作者序
时至今日，数据作为数字经济时代最为核心的生产要素，在社会生产、生活中的巨大价值已经不言而喻。2020年4月，中共中央、国务院发布的《关于构建更加完善的要素市场化配置体制机制的意见》中，将数据同土地、劳动力、资本、技术等传统生产要素并列，作为一种新型生产要素参与分配。作为释放要素价值的关键环节，数据资源的开放共享、交换流通成为重要趋势，其需求日益强烈。
然而，随着近年来数据安全事件频发，数据安全威胁日益严峻。既要应用数据，又要保障安全，如何兼顾发展和安全，平衡效率和风险，在保障安全的前提下发挥数据价值，是当前面临的重要课题。以多方安全计算、联邦学习、可信执行环境等为代表的隐私计算技术为流通过程中数据的“可用不可见”提供了解决方案，有助于破解数据保护与利用之间的矛盾，已在金融、通信、互联网、医疗、政务等领域开始推广应用。
权威机构Gartner发布的2021年前沿科技战略趋势中，将隐私计算（其被称为隐私增强计算）列为未来几年科技发展的九大趋势之一。随着各领域关注度的日益提升，隐私计算已成为发展火热的新兴技术，以及商业和资本竞争的热门赛道。
然而，目前市面上隐私计算相关的图书还比较少，已有的图书也主要从密码学和机器学习的角度进行技术性的描述。中国信息通信研究院云计算与大数据研究所（以下简称中国通信院云大所）从2017年起就从事隐私计算技术和产业的研究，在隐私计算发展方面积累了一些思考，因此撰写了这本隐私计算科普读物，旨在帮助读者对隐私计算的技术、产业、应用、法律合规等内容加强了解。本书是一本入门级图书，面向具备一定大数据相关知识但不太了解隐私计算行业的读者，旨在帮助他们掌握隐私计算的基本情况。同时，本书还面向有意愿了解隐私计算应用的各行业人员，旨在帮助他们开阔视野和思路。相信对隐私计算领域感兴趣的读者阅读本书都能有所收获。本书在编写过程中，尽量回避了较为学术性的描述，希望通过通俗化的语言帮助读者对隐私计算行业有一个整体性、概括性的认识。
本书试图回答以下问题。
● 隐私计算概述：为什么会有隐私计算技术？它能发挥什么价值？它的发展历程如何？本书第1章将回答这些问题。
● 隐私计算的技术原理：隐私计算的技术体系是怎样的？各类隐私计算技术的方案架构和特点有哪些？每种隐私计算技术擅长解决的问题是什么？其成熟度和缺陷有哪些？技术融合与扩充的情况如何？本书第2章将回答这些问题。
● 隐私计算的算法应用：如何通过上述隐私计算技术进行联合查询、联合统计、联合建模、联合预测？本书第3章将回答这个问题。
● 隐私计算的应用场景：隐私计算常用的应用场景有哪些？在每个场景里，隐私计算解决了什么痛点、如何应用？本书第4章将回答这些问题。
● 隐私计算的产业现状：隐私计算的政策环境如何？国内外隐私计算主要有哪些企业？隐私计算行业的商业模式、论文情况、专利情况、技术开源情况、标准建设情况如何？本书第5章将回答这些问题。
● 隐私计算的法律合规问题：从法律视角看，隐私计算解决了哪些数据流通的合规性问题？应用隐私计算的过程中会面临哪些合规性风险？如何解决这些风险？本书第6章将回答这些问题。
● 隐私计算面临的问题、挑战与展望：隐私计算的发展面临哪些问题和挑战？这些问题该如何改善？隐私计算还有哪些发展趋势？本书第7章和第8章将回答这些问题。
本书的观点和思考主要来源于中国信通院云大所依托隐私计算联盟开展的工作。2020年年底，在工业和信息化部网络安全管理局的指导下，中国信通院云大所牵头成立隐私计算联盟，目前成员包括运营商、金融机构、政府单位、技术厂商等在内的80多家单位。中国信通院云大所已逐步构建了隐私计算产品标准和评估体系，目前已发布关于多方安全计算、联邦学习、可信执行环境、区块链辅助的隐私计算等计算场景的功能标准和多方安全计算、联邦学习等性能标准。据此开展的“可信隐私计算”产品测评是目前行业认可度最高的测评之一。截至2021年7月，其已开展4批隐私计算测试，共完成对59款产品功能和性能的评测。当前，隐私计算安全测试标准及互联互通标准正在持续推动中。
本书在编写过程中得到了中国信通院云大所何宝宏所长、王蕴韬总工程师及姜春宇、贾轩、杨靖世、白玉真、侯宁、李雪妮、刘雪花、王妙琼、马鹏玮、张奕卉、吴因佥、李雨霏、王卓、田稼丰、秦书锴、贾真、张德民、王月等同事的大力支持。北京邮电大学的刘嘉夕、靳震、叶锦梅同学为本书做出了很大贡献。隐私计算联盟的中国工商银行软件开发中心、腾讯云计算（北京）有限责任公司、联通数字科技有限公司、北京数牍科技有限公司、北京百度网讯科技有限公司、北京冲量在线科技有限公司、深圳华大生命科学研究院、上海富数科技有限公司、翼健（上海）信息科技有限公司、杭州锘崴信息科技有限公司、蚂蚁科技集团股份有限公司等企业的专家对本书提出了建议，或提供了相关案例，在此一并向他们表示衷心的感谢。
由于作者水平有限，书中不足之处在所难免。此外，由于隐私计算技术方兴未艾，新观点、新算法层出不穷，本书难免有所遗漏，敬请专家和读者批评指正。
道阻且长，行则将至；行而不辍，未来可期。面对这个日新月异、快速发展的行业，我们期待与业界共同守正创新，推动隐私计算行业健康发展，让隐私计算在数据要素市场建设和数据流通过程中发挥更大的价值！
全体作者
2021年10月