中数观察浅谈隐私计算应用场景（第四期）

　　十四五规划中明确提出发展数字经济，推进数字产业化和产业数字化，推动数字经济和实体经济深度融合，打造具有国际竞争力的数字产业集群。党的十九届五中全会进一步提出推动数据资源开发利用，推进数据等要素市场化改革，这为加快培育发展数据要素市场指明了方向。在数字经济浪潮下，政府和企业需要在保障国家、公民数据安全、落实数据保护措施的基础上，推动各产业、各部门、各区域之间的数据共享流动，让大数据更好造福人民、促进经济发展。但当前数据产业仍然面临众多挑战，其中最突出的是数据安全和隐私合规问题。近些年数据安全事件的新闻依旧层出不穷，背后是各类原因造成的数据泄漏，数据一旦泄漏极难回收，治理周期长、难度大。
　　另外，随着《中华人民共和国数据安全法》、《中华人民共和国个人信息保护法》相继实施，对数据安全保护要求、个人隐私数据合规使用提出了明确的监管要求。传统的数据明文直接流通共享，已经行不通，数据要素的应用必须像金融、房地产一样需要被监管。为此，需要一种可管、可控、可用的数据流通新方式。
　　现今，数据正以难以想象的速度带来新一轮的信息化革命，不断冲击和改变各行各业的生态体系。在从IT向DT升级时代，数据成为重要资产，企业则从独享转向分享，致力于利用数据和数据分析技术研发新的产品，创造新的价值。在数据流通和交易领域，需要各个产业链上下游合作企业进行深度合作，只有通过各方数据协同应用，才能更好地释放数据价值。
　　隐私计算助力数据要素安全流通
　　随着数据流通及共享的经济价值、业态发展为全社会所认知，越来越多的业务场景不断涌现。在金融领域，银行涉及诸多与外部数据联合建模的需求，实现数字营销、流失召回、智慧风控及反欺诈等。在医疗领域，病例数据作为医疗机构最重要的隐私数据，需要与大量外部医疗机构、医药公司、科研机构等进行样本数据的大规模模型训练，用于医疗研究与医疗诊断。在政务、能源、交通、环保、工业和电信等具备大量数据基础的领域，数据共享和利用已经成为规划和落地应用必不可少的部分。
　　各个业务场景均需要多方数据的流通和共享。隐私计算主要是解决多个参与方数据不出本地，在保护数据安全的同时实现多源数据跨域合作的问题。利用隐私计算技术保障多方协作过程中敏感数据信息的安全，实现数据可用而不可见已经成为业界共识。
　　1隐私计算与生物医疗
　　过去几年中，医疗行业数字化获得了长足发展，众多医院和医疗机构积累了大量医疗数据，为隐私计算的落地提供了很好土壤。而医疗数据又具有极强的隐私属性，对隐私保护和数据安全的需求更为强烈。医疗数据的流通，一方面可以推动智慧诊疗、医保自动化、新药研发等产业的发展，另一方面也可以促进现代化医学研究、公共卫生防疫以及临床医疗应用等生物科学技术的一些进步。基于此，生物医疗或将成为隐私计算应用的下一个市场竞争点与爆发点。
　　医疗数据需求激增
　　医疗数据广泛存在并应用于日常生活的各个环节：比如通过大数据分析用药成分、寻找合理用药的最佳组合；通过基因测序、快速筛查与预测疾病、进行基因缺陷组的分析；远程诊疗、智能穿戴等场景。一旦医疗数据遭到篡改或破坏，将对医疗机构的声誉造成负面影响并危害医患双方的隐私安全。
　　近些年，医疗领域信息泄露及滥用、盗用事件频发。数据保护已成为持续稳定的市场需求，而非短暂的监管应对行为。
　　隐私计算技术有望在保护医疗数据安全的前提下实现其合规流通和价值。至今，医疗健康已占据隐私计算11的应用场景，医疗领域的隐私计算产品已能支持较大规模应用的实施。
　　多个医疗场景落地中
　　目前，国内外的应用实践案例也基本围绕临床医学研究、基因分析、疫情防控等场景展开。联合风控、联合营销、医保付费预测等场景也在解锁中。
　　比如，欧盟开展机器学习分类账编排的药物发现项目构建了一个具备分布式架构和联合学习功能的平台，可利用多家顶级药企数据创建更精准的AI模型，以确定药物开发最有效的化合物。
　　国内，深圳国家基因库和华大区块链共同开发的新冠病毒基因组分析平台基于区块链和多方安全计算的新冠病毒基因组分析工具，助力数据共享和疫情防控。
　　2隐私计算与金融行业
　　当前，金融行业数据生态建设仍处于探索阶段，数据孤岛现象严重。研究隐私计算技术不仅可以提升系统的安全性，而且可以挖掘海量数据背后的巨大价值。尽早地建立金融行业的数据安全隐私技术平台，可以打破各个公司之间的数据孤岛，让数据更加广泛地流动起来，创造更高的社会价值。
　　隐私计算搭建桥梁
　　金融机构为了保证其资金的正运转，会利用风控技术消灭或减少风险事件发生的各种可能性。目前信贷风控需要通过多个数据源采集数据，进行决策树、逻辑回归、随机森林等运算。从2019年下半年开始，国家对非法采集贩卖个人隐私数据的大数据公司进行了整顿，原始数据愈加难以获得。
　　隐私计算可以在符合国家规范的条件下使同业和异业公司组成数据联盟，搭建起沟通各方的桥梁，在不泄露各方原始数据的前提下进行分布式模型推断或者训练，有效降低多头信贷、欺诈等风险，同时基于风控模型的参数在计算中亦不会暴露，保护了模型提供方的知识产权。
　　在金融业的使用场景
　　目前，反洗钱工作已经从客户身份识别时代转变为全民客户尽调时代，但在客户信息收集与筛查方面还依赖内部数据。商业银行反洗钱工作从客户的年龄、职业、行业、所处地区、交易对手、资金来源及去向等方面着手，存在数据源单一、数据处理时效性差、数据信息整合分析困难、可疑交易监测模型更新滞后、单一可疑交易监测精准度低等问题。
　　通过应用隐私计算技术，在可疑名单监测、客户信息完整性和勾稽关系合理性校验等方面建立反洗钱模型以及知识库，商业银行可实现对客户的持续识别和监控，增强反洗钱客户洞察及溯源核查能力。
　　像工商银行便融合了运营商数据，在账户信息、交易对手等数据基础上，引入客户通信数据，包括归属地是否为诈骗高发地区、即时通信标签类App访问次数过少、被叫通话次数过少、同证件下有多个号码、入网时长短、异地跨国通话次数多、夜间跨境通话次数多等特征，借助隐私计算技术，在不侵犯客户隐私的前提下，构建涉赌洗钱账户客群的识别模型，快速识别出可疑名单，提升了反洗钱甄别效率。
　　3隐私计算与政务公共数据场景
　　公共数据体量庞大，是数据资源的重要组成部分。在确保安全的前提下，将公共数据开放，能够使沉睡的数据流动起来，有利于数据价值的释放。隐私计算技术能够实现数据流通和融合过程中原始数据不出域、数据可用不可见。
　　政策鼓励隐私计算数据流通
　　目前，上海市外、广东省提出要建设省级隐私计算平台，提供一条数据不出域、可用不可见的公共数据使用路径。公共数据开放是数据流通的主要类型之一。现阶段，将隐私计算与数据流通结合，实现数据可信流通已经受到了国家政策支持，据统计，已经有4部国家政策明确鼓励将隐私计算技术应用于数据安全流通过程中。
　　其中，国务院办公厅在2021年12月发布的《要素市场化配置综合改革试点总体方案》中提到要建立健全数据流通交易规则，探索原始数据不出域、数据可用不可见的交易范式，探索建立数据用途和用量控制制度，实现数据使用可控可计量。同年，工信部发布的《网络安全产业高质量发展三年行动计划（20212023年）（征求意见稿）》更是直接提出，要通过隐私计算等数据安全技术的研究与应用促进数据要素安全有序流通。
　　由此可见，隐私计算已经成为实现数据可信流通，促进数据价值释放的重要技术手段之一。
　　政务公共数据开放的落地实践
　　目前，广东省中山市以及山东省均已将隐私计算技术应用至公共数据开放领域，其中，中山市政务服务数据管理局（以下简称中山市政数局）推出了数据安全可信计算平台；山东省大数据局推出了基于隐私计算的省级一体化公共数据开放平台。具体来看：
　　在建设方式上，中山市和山东省均采取了政企合作方式。中山市数据安全可信计算平台由中山市政数局主导，联合京信数据科技有限公司共同建设；山东省的基于隐私计算的省级一体化公共数据开放平台由洞见科技和智慧齐鲁公司合作建设。
　　在应用场景上，现阶段，中山市数据安全可信计算平台主要以企业投融资、普惠金融等领域为试点，推进公共数据和社会数据的融合应用，通过将公共数据、征信数据等进行融合，打造政企联合风控监测体系，解决小微企业贷款面临的风控数据不足问题。
　　4隐私计算与新兴场景
　　除以上集中应用场景之外，隐私计算技术应用也呈现出向多行业、多场景扩散的态势，在物流运输、公共安全、智慧能源和数据交易所等场景均有探索性应用。
　　（1）多方数据打造安全物流新模式：物流数据与银行卡数据联合，建立散单客户风险识别模型，降低收款坏账风险，提升收派效能，推动先寄后付模式落地。
　　（2）多方数据助力公共安全精准画像：公安数据与运营商数据，联合建模区域安全态势感知模型，预防和管控群体性事件发生；多地公安数据结合，精准画像嫌疑人，辅助打击黄牛买分卖分专项整治行动。
　　（3）多方数据探索智慧能源新场景：电力数据与通信数据联合建模，多维度评估客户电费回收风险，实时监控预警企业非法用工行为；电力数据与互联网数据联合，打造火力发电燃烧优化系统，提高锅炉效率，降低污染物排放。
　　在政策扶持、行业推广、技术分享等多方生态共同作用下，隐私计算可用性将进一步提升、应用边界将进一步拓展、行业进一步健康发展、合规及法律适配性进一步增强，作为数据流通中关键技术解，进一步促进数字经济高质量发展。
　　文章参考：搜狐知乎中国金融电脑
　　如有侵权请联系删除