2020 年 4 月，《中共中央国务院关于构建更加完善的要素市场化配置体制机制的意见》发布，将数据作为一种新型生产要素，与土地、劳动力、资本、技术等传统要素并列。
2020 年 10 月，《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》发布，其中提出加快建设数字经济、数字社会、数字政府，建设数字中国，打造数字经济新优势，明确数据作为核心生产要素的重要性。
在数据时代，一方面国家要建设数字经济社会，支持数据开放共享、互联互通；但另一方面，数据开放共享带来的安全问题，也不得不受到重视。随着《中华人民共和国数据安全法》通过实施，不仅填补了数据安全这一方面的法律空白，也极大地推动了隐私计算行业的规范和快速发展。
市场问题：当前在数据要素价值盘活过程的数据生产加工、数据资源汇聚、数据流通交易、数据模型训练与部署过程中仍然面临数据确权难、投入成本高、数据集质量低、数据资源有限等问题。各数据主体之间、甚至数据主体内部之间都因为数据安全问题而存在着数据孤岛现象，在数据流通、数据应用等方面存在诸多问题。
1，隐私计算概念2016 年发布的《隐私计算研究范畴及发展趋势》正式提出“隐私计算”一词，并将隐私计算定义为：“面向隐私信息全生命周期保护的计算理论和方法，是隐私信息的所有权、管理权和使用权分离时隐私度量、隐私泄漏代价、隐私保护与隐私分析复杂性的可计算模型与公理化系统。”
隐私计算本质上是在保护数据隐私的前提下，解决数据流通、数据应用等数据服务问题。
隐私计算的理念包括：
”数据可用不可见，数据不动模型动“、“数据可用不可见，数据可控可计量”、“不共享数据，而是共享数据价值”等。
根据目前市场上隐私计算技术的主要相关技术，可分为三类：（差分隐私作为一种数据处理方式也纳入其中）
基于协议的安全多方计算基于现代密码的联邦学习基于硬件的可信执行环境2，隐私计算技术介绍 2.1，联邦学习
联邦学习是一种分布式机器学习技术和系统，包括两个或多个参与方，这些参与方通过安全的算法协议进行联合机器学习，可以在各方数据不出本地的情况下，通过交换中间数据的形式，联合建模和提供模型推理与预测服务。而且这种方式得到的模型效果和传统的中心式机器学习模型效果几乎相同。
目前，联邦学习技术在传统的机器学习算法如线性回归，决策树等模型中比较成熟，研究的重点是深度学习模型。
联邦学习技术的运用通常需要与安全多方计算技术相结合，甚至是区块链等。联邦技术的发展方向是构建统一化联邦平台执行数据交易。关于联邦学习的详细介绍可参考：联邦学习概念及应用
2.2，安全多方计算安全多方计算是一种在参与方不共享各自数据且没有可信第三方的情况下安全地计算约定函数的技术和系统。通过安全的算法和协议，参与方将明文形式的数据加密后或转化后再提供给其他方，任一参与方都无法接触到其他方的明文形式的数据，从而保证各方数据的安全。
基于可信硬件的可信计算技术。相比基于软件和协议确保的隐私性，硬件实现的方式更安全可靠。目前在国内，蚂蚁也在做这个事情。
区块链将成为隐私计算产品中必不可少的选项，在保证数据可信的基础上，实现数据安全、合规、合理的有效使用。主要体现在以下三个方面：
区块链可以保障隐私计算任务数据端到端的隐私性。通过区块链加密算法技术，用户无法获取网络中的交易信息，验证节点只能验证交易的有效性而无法获取具体的交易信息，从而保证交易数据隐私，并且可按用户、业务、交易对象等不同层次实现数据和账户的隐私保护设置，最大程度上保护数据的隐私性。
区块链可以保障隐私计算中数据全生命周期的安全性。区块链技术采用分布式数据存储方式，所有区块链上的节点都存储着一份完整的数据，任何单个节点想修改这些数据，其他节点都可以用自己保存的备份来证伪，从而保证数据不被随便地篡改或者是被删除。此外，区块链中所使用的非对称加密、哈希加密技术能够有效保障数据安全，防止泄露。
区块链可以保障隐私计算过程的可追溯性。数据申请、授权、计算结果全过程链上进行记录与存储，链上记录的信息可通过其它参与方对数据进行签名确认的方式，进一步提高数据可信度，同时可通过对哈希值的验证匹配，实现信息篡改的快速识别。基于链上数据的记录与认证，可通过智能合约，实现按照唯一标识对链上相关数据进行关联，构建数据的可追溯性。区块链与隐私计算结合，使原始数据在无需归集与共享的情况下，可实现多节点间的协同计算和数据隐私保护。同时，能够解决大数据模式下存在的数据过度采集、 数据隐私保护，以及数据储存单点泄露等问题。区块链确保计算过程和数据可信，隐私计算实现数据可用而不可见，两者相互结合，相辅相成，实现更广泛的数据协同。
”区块链因其共享账本、智能合约、共识机制等技术特性，可以实现原始数据的链上存证核验、计算过程关键数据和环节的上链存证回溯，确保计算过程的可验证性。“
政务：
金融：
医疗：
广告：
【参考链接】
腾讯隐私计算白皮书2021
中国隐私计算产业发展报告（2020-2021）
————————————————
版权声明：本文为CSDN博主「lhzdzt」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/qq_40589204/article/details/116104882