ,幷包含支持用户、高併發、高效能隱私保護的系統設計理論與架構 。隱私計算是泛在網絡空間隱私信息保護的重要理論基礎。
[1]
隱私計算社會意義
與傳統數據使用方式相比,隱私計算(Privacy compute)的加密機制能夠增強對於數據的保護、降低數據泄露風險。因此,包括歐盟在內的部分國家和地區將其視為“數據最小化”的一種實現方式。同時,傳統數據安全手段,比如數據脱敏或匿名化處理,都要以犧牲部分數據維度為代價,導致數據信息無法有效被利用,而隱私計算則提供了另一種解決思路,保證在安全的前提下儘可能使數據價值最大化。
[2]
隱私計算主要技術方向
從技術角度出發,隱私計算是涵蓋眾多學科的交叉融合技術,主流的隱私計算技術主要分為三大方向:第一類是以多方安全計算為代表的基於密碼學的隱私計算技術;第二類是以聯邦學習為代表的人工智能與隱私保護技術融合衍生的技術;第三類是以可信執行環境為代表的基於可信硬件的隱私計算技術。不同技術往往組合使用,在保證原始數據安全和隱私性的同時,完成對數據的計算和分析任務。
[3]
隱私計算多方安全計算
多方安全計算(Secure Multi-party Computation, MPC)由圖靈獎獲得者姚期智院士於1982年通過提出和解答百萬富翁問題而創立, 是指在無可信第三方的情況下,多個參與方共同計算一個目標函數, 並且保證每一方僅獲取自己的計算結果,無法通過計算過程中的交互 數據推測出其他任意一方的輸入數據(除非函數本身可以由自己的輸 入和獲得的輸出推測出其他參與方的輸入)。
[3]
隱私計算聯邦學習
聯邦學習(FederatedLearning, FL),又名聯邦機器學習、聯合學習、聯盟學習等。聯邦學習是實現在本地原始數據不出庫的情況下, 通過對中間加密數據的流通與處理來完成多方聯合的機器學習訓練。聯邦學習參與方一般包括數據方、算法方、協調方、計算方、結果方、任務發起方等角色,根據參與計算的數據在數據方之間分佈的情況不 同,可以分為橫向聯邦學習、縱向聯邦學習和聯邦遷移學習。
[3]
隱私計算可信執行環境
可信執行環境(Trusted Execution Environment, TEE)通過軟硬件方法在中央處理器中構建一個安全的區域,保證其內部加載的程序 和數據在機密性和完整性上得到保護。TEE是一個隔離的執行環境,為在設備上運行的受信任應用程序提供了比普通操作系統(Rich Operating System, RichOS)更高級別的安全性以及比安全元件(Secure Element, SE)更多的功能。
[3]
隱私計算多方中介計算
多方中介計算(Multi-partyintermediary computation, MPIC)是由譚立、孔俊提出的一種新的隱私計算方法,是指多方數據在獨立於數據方和用户的受監管中介計算環境內,通過安全可信的機制實現分析計算和匿名化結果輸出的數據處理方式,是一個計算管理系統。在MPIC中,數據方的原始數據由其去標識化後輸入中介計算環境或平台參與計算,完成計算後立即被刪除,匿名化結果數據經審核後按指定路徑輸出。在MPIC的特定環境和規則下,信息數據的身份標識經過加密和標識化的處理,因其算法具有不可逆性,故無法恢復為原始數據,滿足了匿名化的一個要求,即不能原復;同時,由於這些去標識化的信息數據被封閉在特定受監管環境或平台中,客觀上達到了匿名化的另一個要求,即無法識別特定自然人。故被處理的數據實質可視同匿名化,不再屬於個人信息,無需徵得個人同意就可進入中介計算環境或平台參與計算。
[4]
隱私計算隱私計算平台
BitXMesh
BitXMesh是首個將區塊鏈與安全多方計算技術結合,並支持鏈上鍊下協同的數據共享平台,滿足隱私保護需求下的數據價值傳遞需求,打破數據孤島,實現數據“可用不可見,可控可計量”。BitXMesh已通過中國信通院《基於多方安全計算的數據流通產品基礎能力專項評測》、《區塊鏈輔助的隱私計算基礎能力專項評測》
[6]
、《多方安全計算性能專項評測》
[7]
且性能測試各項評測結果超行業平均水平10倍以上是構建分佈式數據要素市場的可信基礎設施。
PrimiHub
PrimiHub是開源隱私計算平台,基於安全多方計算、聯邦學習、同態加密、可信計算等隱私計算技術,結合區塊鏈等自主研發的隱私計算應用平台。秉承保護數據在應用過程中的隱私安全,實現“數據可用不可見”。 產品平台涵蓋了匿蹤查詢、隱私求交、聯合建模、聯合統計、算法容器管理、數據資源管理、數據確權與定價、異構平台互聯互通等主要應用服務功能。
隱私計算發展前景
- 參考資料
-
- 1. 李鳳華 ,李暉 ,賈焰,俞能海 ,翁健.隱私計算研究範疇及發展趨勢:通信學報,2016年4月
- 2. 什麼是隱私計算? .中國紀檢監察報.2021-10-09[引用日期2021-10-09]
- 3. 隱私計算白皮書(2021年) .隱私計算聯盟、中國信通院雲大所[引用日期2021-10-13]
- 4. 多方中介計算:一種新的隱私計算方法 .經貿實踐[引用日期2021-10-23]
- 5. 隱私計算:護航數據價值,實現“可用不可見” .光明網.2021-09-13[引用日期2021-12-30]
- 6. 可信大數據證書編號IYB-2021-20108 .可信大數據評估評測.2021-06-24[引用日期2022-03-24]
- 7. 可信大數據證書編號IYB-2021-20129 .可信大數據評估評測.2021-06-24[引用日期2022-03-24]
- 8. 百度研究院發佈2023年十大科技趨勢預測 .人民日報.2023-01-05[引用日期2023-01-05]