安恒信息|隐私计算何以可能？何以可为？( 二 ) 央企|中国西电集团|平高电气

刀光剑影之间，可信执行环境技术地位如何？
目前隐私计算核心技术主要包括联邦学习、可信执行环境和多方安全计算。其中业界应用隐私计算的最成功的领域莫过于联邦学习（FL）。联邦学习商业化更为成熟，通过这一方法，参与者无需上传原始数据，在每个参与者的本地执行计算，对于机器学习建模以及打破数据孤岛具有重要意义。应用该算法比较有代表性的企业和平台有微众银行、蚂蚁金服、富数科技、平安科技、数牍科技等。
多方安全计算(MPC)便是文章开头提到的“姚氏百万富翁问题”，解决了互不信任的参与方，能够协同计算得出一个既定值，既要保证结果的正确，又要保证参与方对数据拥有绝对的控制权。在这个方面比较有代表性的是华控清交、蚂蚁金服、富数科技、百度（点石）等。 .
目前市场上很多厂商是联邦学习和多方安全计算两种技术相结合。那么可信执行环境（TEE）还有应用环境吗？相比其他两种算法它的方向如何？
据刘博介绍，虽然使用联邦学习比较多，但是也只是在特定场景下，因为联邦学习的本质是分布式机器学习，机器学习的兼容性会比较差，相对来说应用场景非常有限。
同时，联邦学习的训练模型是需要共享的，这就为攻击者根据模型信息倒推隐私数据提供可能。因此有隐私泄露的风险。
TEE是通过软硬件隔离安全机制建立一个安全隔离的执行环境，从而防止外部攻击者窃取TEE内部运行的数据。
刘博向雷锋网透露，安恒用的技术就是TEE，BDTee 为安恒信息首创大数据环境下的可信执行环境。他表示，“目前在国内安恒是第一个支持分布式的大数据场景下运用TEE的公司，这是安恒核心的技术点。因为在数据交易、数据开放、数据隐私的业务场景下，TEE的适配能力和兼容性更强，用户从非隐私计算到隐私计算演进的过程中，体验感更好一点，迁移成本更低一些。”
安恒信息作为网络安全信息行业领军者之一，前瞻性的布局隐私计算领域，发布AiLand数据安全岛平台，这是一个专注于保障数据安全流通，致力于解决数据共享过程中的安全、信任和隐私保护问题的隐私计算平台。主要应用大数据可信执行环境，辅以MPC，联邦学习等多种隐私计算前沿技术，实现共享数据的所有权和使用权分离，确保原始数据的“可用不可见”、“可用不可取”，保障多方数据联合计算过程的可靠、可控和可溯。主要应用于政务数据开放、运营商数据释放、监管中心、金融、医疗等领域。
根据相关数据统计，可信执行环境技术专利申请受到众多科技公司的青睐，数量明显高于其它两个。截至2021年8月，中国有181家公司申请了相关专利，合计815件，是隐私计算领域公司参与度最高、专利申请数量最多的技术。其次，是联邦学习和多方安全计算。
可能由于可信执行环境具有通用性高、开发难度低、算法实现上更加灵活等特点，在专利申请上略胜一筹。
价值百亿的隐私计算市场，未来走向何方？
近年来，关于用户隐私泄露、数据违规的负面事件频频登上热搜，公众对于数据安全和隐私保护越发关注。法律的监管也愈加严明，这表明国家也在逐步引导科技企业要健康发展。技术存在的本身是让生活更美好，而不是给人类制造问题。伴随着科技的发展过程必然出现新的难题，那么就需要创新新技术来解决现有的问题。隐私计算就是科技向善的重要存在。
隐私计算受到大数据融合应用与隐私保护的双重需求驱动，以及国内外政策的影响，市场正处于大爆发的阶段，未来三年可能达到100—200亿人民币的营收，但在这过程中还存在很多挑战。