计算机行业隐私计算专题研究隐私计算发展迅猛，长期空间大

　　（报告出品方/作者：国泰君安证券，李沐华、朱丽江）市场概况：隐私计算产业正在发 展壮大
　　隐私计算是在保障数据隐私安全的同时，实现数据分析计算的技术体系
　　隐私计算是一套包含了密码学、数据科学、人工智能、安全硬件等多个交叉学科的技术体系，为数据的计算过程和计算 结果提供隐私安全保护。 隐私计算根据数据生命周期划分为4个阶段：数据存储、数据传输、数据计算过程、数据计算结果，各阶段涉及不同的技术。隐私计算的参 与方主要有数据提供方、技术提供方（计算方、调度方）和结果使用方，为了对数据的使用进行监管或评估，也可能考虑引入第三方机构。 隐私计算在处理和分析数据时要保持数据的加密状态、确保数据不会被泄露、无法被计算方以及其他非授权方获取。
　　隐私计算助力打破数据孤岛，实现数据的可信流通和价值挖掘
　　隐私计算致力于实现＂数据可用不可见，用途可控可计量＂，使数据要素在安全流通和共享中创造出更大的价值。在数据流通过程中，经隐私计算加密后，使用方只能使用数据，而无法看到数据本身，即＂数据可用不可见＂，避免了数据泄露的问题； 同时，隐私计算还可以控制数据的用途以及用量，做到数据＂用途可控可计量＂。
　　个人隐私和数据安全保护日趋完善，隐私计算获得强制度支撑
　　政府高度重视数据安全流通的发展应用，陆续出台了多项法律法规和政策。 数据已成为新型生产要素，数字经济正在成为驱动我国经济可持续高质量增长的新引擎。而数据与其他生产要素本质的区别在于，数据隐 私是数据流动过程中产生价值的根本出发点。因此数据的安全流通是数字经济发展的关键问题，国家陆续出台了多项法律法规和政策，其 中以《网络安全法》《数据安全法》《个人信息保护法》三法为主，共同推动了隐私计算行业的快速发展。
　　隐私计算在数据安全流通和数据价值挖掘的需求驱动下快速发展
　　数字经济下，数据安全流通的需求促进了隐私计算行业的蓬勃发展 。目前，数字经济已经成为带动中国经济增长的核心动力之一。据国家网信办报告，我国数字经济规模由2017年的27.2万亿元增长至2021年 的45.5万亿元，总量位于世界第二，年均复合增长率达13.6%，占国内生产总值比重从32.9%提升至39.8%。在数字经济快速发展下，保护 数据流通后的隐私安全、深挖数据价值是关键，隐私计算因此受到了广泛关注。
　　2025年中国隐私计算市场规模有望突破百亿级，市场空间巨大
　　艾瑞咨询从两类商业模式市场增长驱动因素出发，测算出到2025年我国隐私计算市场规模将达到百亿元。目前，隐私计算行业有两类商业模式：基础产品服务和数据运营。基础产品服务是指提供软件产品、技术服务和解决方案等服务，按项目 计费；数据运营是指基于隐私计算平台开发数据增值产品、建立数据智能模型、服务不同客户场景产生的平台性运营收入。技术路径：多项技术助力打通数 据流通壁垒
　　多方安全计算：在无可信第三方时，安全实现数据融合计算的技术
　　多方安全计算（Secure Multi-Party Computation，MPC）是在无可信第三方情况下，利用隐私数据，安全地完成某种数据 融合计算，是多种密码学工具的综合应用，在实现多方安全计算时也应用了同态加密、零知识证明等密码学算法。 该技术最初源于图灵奖获得者姚期智院士于 1982 年通过提出的百万富翁问题：两个百万富翁在街上相遇，在没有第三方的情况下，他们 想比较谁更富有，但又不愿意让对方知道自己拥有的具体财富值。
　　联邦学习 ：实现参与方数据隐私保护的特殊分布式机器学习架构
　　联邦学习（Federated Learning，FL）本质是以数据收集最小化为原则，在保持训练数据去中心化分布的基础上，实现参 与方数据隐私保护的特殊分布式机器学习架构，且对比中心化训练获得的机器学习模型，联邦学习协同构建的机器学习 模型性能几乎是无损的。 该技术最初由谷歌的 HBrendanMcMahan 等人提出并应用，通过一个中央服务器协调众多结构松散的智能终端实现语言预测模型更新。
　　机密计算：基于硬件可信执行环境实现数据应用保护的技术
　　机密计算（Confidential Computing）是一种基于硬件可信执行环境实现数据应用保护的技术，是构建一个硬件安全区 域，隐私数据仅在该安全区域内解密出来进行计算（安全区域之外，数据都以加密的形式存在）。其核心是将数据信任 机制交给像英特尔、AMD等硬件提供商，因为该路径通用性较高且计算性能较好，受到了较多云服务商的推崇 。 Linux基金会于2019年成立由埃森哲（Accenture）、蚂蚁集团、ARM、谷歌、Facebook、华为、微软、红帽等多家巨头企业组建的＂机 密计算联盟＂（Confidential Computing Consortium，CCC）。该联盟针对云服务及硬件生态，致力于保护数据应用中的安全。
　　隐私计算体系架构庞大，与区块链共同构建数据融合基础设施
　　隐私计算体系架构包含多方数据融合应用、应用技术、区块链、安全保护技术，和区块链联系紧密，二者都为数据的安 全流通和高效共享打下了坚实基础，共同构建了数据融合基础设施。应用场景：业务场景不断涌现， 商业化实践日益丰富
　　隐私计算助力数据价值释放，业务场景不断涌现
　　隐私计算助力数据价值释放，在金融、医疗、政务、智能汽车、营销、工业和电信等具备大量数据基础的领域大有可为，业 务场景不断涌现。
　　金融：金融风控和获客是国内隐私计算最主要的落地场景
　　金融行业是隐私计算技术最主要的应用领域，其中金融风控和获客的场景最为常见。隐私计算平台为银行提供了外部大数据安全融合能力，缓解了数据的泄露风险，提升了银行的大数据风控应用能力。 利用隐私计算在保护客户个人隐私的前提下，为客户提供个性化金融服务，提升了获客成效。
　　医疗：赋能临床科研和医疗服务，让医疗数据价值得以释放
　　数据要素的价值释放需求日益强烈，现代医学研究、药物开发、公共卫生防疫以及临床医疗应用等进步，也愈发倚重电子 医疗数据的开放共享与利用，隐私计算让医疗数据价值得以释放。
　　政务：实现数据跨部门的安全共享，人民生产生活和社会运行更高效
　　隐私计算帮助实现政务数据跨部门的安全共享与高效协同，在风险控制的同时精准施策，助力智慧城市的建设。智慧城市是一个复杂、共创的业务生态，包括信用、安保、能源、交通、规划、环保、文旅等各个行业，业务数据涉及到跨部门协同，隐私计算 可以在其中起到关键的桥梁作用。
　　智能汽车：为实现全方位网络链接与车联网技术体系保驾护航
　　智能汽车有望成为继金融、医疗和政务之后的另一大重点领域，隐私计算将作为数据经济的底座，为交通出行提供便利 。 据统计，过去5年智能汽车被黑客攻击的次数增长了20倍。一辆汽车每天至少收集10TB的数据，一旦隐私泄露，对人身安全和国家安全都可造成 不可估量的后果。特斯拉就曾被报道发现巨大安全漏洞，黑客利用Model X的漏洞可进行操控汽车、解锁等操作，将隐私安全问题推上风口浪尖。
　　电信：参与制定国际电信联盟首个隐私计算标准，商业化落地加速
　　中国联通参与制定了国际电信联盟首个隐私计算标准，助力行业规范化发展，也说明中国在隐私计算上的探索受到了国际认可。中国电信携手冲量在线推出了区块链+隐私计算的信创数据流通基础设施，构建了基于电信云+边+物联网的分布式隐私计算网 络和数据互联平台，隐私计算在电信领域的商业化落地正在加速。趋势展望：隐私计算成为重要战 略技术发展方向，平台型公司将 胜出
　　隐私计算迈入快速成长期，成为未来重要战略技术发展方向
　　隐私计算入选Gartner ＂2022年12大技术趋势＂，同时Gartner对隐私计算的渗透率持乐观态度，表示＂到2025年，60%的 大型组织将在分析、商业智能或云计算中使用一种或多种隐私增强计算技术＂。根据Gartner数据，到2024年，隐私驱动的数据保护和合规技术支出将在全球突破150亿美元，即达到千亿人民币以上。
　　开源促进隐私计算的快速迭代，为行业发展带来活力
　　开源降低了隐私计算行业的门槛，促进了隐私计算的快速迭代。 开源后企业可快速部署和开发隐私计算平台，缩短产品开发周期，开发后的产品还可以反哺隐私计算开源平台，进一步促进技术的迭代。 开源提升了隐私计算平台的安全可信性。可信和安全是隐私计算行业的重要诉求，开源社区的环境公正、代码公开和过程公开，用户可以检验和监督平台的安全性，平台更值得被 信赖并且产品中潜在的安全风险更易被发现和解决。
　　隐私计算的商业模式更适合往平台化发展，未来具备极强的盈利能力
　　在商业模式上，相比单纯售卖软硬件，平台不仅边际成本更低，而且议价权更高，能开拓更广阔的市场。 隐私计算平台提供的增量价值是，汇聚了更多的上游和下游，让此前暂未建立联系的双方拥有更多的选择权。
　　什么样的厂商更有可能抓住隐私计算平台化发展的机遇？
　　具备工程落地能力、数据源价值高、行业客户积累深厚、可信程度高的公司更有机会发展成平台模式 。 如果厂商能够提供在同质化产品之外的附加产品价值，在一个或多个领域内提供更深入的解决方案，就能构建起护城河。报告节选：
　　（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）
　　精选报告来源：【未来智库】。「链接」