隐私计算概述

0. 背景

互联网技术高速发展，使得企业在用户数据的采集、处理变得廉价、容易，并且通过对采集数据的分析处理，能带来巨大的商业价值。

另一方面，单个企业对用户采集数据具有片面性，诞生了数据流通、共享的价值性，企业需要与同行业或产业上下游进行合作，开展数据共享分享，释放数据的应用价值，催生了安全、跨行业、跨领域数据共享需求。

但企业在使用数据过程中面临着隐私泄露和数据使用违规风险，而且全球数据保护法规也越来越成熟，如何保障数据和隐私安全的前提下使用数据并挖掘数据的价值，成为一个难题。

2019年，Gartner在Hype Cycle中首次将隐私计算列为处于启动的关键技术，2020年隐私增强计算成为深挖的重要战略科技之一。到2025年，Gartner认为全球将由一半的大型企业机构使用隐私增强计算在不受信任的环境和多方数据分析中处理数据。隐私计算计算可以在保障数据和隐私安全的前提下使用数据并融合价值，目前已在金融行业落地。

1. 基本概念

1.1  隐私定义

经济合作与发展组织OECD对隐私的定义：“任何与已知个人或可识别的个人相关信息”。隐私计算中，隐私可界定为：隐私指个体的敏感信息，群体或者组织的敏感信息可以表示为个体的公共敏感信息。因此，可以将信息分为公开信息、秘密信息、隐私信息3类。对组织来说，信息可分为公开信息和秘密信息，对个体来说信息可分为公开信息和隐私信息。

1.2 隐私计算定义

隐私计算是指在保证数据提供方不泄露原始数据的前提下，对数据进行分析计算的一些列信息技术，保障数据在流通和融合过程中的“可用不可见”。

1.3  隐私信息生命周期

隐私信息的生命周期如下：

• 隐私信息产生。 个体在日常生活、使用互联网服务等会生成文本、图像、语音、视频等隐私信息，这些信息可能会主动搜集或被动搜集。
• 隐私感知。从包含隐私信息的数据中构建隐私变量集合，产生隐私元数据。
• 隐私保护。根据隐私感知得到的数据及其标记，使用想匹配的隐私保护方法，对隐私信息进行保护。
• 隐私发布。隐