区块链：隐私增强技术

隐私计算基本概念和现状

“隐私增强计算（Privacy-Enhancing Computation）”又称“隐私计算（Privacy Computing）”或“机密计算（Confidential Computing）”，“隐私”也即是信息安全中的“机密性”。“隐私计算”可以理解为是在保护数据隐私性的前提下，完成对数据的计算分析任务。从技术角度来看，当下“隐私计算”指的是利用可信执行环境、安全多方计算、同态加密、零知识证明、、差分隐私和联邦学习等系统安全技术与密码学技术，在保证原始数据安全隐私性的同时，实现对数据的计算和分析。

学界在信息采集、存储、处理、发布（含交换）、销毁等各个环节均开展了隐私信息保护研究，并在社交网络、位置服务、云计算等典型应用场景下提出了大量保护方案，其隐私保护方法主要分为访问控制、数据屏蔽、密码学、借助AI的技术等4类。具体如下图所示：

这几类技术的特点，对比如下所示：

为什么隐私增强技术现在很重要

这个技术是数据变为资产的前提条件。

数据定价的前提是需要知道数据的价值，但知道了数据的价值，在没有隐私计算的技术情况下，对方也就获得了数据的全部。这样数据资产就走到了死胡同。

直到隐私计算的出现，它能够不暴露数据的情况下，完成对数据的定价等工作。

这样就打开了一个数据资产的大门。

此外，关于数据合规的问题，也需要隐私计算。否则，商业上有需要，但合规要求又不能满足。

隐私计算体系架构

如下图所示。

图1 隐私计算体系架构

出自：《腾讯隐私计算白皮书2021》

数据融合应用的支撑技术

近几年来，欧盟GDPR（《通用数据保护条例》）、美国加利福尼亚州CCPA（《加州消费者隐私法案》）和我国的《数据安全法》（草案）、《个人信息保护法》（草案）等代表性法律法规出台，严格要求在数据使用过程中做好隐私保护，例如不允许数据离开本地、不允许未经授权使用个人数据等等。

根据DLA Piper 《2020年GDPR数据泄露调查》报告显示，罚款举措已经落实，从2018年5月到2020年1月，GDPR罚款金额已经超过1.26亿美元。

隐私计算的主要应用

如下脑图所示