2023全球隐私计算报告-OpenMPC_安恒信息_47页_9mb

2023全球隐私计算报告总结

一、全球隐私计算发展概览

• 国内政策法规：2023年国家数据局成立，推动隐私计算技术研发与应用。并通过多部政策法规强调数据安全、个人信息保护，促进隐私计算技术发展。
• 国际政策动态：包括英国、联合国、经济合作与发展组织（OECD）等国家和组织发布了多份隐私增强技术（PET）相关报告和指南，推动隐私计算在统计、医疗、金融等领域的应用。

二、隐私计算图谱（2023）
包含隐私增强技术（PET），涵盖同态加密、安全多方计算、联邦学习、可信执行环境、差分隐私、合成数据等多个技术方向。这些技术因政府、监管机构和企业的青睐，正在推动公共与私有领域的广泛应用。

三、全球隐私计算技术进展

1. 安全多方计算（MPC）：

• 提升协议执行效率，使用如同态秘密共享（HSS）并结合机器学习，支持包括生物信息、金融等应用。
• 示例：Sequre（提供生物信息分析）、Squirrel（摩根大通的金融两方GBDT训练）。

2. 联邦学习：

• 研究重点转向大模型、模型版权保护、安全与激励机制，提升模型公平性和联邦学习安全性。
• 应用涉及物联网、移动设备等领域。

3. 可信执行环境（TEE）：

• 主要云厂商（AWS、Azure、阿里云、Google Cloud等）积极推动，如AWS支持Nitro Enclaves，阿里云推出TDX方案等。

4. 差分隐私：

• 本地化与中心化并进，引入混洗差分隐私、隐私放大理论等新型技术，保障统计分析和机器学习场景下的隐私保护。

四、全球隐私计算应用与市场动态

• 行业应用：金融（反欺诈、精准营销）、政务（反诈、数据招商等）、医疗（全基因组关联分析、反医保欺诈）等领域实现落地，占据市场七成以上。
• 典型案例：如中国人民银行发起的金融区块链可信共享平台（金易链）实现了“双盲匿踪”模型；某三甲医院通过隐私计算平台开展了多中心基因协作研究。
• 开源生态：开源项目涵盖联邦学习（FATE、FedML）、安全多方计算（MP-SPDZ、CrypTFlow）、可信执行环境（OP-TEE、HyperEnclave）等多个方向，推动技术互操作性与生态建设。

五、互联互通与标准化推进
信通院牵头制定《隐私计算跨平台互联互通开放协议》，包括ECDH-PSI、SS-LR、PHE-FLR等多个协议标准，推进安全多方计算协议标准化及跨平台算法迁移。多个金融联盟（如北京金融科技产业联盟）推动行业互联互通标准与框架建设。

六、隐私计算开源选型参考
综合型项目：Syft（OpenMined）、SecretFlow（蚂蚁集团）、PrimiHub（原语科技）。

• 安全多方计算（MPC）：MP-SPDZ、PrivateJoinAndCompute、ABY等
• 联邦学习（FL）：FATE、FedML、TFF等
• 可信执行环境（TEE）：HyperEnclave、OpenEnclave、Teaclave等

七、未来趋势

1. 技术发展方向：
   -数据质量和真实性的保障越来越受重视；
   -提升性能与安全性的软硬件协同、技术融合不断深入；
   -标准体系与互联互通生态系统加速构建。
2. 应用趋势：
   -在智慧城市、智能养老、自主交通、Web3、去中心身份（DID）、新型数字跨境支付等领域有亮点应用；
   -数据跨境流转标准、法律、隐私保护机制仍需完善。
3. 挑战：
   -需进一步降低技术使用门槛、提高处理效率；
   -如何将隐私保护与业务需求有效融合，支持大规模商业化落地是重要突破方向；
   -合规问题仍是隐私计算部署的核心挑战，技术选型需兼顾成本、效果与合规性。

八、鸣谢单位
来自多所高校、研究机构及科技企业的研究团队参与编写。

九、致谢
感谢所有参与编写的政企单位、研究机构和行业专家。