时代|区块链+隐私计算，告别个人信息的‘裸奔’时代？( 三 ) 微众银行|火星财经

翼方健数联合创始人兼首席产品官曹华：从我们公司的角度而言，「隐私计算」更准确的来说应该是「隐私安全计算」，也就是能都在「特定的信任假设」下，保护数据的隐私和机密，同时避免数字资产的流失，转移和释放的前提下，去实现和分享数据价值的技术、产品和方法。
需要强调一点是，「特定的信任」是指，隐私计算有很多不同的方法和技术方案，这些不同的方案在「特定的信任」假设下发挥最好的作用。举个例子，多方安全计算的「特定的信任」就是大家彼此都不信任，隐私安全计算就是最优解。不同的应用场景下，「特定的信任」就有了不同的理解。
在数字经济中，「隐私安全计算」扮演者关键的角色，只有在「隐私安全计算」保护的前提下，数据的所有权才有可能真正对外开放，共享和使用，数据的价值才能得以流动。数字经济的发展需要隐私计算，才能解决关键障碍。
微众银行区块链隐私计算技术负责人李辉忠：为什么我们讲到数据，就会讲到隐私计算？接下来我就展开讲讲。
我们讲数据的时候经常会石油来比喻，这是由因为石油在第二次工业革命的时候扮演了非常重要的角色，体现了数据的重要性。在热力学定理中，有温度差的地方产生动力，在数字时代，凡是有信息差的地方，都能释放数据的价值。互联网时代就是这样的，大的公司之所以有更好的服务，是因为他们拥有更多的数据。「数据」跟原来的生产要素很大的区别就是，「数据」需要流动才能产生价值。
虽然在热力学定理中，有温度差的地方产生动力，但是它不会反向地自动产生，逆向的能量转换需要有外界的输入，也就是说信息少的一方想要从信息多的一方获得信息需要付出「劳动」，这就引发了两个问题，第一、「数据」需要流动才能产生价值；第二、「数据」的流动涉到多方的协作，不是单一运算。
一旦数据自由流动之后，就会引发一系列问题，比如数据的确权问题，激励问题，隐私问题，所以在这样的背景下，大家认为隐私计算非常重要。但隐私计算本身是一个综合的技术，是需要推动数据流动，并保护数据合规合法使用的一套机制，这种机制依赖于一系列的技术综合运作，包括区块链、联邦学习、安全多方计算等等技术，需要根据不同的场景，量身订造。
在这个过程涉及到不同的参与方，参与方之间的数据流动，是否合法合规，是否保护了数据的隐私和敏感，从这个逻辑来推导，就需要一系列的技术来支撑，包括需要用户授权、授权的登记以及过程的追溯，未来的审计、加密等扽，这就需要联邦学习、安全多方计算技术来辅助，综合而言，在数据重要性得到时代的共识之后，通过熵减的过程，降低信息差来挖掘数据价值，推动数据经济的发展，在这个过程中，带了隐私保护的问题，也就产生了隐私计算。
冲量在线产品总经理周岳骞：隐私计算从广义上来讲，属于数据安全范畴的一部分。与传统数据安全不同，传统数据安全是静态的数据安全保护，比如将加密数据存储起来，通过网络或者硬件隔离开来，让其他人无法篡改或者窃取，而隐私计算是在数据运算的动态过程中，保护数据不会被篡改或者窃取。也就是说，隐私计算在保护数据隐私的同时，通过运算逻辑把数据中的价值挖掘出来，实现了数据的「可用不可见」。
此外，关于多方安全计算，我想举个例子，在隐私计算中的「可信执行环境」，就是通过硬件的方式构造一个内存储区域，隐私的数据和算法在这里运行，同时通过硬件来保护任何外界的代码、程序、哪怕是操作系统，都不能从这里直接获取原始信息，最终大家可以从这个「安全区域」拿到的是不包括隐私信息的计算结果，原数据和原始算法都不能从找个「隐私黑盒」中看到。事实上，「可信执行环境」在我们生活中已经得到了非常广泛的应用，比如手机上的人脸识别、指纹比对等等，在使用过程中是无法被窃取，因为这些都是发生在「可信执行环境」中，APP的执行者在后台只能得到「是」或者「否」的结果，但并不能看到原始数据。这样既保证了指纹识别的的过程，同时又保护了指纹的原始数据，隐私计算就是在这样的动态过程中保护了原始信息。