第1章 隐私计算概述

当前，数据已成了比肩石油的基础性关键战略资源，正在颠覆全球社会的发展模式。囿于数据的法律属性、产权规则、交易制度等在理论和立法层面长期未能清晰界定，规范有效的数据流通市场始终未能真正形成，数据要素的社会经济价值仍存在巨大的挖掘提升空间。作为一种全新的生产要素类型，数据无论是在产权界定还是交易规则方面都与土地、资本、劳动、技术等传统生产要素存在本质区别，数据要素的交易流通也必然存在其自身的特殊性。

然而，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，又要保护安全，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、可信执行环境、联邦学习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，已在金融、医疗、政务等领域开始推广应用。隐私计算关注跨机构跨组织跨场景的大数据合作场景，在不泄露任何个人隐私数据的基础上，将各个领域数据结合起来，将新方法应用到老场景，比如风险控制、精准营销等。可以说，隐私计算是在实现保护数据拥有者的权益安全及个人隐私的前提下，实现数据的流通及数据价值的深度挖掘。

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，成为商业和资本竞争的热门赛道。本章将对隐私计算的产生背景、主要概念、技术体系和发展历程进行简要的介绍。