推荐序

这是一个人人都在谈“大数据”的时代。然而，相信凡是在工作中和数据稍有关联的人，都会听到“数据孤岛”这样的说法。不同的数据拥有方，彼此的数据互不连通，形成了一座座“数据孤岛”。岛屿群间相互割裂，彼此孤立。然而，我们都知道，数据只有流通融合才能充分释放价值。例如，普惠金融需要更多的数据来完善建模，有效发放贷款，广告营销往往也需要跨行业的数据来提升精准度。然而，数据一旦交给别人就面临着失控的风险，数据流通的各方也很难彼此相互信任。

目前我国数据要素市场化配置尚处于起步阶段，甚至可以说，数据流通在某种层面还处于“男耕女织”的阶段。特别是在数据确权、开放共享、自由流动和数据安全等方面还存在很多阻碍：一是数据权属的界定仍不明确，在相关立法尚未健全的当下，行业内的实践中未能形成具有共识性或参考性的权属分割规则，产权争议、无法监管的风险经常令供需双方望而却步；二是频发的数据安全和个人隐私泄露事件加剧了社会对数据交易的不信任感，出于对国家安全、个人信息和商业秘密的保护，主体参与数据交易的主动性、积极性降低；三是确保流通过程的合法合规仍然较难把握。

那么，这两年越来越火热的隐私计算技术是干什么的呢？它如何解决此类数据流通面临的困境呢？本书从技术角度给出了答案。

简而言之，隐私计算是一种实现数据“可用不可见”的技术。通过这类技术，我可以在不把数据给你的同时，让你利用到我的数据价值（如数据先加密再密文计算）。当然，这样的技术相比直接计算，要耗费更多的计算资源使用更复杂的算法和协议，消耗更多的网络带宽资源。这也就是为什么虽然多方安全计算早在二十世纪80年代就被提出来了，但直到现在才“重焕新生”—当时隐私计算比通常的计算慢数百万倍，使得其在当时的条件下只具有理论意义。而最近几年，随着计算能力的增强（算得越来越快）、算法协议的优化（计算速度从慢百万倍降低到慢几百倍）和计算成本的降低（多计算一些也花不了多少钱），人们忽然发现，隐私计算可以用了，至少在一些对时间延迟要求不那么敏感或数据量不是很大的环境下。

那么作为“新生技术”的隐私计算到底用哪里，效果如何，能多大程度提升合规性，以及还面临哪些挑战呢？这些人们普遍关心的问题，也是本书致力解答的。近来数据安全相关法律法规相继出台实施，人们关于数据安全流通的意识不断提升，隐私计算加速发展。初创企业、互联网企业、大数据企业、区块链企业、运营商、银行纷纷入局，在金融风控、电子政务、智慧医疗、互联网营销等领域，越来越多的隐私计算落地应用开展起来。但同时，我们也要看到隐私计算仍然面临着跨平台互联互通困难、大规模可用性不足、安全分级分类规范缺乏、市场发展不平衡不充分、法律适配性尚无定论等问题的挑战，值得关注和持续深入研究。

2020年，为促进数据要素依法有序自由流动，推进隐私计算技术与实体经济深度融合，提升隐私计算行业认知，中国信通院牵头成立了隐私计算联盟，成员包括政府单位、运营商、金融机构、技术厂商等在内的90余家企事业单位。联盟旨在以国家政策法规为导向，以切实服务市场需求为趋势，搭建政产学研合作交流平台，积极培育市场，释放数据价值，提升中国隐私计算的国际影响力和竞争力。一年来，联盟围绕隐私计算基础核心技术研究、行业应用落地、标准体系构建和隐私计算政策监管研究等多个方面，取得了诸多成果。可以说，这本书中的许多内容，就是作者们同隐私计算联盟的业内专家共同探讨形成的。

“可用不可见”的隐私计算技术和产业仍在快速发展，本书立足当下，介绍了现阶段隐私计算的火热现状，也展望了未来，为我们既要利用数据、又要保护数据提供了更多想象空间。

中国信息通信研究院 何宝宏

2021年12月      

作者序

时至今日，数据作为数字经济时代最为核心的生产要素，在社会生产、生活中的巨大价值已经不言而喻。2020年4月，中共中央、国务院发布的《关于构建更加完善的要素市场化配置体制机制的意见》中，将数据同土地、劳动力、资本、技术等传统生产要素并列，作为一种新型生产要素参与分配。作为释放要素价值的关键环节，数据资源的开放共享、交换流通成为重要趋势，其需求日益强烈。

然而，随着近年来数据安全事件频发，数据安全威胁日益严峻。既要应用数据，又要保障安全，如何兼顾发展和安全，平衡效率和风险，在保障安全的前提下发挥数据价值，是当前面临的重要课题。以多方安全计算、联邦学习、可信执行环境等为代表的隐私计算技术为流通过程中数据的“可用不可见”提供了解决方案，有助于破解数据保护与利用之间的矛盾，已在金融、通信、互联网、医疗、政务等领域开始推广应用。

权威机构Gartner发布的2021年前沿科技战略趋势中，将隐私计算（其被称为隐私增强计算）列为未来几年科技发展的九大趋势之一。随着各领域关注度的日益提升，隐私计算已成为发展火热的新兴技术，以及商业和资本竞争的热门赛道。

然而，目前市面上隐私计算相关的图书还比较少，已有的图书也主要从密码学和机器学习的角度进行技术性的描述。中国信通院云计算与大数据研究所（以下简称中国通信院云大所）从2017年起就从事隐私计算技术和产业的研究，在隐私计算发展方面积累了一些思考，因此撰写了这本隐私计算科普读物，旨在帮助读者对隐私计算的技术、产业、应用、法律合规等内容加强了解。本书是一本入门级图书，面向具备一定大数据相关知识但不太了解隐私计算行业的读者，旨在帮助他们掌握隐私计算的基本情况。同时，本书还面向有意愿了解隐私计算应用的各行业人员，旨在帮助他们开阔视野和思路。相信对隐私计算领域感兴趣的读者阅读本书都能有所收获。本书在编写过程中，尽量回避了较为学术性的描述，希望通过通俗化的语言帮助读者对隐私计算行业有一个整体性、概括性的认识。

本书试图回答以下问题。

• 隐私计算概述：为什么会有隐私计算技术？它能发挥什么价值？它的发展历程如何？本书第1章将回答这些问题。
• 隐私计算技术原理：隐私计算的技术体系是怎样的？各类隐私计算技术的方案架构和特点有哪些？每种隐私计算技术擅长解决的问题是什么？其成熟度和缺陷有哪些？技术融合与扩充的情况如何？本书第2章将回答这些问题。
• 隐私计算的算法应用：如何通过上述隐私计算技术进行联合查询、联合统计、联合建模、联合预测？本书第3章将回答这个问题。
• 隐私计算应用场景：隐私计算常用的应用场景有哪些？在每个场景里，隐私计算解决了什么痛点、如何应用？本书第4章将回答这些问题。
• 隐私计算的产业现状：隐私计算的政策环境如何？国内外隐私计算主要有哪些企业？隐私计算行业的商业模式、论文情况、专利情况、技术开源情况、标准建设情况如何？本书第5章将回答这些问题。
• 隐私计算的法律合规问题：从法律视角看，隐私计算解决了哪些数据流通的合规性问题？应用隐私计算的过程中会面临哪些合规性风险？如何解决这些风险？本书第6章将回答这些问题。
• 隐私计算面临的问题、挑战与展望：隐私计算的发展面临哪些问题和挑战？这些问题该如何改善？隐私计算还有哪些发展趋势？本书第7章和第8章将回答这些问题。

本书的观点和思考主要来源于中国信通院云大所依托隐私计算联盟开展的工作。2020年年底，在工业和信息化部网络安全管理局的指导下，中国信通院云大所牵头成立隐私计算联盟，目前成员包括运营商、金融机构、政府单位、技术厂商等在内的80多家单位。中国信通院云大所已逐步构建了隐私计算产品标准和评估体系，目前已发布关于多方安全计算、联邦学习、可信执行环境、区块链辅助的隐私计算等计算场景的功能标准和多方安全计算、联邦学习等性能标准。据此开展的“可信隐私计算”产品测评是目前行业认可度最高的测评之一。截至2021年7月，其已开展4批隐私计算测试，共完成对59款产品功能和性能的评测。当前，隐私计算安全测试标准及互联互通标准正在持续推动中。

本书在编写过程中得到了中国信通院云大所何宝宏所长、王蕴韬总工程师及姜春宇、贾轩、杨靖世、白玉真、侯宁、李雪妮、刘雪花、王妙琼、马鹏玮、张奕卉、吴因佥、李雨霏、王卓、田稼丰、秦书锴、贾真、张德民、王月等同事的大力支持。北京邮电大学的刘嘉夕、靳震、叶锦梅同学为本书做出了很大贡献。隐私计算联盟的中国工商银行软件开发中心、腾讯云计算（北京）有限责任公司、联通数字科技有限公司、北京数牍科技有限公司、北京百度网讯科技有限公司、北京冲量在线科技有限公司、深圳华大生命科学研究院、上海富数科技有限公司、翼健（上海）信息科技有限公司、杭州锘崴信息科技有限公司、蚂蚁科技集团股份有限公司等企业的专家对本书提出了建议，或提供了相关案例，在此一并向他们表示衷心的感谢。

由于作者水平有限，书中不足之处在所难免。此外，由于隐私计算技术方兴未艾，新观点、新算法层出不穷，本书难免有所遗漏，敬请专家和读者批评指正。

道阻且长，行则将至；行而不辍，未来可期。面对这个日新月异、快速发展的行业，我们期待与业界共同守正创新，推动隐私计算行业健康发展，让隐私计算在数据要素市场建设和数据流通过程中发挥更大的价值！

全体作者  

2021年10月

本书针对我国数据要素市场建设过程中数据流通难的问题，详细阐述了隐私计算这一系列数据流通技术的发展情况。隐私计算是指在保证原始数据安全隐私性的同时，实现对数据的计算和分析的一类技术。本书内容源自中国信通院云计算与大数据研究所相关产业实践经验，介绍了隐私计算的概念、发展历程、技术原理、主要算法、应用场景、产业发展情况、法律合规情况等，并分析了相关问题和趋势。

本书适合数据流通、数据安全相关从业者阅读，也适合对隐私计算感兴趣的学术、产业各界人士阅读。

闫树，理学博士，中国信息通信研究院云计算与大数据研究所大数据与区块链部副主任，高级工程师。主要研究方向为数据流通、隐私计算、大数据产业等。牵头编写《大数据白皮书》《数据流通关键技术白皮书》及数据流通、多方安全计算、联邦学习等相关行业标准。重点参与工业和信息化部《大数据产业“十三五”发展规划》和《“十四五”大数据产业发展规划》的编写。
袁博，中国信息通信研究院云计算与大数据研究所大数据与区块链部工程师，主要研究方向为隐私计算测评。牵头编写《隐私计算白皮书》。
吕艾临，中国信息通信研究院云计算与大数据研究所大数据与区块链部工程师，主要研究方向为数据流通。
仵姣姣，中国信息通信研究院云计算与大数据研究所大数据与区块链部工程师，主要研究方向为数据流通法律与合规。
王思源，中国信息通信研究院云计算与大数据研究所大数据与区块链部工程师，主要研究方向为隐私计算测评。
魏凯，中国信息通信研究院云计算与大数据研究所副所长，主要研究方向为大数据、区块链、人工智能。

第1章  隐私计算概述 1

1.1  背景：数据流通的困境 2

数据流通是发展数字经济的关键 2

数据流通需求强烈但也困境重重 4

技术手段为数据流通提供新方案 6

1.2  隐私计算的兴起 9

什么是隐私计算 10

隐私计算的体系视图 12

1.3  隐私计算的发展历程 15

密码学理论的研究阶段 15

可信硬件的出现与应用 17

联邦学习被正式提出 18

第2章  隐私计算的技术原理 20

2.1  以多方安全计算为代表的密码学技术 21

多方安全计算的概念 21

多方安全计算的起源 21

多方安全计算的底层技术 23

多方安全计算的特点 29

基于多方安全计算的隐私计算平台 30

其他基于密码学的隐私计算技术 32

2.2  以联邦学习为代表的融合衍生技术 38

联邦学习的概念 38

联邦学习的起源 39

联邦学习的分类 41

联邦学习的实现流程 44

联邦学习的特点 46

基于联邦学习的隐私计算平台 48

2.3  以可信执行环境为代表的可信硬件技术 50

可信执行环境的概念 50

可信执行环境的起源 50

可信执行环境的实现方案 52

可信执行环境的特点 56

基于可信执行环境的隐私计算平台 58

2.4  各类隐私计算技术的对比 59

2.5  隐私计算相关的其他技术 61

隐私计算vs数据脱敏 61

隐私计算vs区块链 63

第3章  隐私计算的算法应用 65

3.1  联合查询 66

算法协议实现联合查询 66

基于公钥密码体制的PSI 67

可信硬件实现联合查询 72

3.2  联合统计 73

联合统计概念 73

安全联合统计 74

3.3  联合建模 76

传统逻辑回归算法 77

横向逻辑回归算法 77

纵向逻辑回归算法 78

3.4  联合预测 80

第4章  隐私计算的应用场景 82

4.1  联合风控 82

案例一  针对小微企业的信贷风控 83

案例二  身份信息核验与保护 87

案例三  共建金融信贷准入评分模型 91

案例四  隐私计算助力金融机构提升联合风控效率 95

联合风控场景应用的难点与挑战 99

4.2  联合营销 99

案例一  汽车客户群联合建模分析 101

案例二  车险风险评估多方安全计算 103

案例三  国产化的金融数据建模应用 106

联合营销场景应用的难点 108

4.3  智慧医疗 109

案例一  新冠病毒基因组分析检测疫情发展 110

案例二  厦门健康医疗大数据应用开放实践 114

案例三  全基因组关联分析引擎 120

智慧医疗场景应用的难点与挑战 124

第5章  隐私计算的产业现状 126

5.1  透过外部配套环境看隐私计算 127

政策扶持 127

学术研究 132

专利发明 134

开源生态 135

联盟组织 138

标准规范 139

资本支持 144

5.2  透过内部市场竞争看隐私计算 149

国外市场 149

国内市场 153

第6章  隐私计算的法律合规问题 166

6.1  隐私计算有助于提升数据流通和使用的合规性 167

隐私计算有助于降低授权的风险和成本 167

隐私计算有助于促进数据流通 167

隐私计算可增强参与方对数据流通的控制 168

隐私计算符合最小必要原则的精神 169

隐私计算可成为匿名化技术方案的重要组成部分 170

6.2  隐私计算技术合规风险分析 172

原始数据的合规瑕疵可为数据处理带来“原罪” 172

数据和模型泄露可能减损技术的安全性 173

从梯度或参数信息中可能反推出原始数据 174

参与方可能打破技术信任的完整性 175

计算过程中可能侵犯商业秘密或知识产权等权利 176

输出计算结果可能仍包含敏感信息 177

参与方存在超范围使用数据的风险 177

可能涉及多国法律管辖及承担境内存储的义务 179

6.3  关于合规路径的探讨 180

搭建合规基准框架和内部合规管理制度 180

根据输入模型的数据选择合规路径 181

控制参与方带来的风险 184

针对跨境隐私计算进行安全评估 184

通过技术手段控制隐私计算全流程的风险 185

留存证据证明企业的合规实践 185

积极参加行业组织并参与标准建设 187

积极关注立法和监管的最新动向 188

第7章  隐私计算面临的问题与挑战 190

7.1  隐私计算的技术本身需要持续性突破 190

如何平衡性能和安全是持续性议题 191

互联互通壁垒或使数据“孤岛”变“群岛” 193

7.2  隐私计算的市场认知和信任尚未完善 196

技术推广应用仍需全面的市场教育 196

技术本身的安全性挑战市场信任 197

7.3  隐私计算的应用合规性缺乏明确界定 199

隐私计算合法合规的“红线”不明 199

隐私计算技术滥用缺乏监管 201

第8章  隐私计算的发展展望 203

8.1  多方协同强化研发，技术可用性将持续提升 203

算法优化和硬件加速将成为技术可用性提升的重要方向 203

开源协同降低开发门槛，加速隐私计算技术迭代 204

8.2  创新突破稳步向前，技术应用将不断拓展 206

应用场景将向传统场景探索拓展 206

多元技术融合有望拓展应用边界 207

8.3  市场竞争仍将持续，产业生态将不断完善 208

市场格局尚未形成，行业初期合作或将多于竞争 208

法规体系完善提供技术应用的顶层指导 210

标准体系制定有望助力隐私计算应用落地 210

本书针对我国数据要素市场建设过程中数据流通难的问题，详细阐述了隐私计算这一系列数据流通技术的发展情况。隐私计算是指在保证原始数据安全隐私性的同时，实现对数据的计算和分析的一类技术。本书内容源自中国信通院云计算与大数据研究所相关产业实践经验，介绍了隐私计算的概念、发展历程、技术原理、主要算法、应用场景、产业发展情况、法律合规情况等，并分析了相关问题和趋势。

本书适合数据流通、数据安全相关从业者阅读，也适合对隐私计算感兴趣的学术、产业各界人士阅读。

闫树，理学博士，中国信息通信研究院云计算与大数据研究所大数据与区块链部副主任，高级工程师。主要研究方向为数据流通、隐私计算、大数据产业等。牵头编写《大数据白皮书》《数据流通关键技术白皮书》及数据流通、多方安全计算、联邦学习等相关行业标准。重点参与工业和信息化部《大数据产业“十三五”发展规划》和《“十四五”大数据产业发展规划》的编写。
袁博，中国信息通信研究院云计算与大数据研究所大数据与区块链部工程师，主要研究方向为隐私计算测评。牵头编写《隐私计算白皮书》。
吕艾临，中国信息通信研究院云计算与大数据研究所大数据与区块链部工程师，主要研究方向为数据流通。
仵姣姣，中国信息通信研究院云计算与大数据研究所大数据与区块链部工程师，主要研究方向为数据流通法律与合规。
王思源，中国信息通信研究院云计算与大数据研究所大数据与区块链部工程师，主要研究方向为隐私计算测评。
魏凯，中国信息通信研究院云计算与大数据研究所副所长，主要研究方向为大数据、区块链、人工智能。

信息技术的发展从信息互联、人人互联的阶段，正在走向价值互联的阶段。在这一阶段，构建低成本的信任通道成了极其重要的问题。隐私计算与区块链等技术一起，为构建值得信任的数据和价值流通提供了重要的解决方案。本书凝聚了众多青年学者的研究成果，是一本值得数据领域从业者了解隐私计算技术和产业的参考书。
——中国科学院院士  郑志明
 
隐私计算技术不断成熟，为挖掘数据价值和释放数据潜能提供了一种安全可行的技术方案，有望成为数据要素市场化破局的关键。本书是中国信息通信研究院云计算和大数据研究所团队近期研究成果的结晶，对隐私计算技术体系进行了全面介绍，对技术的发展历程、应用场景