中国信通院-隐私保护计算与合规应用研究报告-2021年-_46页_1mb

隐私保护计算与合规应用研究报告总结

核心内容概述

本报告由中国信息通信研究院安全研究所牵头，联合阿里巴巴集团安全部、北京数牍科技有限公司、腾讯研究院、智联出行研究院和中国工商银行共同编写，聚焦于隐私保护计算技术及其在个人信息和隐私保护中的合规应用。报告分析了隐私保护计算技术的定义、关键技术、解决的主要问题，以及我国当前个人信息和隐私保护的立法与监管现状，最后提出了未来发展的五个方向。

主要观点与关键信息

一、隐私保护计算技术概述

隐私保护计算是一种通过技术手段实现数据“可用不可见”的跨学科技术体系，融合了人工智能、密码学、数据科学等领域，主要用于解决数据共享与隐私保护之间的矛盾。

隐私保护计算关键技术

1. 联邦学习：分布式学习技术，避免原始数据传输，保护数据隐私。
2. 安全多方计算：密码学技术，保障数据安全，防止信息泄露。
3. 机密计算：基于硬件的可信执行环境，确保数据和代码的安全性。
4. 差分隐私：通过添加噪声保护隐私，分为本地差分隐私和中心化差分隐私。
5. 同态加密：允许在密文上进行计算，确保数据安全。

隐私保护计算解决的主要问题

• 建模：保护原始数据和中间结果，避免数据泄露。
• 预测：防止模型和数据的滥用，保护用户隐私。
• 匹配：实现隐私保护下的数据交集查询，保障数据安全。
• 联合统计分析：实现安全的SQL查询，保护数据和查询内容。

二、个人信息和隐私保护立法与监管

1. 立法概览

• 民事法律路径：《民法典》明确了个人信息的定义与处理原则。
• 行政监管路径：《网络安全法》《数据安全法（草案）》《个人信息保护法（草案）》等法律法规构建了个人信息保护的行政监管体系。
• 刑法路径：《刑法》明确了侵犯公民个人信息的刑事责任。

2. 立法趋势

• 个人信息定义逐步清晰：涵盖身份、财产、信用等信息。
• 处理规则更加具体：包括数据最小化、分级分类、匿名化等。
• 责任划分与追责机制更加完善：明确数据处理者与监管机构的职责与义务。

3. 监管与执法

• 监管结构优化：国家网信部门牵头，多部门协同监管。
• 执法力度加大：对APP、金融数据等进行专项整治，提升合规意识。
• 监管手段多样化：包括信用记分、行政处罚、技术检测等。

4. 金融领域立法与监管

• 个人金融信息定义明确：包括身份、账户、信用等信息。
• 监管制度完善：多部法律法规和规范性文件对金融数据的收集、使用、存储等进行规范。
• 监管处罚力度加强：近200张罚单涉及金额近2亿元。

三、合规要点与隐私保护计算技术

1. 数据最小化

• 是个人信息保护的基本原则之一，强调数据收集与使用应与目的相符。
• 隐私保护计算技术如联邦学习、差分隐私等有助于实现数据最小化目标。

2. 数据分级分类

• 从数据敏感性出发，将数据分为高、中、低风险等级。
• 通过隐私保护计算技术对数据进行分级处理，降低泄露风险。

3. 数据匿名化

• 通过技术手段使数据无法识别特定个人，是数据合规的重要方式。
• 隐私保护计算技术可支持匿名化处理，但需结合密钥管理与资源成本进行评估。

四、发展展望

1. 坚持良法善治，完善法律法规体系

• 推动《网络安全法》配套立法及《个人信息保护法》等的立法进程。
• 明确数据处理各环节的法律义务与责任，提升法律可落地性。

2. 强化标准引领，加快标准体系建设

• 鼓励企业参与隐私保护计算技术标准制定。
• 推动“匿名化”“去标识化”等技术操作指引与金融场景标准的制定。
• 加强国际交流与合作，提升我国在数据安全与隐私保护领域的标准话语权。

3. 立足风险评估，强化全流程风险防控

• 建立数据全生命周期的风险评估机制，包括数据源合法性、隐私保护需求合理性、泄露风险评估等。
• 强调技术与制度结合，实现数据流通与隐私保护的闭环管理。

4. 深化双轮驱动，明晰安全与发展并举

• 推动隐私保护计算技术应用落地，解决实际问题。
• 提升技术成熟度与产业化能力，以安全促发展。
• 加强对数据质量与安全性的研究，突破规模化应用瓶颈。

5. 着力固本培元，造就高水平人才队伍

• 隐私保护计算技术需要复合型人才，包括人工智能、密码学、法律合规等。
• 建议加强人才培养机制建设，推动跨学科人才发展。

结论

隐私保护计算技术是推动数据要素流通与合规应用的重要工具，有助于在保障数据安全的前提下实现数据价值最大化。当前我国在个人信息保护立法与监管方面取得了显著进展，但仍需进一步完善法律法规、推动标准建设、强化风险防控、促进技术发展和人才培养，以实现数据安全与发展的协同推进。