国家工信安全中心-中国隐私计算产业发展报告（2020-2021）-2021.6-65页_1mb

报告摘要

中国隐私计算产业发展报告（2020~2021）总结

核心内容

隐私计算是一种在保护数据隐私的前提下实现数据价值挖掘的技术体系，主要包含多方安全计算、联邦学习、差分隐私、机密计算和可证去标识等技术。随着数据成为新型生产要素，隐私计算在数据要素市场化配置、防范数据泄露、促进多方数据安全协作、推动大数据发展等方面具有重要作用。

主要观点

隐私计算的重要性：
- 隐私计算是解决数据流通与隐私保护矛盾的关键技术，有助于释放数据价值，保障数据资产权益和用户隐私。
- 在数据泄露频发的背景下，隐私计算提供了新的解决方案，通过密码学、去中心化等技术保障数据安全。
- 隐私计算在政策推动和市场需求的双重作用下，有望在2020-2030年间实现爆发式增长。
技术发展现状：
- 隐私计算技术已从单一技术向多技术融合应用发展，适用于不同场景。
- 多方安全计算、联邦学习、差分隐私、机密计算和可证去标识各有优缺点，且性能和安全性仍需提升。
国内外政策环境：
- 国内政策逐步完善，如《个人信息保护法》《数据安全法（草案）》等，推动隐私计算发展。
- 欧盟、美国、英国等国家和地区也出台了相关政策，支持隐私计算技术的研究与应用。
产业发展现状：
- 中国隐私计算产业尚处于初期探索阶段，市场尚未成熟，但企业数量迅速增长。
- 金融和医疗行业是当前隐私计算应用最快的领域，具有较高的合规性和数据价值。

关键信息

技术分类与特点

多方安全计算（MPC）：
- 适用于保密性要求高的场景，如金融、医疗。
- 主要技术包括秘密分享、同态加密、不经意传输等。
- 面临计算性能和安全性问题，需结合其他技术。
联邦学习：
- 适用于数据量大但保密性要求不高的场景，如金融风控、医疗建模。
- 通过本地训练和模型参数交换实现数据隐私保护。
- 存在数据泄露和模型反推风险，需结合密码学等技术增强安全性。
差分隐私：
- 通过添加噪声保护数据隐私，适用于推荐系统、网络踪迹分析等场景。
- 与联邦学习、多方安全计算等技术结合，提升隐私保护能力。
- 算法输出结果不精确，需进一步优化。
机密计算（TEE）：
- 通过可信执行环境实现数据加密、隔离和安全计算。
- 支持通用计算框架和高性能场景，如云计算、人工智能训练。
- 依赖CPU厂商，存在信任链绑定问题，但软硬结合方案（如HyperEnclave）正在探索。
可证去标识：
- 支持大规模数据挖掘和高性能实时决策。
- 保障数据在分析过程中无法关联到个人身份。
- 需要外部合作方信任，但可与现有系统无缝集成。

产业现状

技术融合：隐私计算技术多技术融合，提升整体性能和安全性。
企业参与：国内隐私计算企业数量约260家，其中2018-2020年新增160家，占60%。
应用领域：金融、医疗行业应用最快，其次为政务、工业、交通、互联网等。
市场发展：隐私计算尚未形成成熟的市场环境及商业模式，但具有较大发展潜力。

产业环境

政策支持：国家及多个地方发布了支持隐私计算发展的政策文件。
投融资情况：隐私计算领域融资以Pre-A轮为主，显示市场关注度高。
专利申请：近两年隐私计算专利申请量激增，技术发展迅速。
标准建设：国内外标准化组织正在推进隐私计算相关标准的制定。

应用场景与案例

金融行业：
- 联合风控、联合建模、反欺诈等。
- 蚂蚁集团、微众银行、富数科技等企业在联合风控方面有显著成果。
医疗行业：
- 医疗数据联合分析、疾病预测、医保风控等。
- 翼方健数、锘科技等企业构建医疗数据平台，推动数据共享与应用。
其他行业：
- 工业、交通、智慧城市、车联网、区块链等领域的隐私计算应用逐步扩展。

政策建议

健全法律法规：明确隐私计算发展方向，增强法律保障。
构建标准体系：提供隐私计算应用规范，推动技术标准化。
培育数据要素市场：完善产业发展环境，促进数据流通与价值释放。

主要厂商

蚂蚁集团：在多方安全计算、联邦学习、差分隐私、可证去标识等技术上有深入研究，构建了多技术融合平台。
华控清交：基于清华大学研究成果，专注隐私计算领域。
微众银行：推出FATE框架，推动联邦学习技术发展。
翼方健数：提供隐私计算平台，支持医疗和政务应用。
锘科技：专注基因数据隐私保护，推动医疗基因组学发展。

图表目录

图1：隐私计算技术体系
图2-图15：各技术发展与应用场景图
图16：数据在TEE集群中的处理
图17：涉足隐私计算企业成立日期
图18：隐私计算图谱

表格目录

表1：国内隐私计算厂商
表2：明确发展隐私计算的政策文件

总结

隐私计算作为新一代信息技术的重要组成部分，正在成为数据要素市场化配置和数据安全保护的关键技术。在政策驱动和市场需求的推动下，隐私计算技术不断演进，应用场景日益丰富，国内企业积极布局，推动技术落地。然而，隐私计算在技术成熟度、市场环境、商业模式等方面仍需进一步完善。未来，隐私计算有望成为数据共享基础设施的重要环节，推动数字经济高质量发展。

展开完整摘要