2025-01-14 新品 0
《隐私计算：向实用化迈进》
在数字化转型的浪潮中，数据保护与隐私安全成为了企业和政府不可忽视的议题。浙江大学求是讲席教授、ACM Fellow、IEEE Fellow任奎，在CNCC 2021“迎接数字化转型的安全挑战”论坛上，分享了他关于隐私计算前沿进展的见解。
随着大数据时代的到来，大规模数据泄露事件频发，这不仅给个人带来了信息安全风险，也对企业和国家产生了巨大的社会影响。因此，无论是在中国还是全球范围内，对于监管与合规要求都变得越来越严格。在中国，法律体系已经逐步完善，从《网络信息保护决定》到《网络安全法》，再到最新颁布的《数据安全法》和《个人信息保护法》，这些法律都在强调数据保护与隐私权。
Gartner预测，到2023年底，全球75%的人口将受到现代隐私法规保护；而到了2024年，全世界对隐私驱动的数据保护和合规技术支出将超过150亿美元。这意味着，不仅需要科技创新，还需要更严格的法律法规支持，以确保个人信息不被滥用。
从技术角度看，广义上的隐私计算涉及多方协作，不泄露各自数据的情况下进行联合计算处理。这包括但不限于差分隐私、安全多方计算以及数据脱敏等技术。在这三个方面，我们可以看到不同阶段有不同的解决方案。
首先是差分 隐私，它通过在统计结果上加入噪音以实现对用户行为进行量化，以此保障其免受追踪或分析。此方法已被苹果公司应用于iOS操作系统中，并且微软也推出了OpenDP开源平台以降低小型开发者的门槛。
其次，是基于混淆电路或秘密分享方式实现的一些协议，如全同态加密、可信硬件以及联邦学习，它们都是宽泛意义下的安全多方计算框架。这些技术允许参与者共同完成复杂任务，而无需共享原始敏感信息。在这一领域，有许多学术研究正在探索如何提高性能，同时保持高水平的安全性，比如统一评估标准，以及性能测试平台等。
最后，是关于如何在没有直接访问真实用户身份的情况下执行查询操作，即所谓“隐藏查询”。目前微软和谷歌等公司已经能够在短时间内完成百万级别的大规模查询，这对于搜索引擎来说是一个重要进展。
总之，随着数字经济日益发展，其伴生的问题也愈发突出，因此必须不断探索新的解决方案。而作为前沿科学家之一，任奎教授提出的观点，为我们提供了深入理解并应对这些挑战的一个窗口。
