基于隱私計算技術的數據安全應用研究

摘要：隨著數字經濟的不斷發展，數據安全成為數字經濟持續、健康發展的主要問題。為了能夠合理利用公共數據資源，推動城市數字化轉型，提升社會生產力，應當重視隱私計算技術的應用，對數據進行加密處理，從而提升數據的安全性。本文對基于隱私計算技術的數據安全應用展開深入研究，旨在更好地利用隱私計算技術來強化數據的安全應用，通過全面認知隱私計算技術，實現對其科學應用，從而保障和提升數據應用的可靠性與安全性，為數字經濟、數字城市的健康、持續發展提供保障。

關鍵詞：隱私計算；技術；數據安全；算法；研究

在信息科技不斷發展的時代，信息技術推動著數字經濟不斷發展，也推動著眾多行業逐漸走向信息化、智能化和現代化。在大數據信息技術廣泛應用的前提下，數據安全問題逐漸暴露出來、因此，在數據共享、流通、挖掘和深入利用的過程中，如何保障數據的安全性是需要重點思考和討論的。隱私計算技術能夠實現對數據隱私和安全的保護，使得數據能夠在融合、共享、流通和應用過程中實現“可用而不可見”的效果，從而防止數據出現外泄，保障用戶的使用安全。因此，為了能夠更好地解決數據安全應用的問題，需重視隱私計算技術科學、全面、靈活地應用，提升數據應用的安全性與可靠性，對于社會各行業以及數字經濟的發展都非常有利。

一、隱私計算技術的理論概述

（一）隱私計算技術的概念

隱私計算主要是指在保障數據擁有者個人隱私和安全權益的基礎上，對數據價值進行深度挖掘、流通和應用的一種重要手段或方法。隱私計算技術主要指的是一類以保護數據本身安全性、隱私性為前提，對數據進行分析和計算的信息技術。隱私計算技術涉及多個信息技術學科，如人工智能、密碼學、數據科學等，是眾多信息技術體系的交叉與整合^[1]。

（二）隱私計算技術體系

隱私計算技術體系由底層硬件、基礎層和算法應用三部分構成。底層硬件包括通用硬件和可信硬件；基礎層包括混淆電路、秘密分享、不經意傳輸、同態加密、差分隱私和其他密碼學算法；算法應用包括聯合統計、聯合查詢、聯合建模和聯合預測。構建隱私計算技術體系的主流技術包括多方安全計算、可信執行環境和聯邦學習等。

1.多方安全計算

多方安全計算的核心技術是加密算法與協議，它是基于密碼學原理，通過第三方可信的協助，實現多個參與方進行數據加密計算的方法。在加密數據方面，每個參與方只能獲得自己的計算結果，無法獲得其他參與方的輸入信息。

在實現多方安全計算時，關鍵的底層密碼學協議和框架，如不經意傳輸、混淆電路和秘密分享等。不經意傳輸主要指的是一種在數據交互與傳輸過程中保護隱私的方法或者思路。不經意傳輸是多方安全計算框架主要內容之一，其是乘法三元組、混淆電路設計以及GMW協議的重要基礎構件，且具備隱私信息檢索、隱私集合求交等多種安全計算功能。混淆電路則是對計算任務轉化成布爾電路后的真值進行打亂加密等混淆操作，以此來實現對輸入隱私進行保護的一種思路。混淆電路技術能夠實現多種計算，且多應用在高帶寬延遲場景、通用計算場景等。秘密分享是一種將秘密拆分成多個小分片，每個小分片交由不同的參與方進行管理的一種分而治之的秘密信息管理方法。秘密分享的通信量較低、計算量較小，具備預測、建模、聯合統計等多種功能^[2]。

多方安全計算在不泄露任何隱私數據的基礎和前提下，能夠實現多方數據的共同參與計算功能，并獲得較為準確的結果，可以實現“數據可用而不可見”，將數據的使用權和所有權相分離，并對數據的用量、用途進行控制，在一定程度上實現了可計量、可控的目標。多方安全計算具有高度的安全性，不會泄露與中間計算結果相關的任何信息，適用于多種場景。

2.可信任執行環境

可信任執行環境是一個獨立于操作系統的、隔離的、可信的機密空間，并在這個機密空間中進行數據計算工作，安全問題需要依賴可信的硬件來實現。隔離是可信任執行環境最本質上的屬性，運用芯片等硬件技術和上層軟件技術來協同保護數據，并保留與系統運行環境的算力共享功能。通過在CPU中運用軟硬件方法來構建安全區域，使其內部程序加載、數據的完整性與機密性得到更好地保護。

從嚴格意義上來講，可信任執行環境并不具備“數據可用不可見”的功能，但是其具有較低的開發難度和較高的通用性，能夠科學、靈活地滿足復雜算法與通用計算的需求，在并非嚴苛的場景下較為適用，且發揮的空間更大、利用價值更高。可信任執行環境的實現依賴于Intel SGX技術和ARM TrustZone技術，通過隔離的執行環境提供執行空間，該空間的安全性更強，功能更為豐富，能夠保護數據和代碼的完整性和機密性。可信任執行環境不會限制隱私區域內的算法邏輯語言的可計算性，還能支持更多復雜的算法和算子，具有較強的上層業務表達性。運用可信任執行環境技術能夠實現算法、數據、身份、度量等功能，安全性更高，能夠有效防止隱私數據泄露^[3]。

3.聯邦學習

聯邦學習是一種分布式的機器學習方法，其在保證數據隱私安全的前提下進行數據建模，并提升模型的效果。聯邦學習是在不出庫本地數據的前提下對加密數據進行流通和處理，以此實現多方聯合機器學習訓練。聯邦學習的參與方包括計算方、數據方、任務發起方、算法方、協調方和結果方等。

按照數據集的類型，聯邦學習可以分為橫向、縱向和遷移三類聯邦學習。橫向聯邦學習是基于樣本的橫向維度切分數據集，針對特征相同但樣本不完全相同的數據，展開聯合訓練，這種方法適用于特征重合較多但樣本重合較少的數據集。縱向聯邦學習則是基于縱向特征切分數據集，將相同樣本但特征不完全相同的數據作為對象進行訓練，這種方法適用于特征重合較少但樣本重合較多的數據集。聯邦遷移學習是一種不切分數據集，利用遷移學習的方法來彌補不同數據集的數據和標簽不足，這種方法適用于樣本和特征重合都較少的場景。

二、數據安全應用中隱私計算技術的重要性分析

自十九屆四中全會以來，數據被列入生產要素當中，其價值與地位得到了國家的高度肯定。而應用隱私計算技術可以有效解決數據安全領域中存在的難題，并提升數據應用的安全性。同時，隱私計算技術還能保障對公共數據機密和數據協作風險，降低數據應用的安全風險，有效落實數據安全責任，提升數據的安全防護效果。下面對數據安全應用隱私計算技術的重要性進行分析與探討。

（一）有利于公共數據機密的保護

隨著信息科技的發展，在全球范圍內，大數據應用的安全問題受到廣泛關注和重視。為了更好地對數據進行保護，歐盟的《通用數據保護條例》和我國的《個人信息保護法》的相關規定，保證數據機密性、完整性和最小化是個人數據處理的重要前提和原則，也是國際社會對于收集和處理公共數據的共識和要求。隱私計算技術能夠全面地滿足數據最小化、機密性和安全性的要求，有效地避免數據被非法篡改、處理、刪減、泄露和毀損等問題。同時，在數據安全應用中運用隱私計算技術，能夠更好地保障公共數據的準確性和真實性，防止未經授權的人員訪問、導出和修改數據，從而提高公共數據應用的安全性。

（二）有利于規避數據協作風險

在數據安全應用過程中，利用隱私計算技術可以對數據進行建模和分析，而無需將數據物理存儲服務器進行轉移。這樣可以有效規避和減少數據協作、共享和利用過程中存在的安全風險，有利于提升數據協作的效率和水平。同時，運用聯邦學習、多方安全計算等隱私計算技術，可以保障原始數據不流通；通過對數據計算模型的傳輸，能夠將數據價值進行安全出庫，使得加密算密鑰長度、加密算法強度以及密鑰管理安全性的提升非常有利。在隱私計算技術的支持下，數據的多方建模分析工作更加順暢和高效，無需共享和轉移原始數據就可以實現對數據建模的分析，這從本質上降低了數據協作的安全風險，進一步提升了數據應用的可靠性和安全性。

（三）有利于數據安全責任的有效落實

運用隱私計算技術能夠對企業履行數據安全義務的實際情況進行有效且全面地認知，有利于幫助企業更好地健全和完善數據安全管理制度，按照國際的標準和規范優化數據安全管理流程。通過隱私計算技術的應用，能夠將企業是否履行數據安全保障的問題予以清晰的反映，對于數據泄露的相關環節予以確定，有利于泄露風險原因和主體的查明和確定，進而明確和落實了數據安全責任，這對于數據安全應用是一種有效保障^[4]。

三、基于隱私計算技術的數據安全應用場景研究

在社會眾多領域中，隱私計算技術涉及的場景較多。在數據的生產、計算、應用以及存儲等環節中，隱私計算技術能夠更好地保障原始數據的隱私和安全，其優勢較為顯著，在智慧城市、醫療健康、金融征信等行業中應用更加廣泛。下面對基于隱私計算技術的數據安全應用場景展開具體的探討與研究：

（一）智慧城市的建設

近幾年，隨著信息科技和大數據技術的迅猛發展，城市數字化轉型的速度加快，智慧城市的建設工作也在逐步推進，政務平臺的建設工作也愈發完善。針對大數據，我國許多省市設立了相關的行政管理機構或部門，如大數據中心、大數據管理局和發展局等，這些機構或者部門的設立旨在加強大數據智慧城市的建設工作，使其更加順暢、有序和高效。在智慧城市的建設過程中，涉及的部門和領域眾多，因此需要數據協作來提高效率。為了防止數據信息外泄、不對稱和不共享等問題，可以應用隱私計算技術，將環保、規劃、交通、能源、文旅、安保等多個領域的數據進行全面地感知與整合，實現政務數據的跨時空、跨行業和跨部門流通與共享。通過在政服大數據平臺上運用多方安全計算、聯邦學習和可信執行環境等隱私計算技術，能夠有效保障稅務、社保、公積金、司法等方面的數據安全性和隱私性，為智慧城市的全面建設提供更好的數據安全保障。打破信息壁壘，實現部門間數據的共享，能夠有效發揮數據協作的作用，保障數據的完整性、真實性和安全性。

（二）醫療健康行業數據的保密與隱私保護

在醫療健康領域，患者的個人信息必須嚴格保密，不允許泄露。隨著醫療健康行業的不斷發展，大數據的應用愈發廣泛，病例和病情數據量巨大，通過對這些數據進行機器學習、深入挖掘和模型訓練，能夠大幅提升病情診斷的效率和醫學研究的水平，從而提升醫療健康服務的準確性。在醫療健康領域中運用隱私計算技術，通過可信執行環境、多方安全計算等核心技術的應用，能夠高效地統計和分析數據，同時最大化地保障隱私數據的安全性。運用聯邦學習技術對醫療數據進行安全、可信的聯合分析，可以對臨床數據、醫學影像數據和基因組數據進行可靠地計算和分享。在多方安全計算技術的協助下，可以更好地共享電子病歷數據等，實現跨部門間的數據共享和利用，避免信息不對稱和信息數據孤島等問題，提升醫療健康行業數據應用的安全性^[5]。

（三）金融領域場景的有效應用

在金融領域中，數據的風險控制與渠道聯合都是開展業務工作的重要內容和環節。隨著互聯網信息技術的發展，傳統金融必須與新興的數字化技術有效融合，加強外部數據的流通與共享，提升金融數據應用的實效性，擴大金融數據應用范圍。在金融征信工作中，金融征信系統的生態圈層非常復雜，涉及數據的使用、加工和流通，運用隱私計算技術可以促進三方數據的融合和多維度計算，全面保障數據傳輸的真實性和安全性。

將聯邦學習和多方安全計算等隱私計算技術應用到金融征信系統，可以有效地規避和解決操作授權、隱私保護、價值交換、數據流通等問題，進一步提高金融征信數據的利用效率，保護數據隱私，并提升數據應用的安全性。

四、結束語

綜上所述，在不斷變化的信息化時代，隱私計算技術的應用可以有效規避和解決數據應用安全性的問題，保護用戶的隱私，對于智慧城市建設、金融領域和醫療健康行業的發展更為適用和有利。隨著信息技術的不斷提升，隱私計算技術也在不斷更迭與完善，未來的隱私計算技術對于數據安全應用的保障性將會更強，有利于實現數據的安全共享和有效利用。

作者單位：蘆健 杭州安恒信息技術股份有限公司

參? 考? 文? 獻

[1]王健宗，孔令煒，黃章成，等.聯邦學習算法綜述[J].大數據，2020，6（6）：64-82.

[2]于施洋，王建冬，郭巧敏.我國構建數據新型要素市場體系面臨的挑戰與對策[J].電子政務，2020（3）：2-12.

[3]趙學剛，馬羽男.算法偏見的法律矯正研究[J].遼寧大學學報：哲學社會科學版，2020，48（5）：82-90.

[4]陳財森，紀伯公，黃辰，等.基于聯邦學習的作戰數據共享與隱私保護[J].裝甲兵學報，2022（1）：98-103.

[5]曾堅朋，趙正，杜自然，等.數據流通場景下的統一隱私計算框架研究——基于深圳數據交易所的實踐[J].數據分析與知識發現，2022，6（1）：35-42.

蘆健（1981.05-），男，漢族，山東濟南，本科，高級副總裁，山東安恒智慧城市運營有限公司執行董事，研究方向：網絡安全。