隐私|隐私计算兴起 研究者建言将“成本项”转为“营收项”

【隐私|隐私计算兴起 研究者建言将“成本项”转为“营收项”】中新网北京12月12日电 (林依)在不泄露数据原始信息的前提下 , 对数据进行分析计算 , 避免流通过程中的数据资产损失和隐私信息泄漏 。 随着数据安全法、个人信息保护法等法律法规相继实施 , 隐私计算热潮兴起 。
12月10日举行的数据安全与隐私计算论坛上 , 业内研究专家围绕隐私计算进行研讨 。 其中 , 瑞莱智慧RealAI首席架构师徐世真表示 , 隐私计算行业仍处于初期阶段 , 现阶段商业化落地仍面临“四大挑战” , 分别是生态壁垒、计算性能、安全性和可用性 。
“目前的隐私计算技术服务商不具备数据生态、数据链接的能力 , 无法提供开箱即用的数据和解决方案 , 用户的应用成本和难度增加 。 ”他说 。
在中国信息通信研究院云计算与大数据研究所副所长魏凯看来 , 隐私计算等技术带来美好的憧憬空间 , 解决了我们面临的数据要素市场化过程中的一些关键问题 , 提供了新的技术工具 。 “需要解决它在发展过程中的具体问题 , 从而更好服务于产业发展 。 ”
徐世真认为 , 结合人工智能发展历程 , 隐私计算的未来发展或可借鉴两大经验 。 技术路径方面 , 包括“基于底层数据流图的编译器路线将推动技术的兼容互通”“提升安全性需要抵御密码协议层和应用层的恶意攻击”等 。
他以编译级隐私保护计算平台RealSecure为例说 , 这实现了可追溯、可验证的高安全级别 。
而在产业路径方面 , 隐私计算需要逐场景落地 , 根据不同的场景需求采用合适的技术路线 。 打造“平台+数据+服务+场景”的一体化隐私计算解决方案 , 可以推动隐私计算从功能论证阶段迈向业务落地闭环 。
徐世真强调 , 本质上 , 隐私计算虽然解决了数据“能”拿出来的问题 , 但没有解决让企业共享数据的意愿问题 。 他说 , 关键在于数据价值的闭环 , 充分释放数据价值 , 使得各个数据参与方从中获益 , 将“成本项”转为“营收项” 。 这需要企业内优势业务部门的配合和印证 。
他还表示 , 通过“人工智能+隐私计算”的深度结合 , 能够在实现跨业、跨域数据安全融合的基础上 , 实现数据价值的深度挖掘与释放 。 (完)

    推荐阅读