2024年全球隐私计算报告.pptx

01隐私计算产业发展概况022024隐私计算产业图谱

03隐私计算技术演进和融合

04隐私计算产业应用分析

05隐私计算与人工智能

06隐私计算未来展望

目录CONTENTS

支持单位

•浙江省大数据产业技术联盟

•杭州国际数字交易联盟

特别支持单位

•中关村实验室

•杭州金智塔科技有限公司

•浙江蚂蚁密算科技有限公司

•联通数字科技有限公司

•浙江大学区块链与数据安全全国重点实验室

•中国联通智能城市研究院

•数据要素社

•杭州数据交易所

指导单位

•杭州市数据资源管理局

联合发起单位

张秉晟王鹏熊婷

.参编人员

许苗峰、殷泽原、郭大宇、胡爽、应琦、潘凯伟、林洋、梁子

轩、刘泽宇、申奇、申冠生、武通、卢天培、钱润芃、卢益彪、田磊原、冯宇扬、徐泽森、张洵、张文、吴钰沁、彭乐坤、张菊芳、黄益超、谢琴超、周旦、郑超

主编

隐私计算产业发展概况

2024全球隐私计算报告

•隐私计算是用于保护数据安全、个人信息和商业秘密，促进数据高效流通、处理和分享等一系列技术的总称

•助力实现数据“供得出”“流得动”“用得好”“保安全”

•2023年，国家数据局会同有关部门制定《“数据要素×”三年行动计划(2024—2026年)》

•国家数据局积极探索布局数据基础设施，加快数据空间等技术研究，推动隐私计算技术应用，打造安全可信流通环境，为数据要素流通、开发、利用提供支撑

隐私计算技术是保障数据安全的关键技术

数据脱敏

同态加密

安全多方计算

零知识证明

可信执行环境

差分隐私

国家数据局围绕数据要素市场化改革开展系列工作

隐私计算技术分类

2024全球隐私计算报告

...

优势

劣势

安全多方计算

（MPC）

•学术界严谨的安全证明

•数据控制力强

•不依赖特殊硬件

•无硬件信任根，国密化方案较为可控

•有通用运算能力，但性能相对较低

•数据提供方增多性能会下降，一般适用于5方以下

联邦学习（FL）

•数据控制力强

•不依赖特殊硬件

•无硬件信任根，国密化方案较为可控

•存在部分安全风险

•无通用运算能力

•数据提供方增多性能会下降，垂直场景一般建议于10方以下

可信执行环境（TEE）

•理论上支持所有算法

•计算精度高，与明文一致

•计算性能支持大规模且性能损失小

•随着数据提供方增多不会有明显性能下降

•数据控制力比较弱

•需要相信硬件信任根

•需要额外硬件成本

差分隐私（DP）

•可证明可衡量的个体隐私保护技术

•与上面所有技术路线可独立叠加

•计算精度明文比会有所下降，需结合算法流程设计

•不保护数据使用价值

同态加密（HE）

•是经典MPC、联邦学习方案重要基石，是目前隐私计算PK性能的关键

•通用FHE方案性能挑战大，硬件加速还在发展中

零知识证明

（ZK）

•验证速度快，证明通信量较小

•不泄露任何隐私信息

•能与其他隐私计算技术联合使用

•协议复杂，开发成本高

•大规模计算时证明开销大

•隐私计算是“隐私保护计算”(Privacy-PreservingComputation的简称，可以在保证数据提供方不泄露原始数据的前提下，对数据进行分析计算，有效提取数据要素价值，保障了数据在产生、存储、计算、应用、销毁等各个环节中的“可用不可见”。

•隐私计算以安全多方计算（Secure

Multi-partyComputation，MPC)、联邦学习（FederatedLearning，FL）、可信执行环境(TrustedExecution

Environment,TEE）三大技术路线为代表，同时发展出了同态加密、差分隐私等其他密码学技术为辅助的成熟技术体系。

隐私计算技术是保障数据安全的关键技术

2024全球隐私计算报告

隐私计算作为独立的概念在产学研界得到关注和发展，并融合密码学、人