《隐私计算：推进数据“可用不可见”的关键技术》内容简介

本书针对我国数据要素市场建设过程中数据流通难的问题，详细阐述了隐私计算这一系列数据流通技术的发展情况。隐私计算是指在保证原始数据安全隐私性的同时，实现对数据的计算和分析的一类技术。本书内容源自中国信通院云计算与大数据研究所相关产业实践经验，介绍了隐私计算的概念、发展历程、技术原理、主要算法、应用场景、产业发展情况、法律合规情况等，并分析了相关问题和趋势。
《隐私计算——推进数据”可用不可见”的关键技术》适合数据流通、数据安全相关从业者阅读，也适合对隐私计算感兴趣的学术、产业各界人士阅读。
闫树，理学博士，中国信息通信研究院云计算与大数据研究所大数据与区块链部副主任，高级工程师。主要研究方向为数据流通、隐私计算、大数据产业等。牵头编写《大数据白皮书》《数据流通关键技术白皮书》及数据流通、多方安全计算、联邦学习等相关行业标准。重点参与工业和信息化部《大数据产业“十三五”发展规划》和《“十四五”大数据产业发展规划》的编写。
袁博，中国信息通信研究院云计算与大数据研究所大数据与区块链部工程师，主要研究方向为隐私计算测评。牵头编写《隐私计算白皮书》。
吕艾临，中国信息通信研究院云计算与大数据研究所大数据与区块链部工程师，主要研究方向为数据流通。
仵姣姣，中国信息通信研究院云计算与大数据研究所大数据与区块链部工程师，主要研究方向为数据流通法律与合规。
王思源，中国信息通信研究院云计算与大数据研究所大数据与区块链部工程师，主要研究方向为隐私计算测评。
魏凯，中国信息通信研究院云计算与大数据研究所副所长，主要研究方向为大数据、区块链、人工智能。

作品目录

推荐序
作者序
第1章：隐私计算概述
1.1、背景：数据流通的困境
➢
数据流通是发展数字经济的关键
➢
数据流通需求强烈但也困境重重
➢
技术手段为数据流通提供新方案
1.2、隐私计算的兴起
➢
什么是隐私计算
➢
隐私计算的体系视图
1.3、隐私计算的发展历程
➢
密码学理论的研究阶段
➢
可信硬件的出现与应用
➢
联邦学习被正式提出
第2章：隐私计算的技术原理
2.1、以多方安全计算为代表的密码学技术
➢
多方安全计算的概念
➢
多方安全计算的起源
➢
多方安全计算的底层技术
➢
多方安全计算的特点
➢
基于多方安全计算的隐私计算平台
➢
其他基于密码学的隐私计算技术
2.2、以联邦学习为代表的融合衍生技术
➢
联邦学习的概念
➢
联邦学习的起源
➢
联邦学习的分类
➢
联邦学习的实现流程
➢
联邦学习的特点
➢
基于联邦学习的隐私计算平台
2.3、以可信执行环境为代表的可信硬件技术
➢
可信执行环境的概念
➢
可信执行环境的起源
➢
可信执行环境的实现方案
➢
可信执行环境的特点
➢
基于可信执行环境的隐私计算平台
2.4、各类隐私计算技术的对比
2.5、隐私计算相关的其他技术
➢
隐私计算vs数据脱敏
➢
隐私计算vs区块链
第3章：隐私计算的算法应用
3.1、联合查询
➢
算法协议实现联合查询
➢
可信硬件实现联合查询
3.2、联合统计
➢
联合统计概念
➢
安全联合统计
3.3、联合建模
➢
传统逻辑回归算法
➢
横向逻辑回归算法
➢
纵向逻辑回归算法
3.4、联合预测
第4章：隐私计算的应用场景
4.1、联合风控
➢
案例一
针对小微企业的信贷风控
➢
案例二
身份信息核验与保护
➢
案例三
共建金融信贷准入评分模型
➢
案例四
隐私计算助力金融机构提升联合风控效率
➢
联合风控场景应用的难点与挑战
4.2、联合营销
➢
案例一
汽车客户群联合建模分析
➢
案例二
车险风险评估多方安全计算
➢
案例三
国产化的金融数据建模应用
➢
联合营销场景应用的难点
4.3、智慧医疗
➢
案例一
新冠病毒基因组演化分析检测疫情发展
➢
案例二
厦门健康医疗大数据应用开放实践
➢
案例三
全基因组关联分析引擎
➢
智慧医疗场景应用的难点与挑战
第5章：隐私计算的产业现状
5.1、透过外部配套环境看隐私计算
➢
政策扶持
➢
学术研究
➢
专利发明
➢
开源生态
➢
联盟组织
➢
标准规范
➢
资本支持
5.2、透过内部市场竞争看隐私计算
➢
国外市场
➢
国内市场
第6章：隐私计算的法律合规问题
6.1、隐私计算有助于提升数据流通和使用的合规性
➢
隐私计算有助于降低参与方授权的风险和成本
➢
隐私计算有助于促进数据流通
➢
隐私计算可增强参与方对数据流通的控制
➢
隐私计算符合最小必要原则的精神
➢
隐私计算可成为匿名化技术方案的重要组成部分
6.2、隐私计算技术合规风险分析
➢
原始数据的合规瑕疵可为数据处理带来“原罪”
➢
数据和模型泄露可能减损技术的安全性
➢
从梯度或参数信息中可能反推出原始数据
➢
参与方可能打破技术信任的完整性
➢
计算过程中可能侵犯商业秘密或知识产权等权利
➢
输出计算结果可能仍包含敏感信息
➢
参与方存在超范围使用数据的风险
➢
可能涉及多国法律管辖及承担境内存储的义务
6.3、关于合规路径的探讨
➢
搭建合规基准框架和内部合规管理制度
➢
根据输入模型的数据选择合规路径
➢
控制参与方带来的风险
➢
针对跨境隐私计算进行安全评估
➢
通过技术手段控制隐私计算全流程的风险
➢
留存证据证明企业的合规实践
➢
积极参加行业组织并参与标准建设
➢
积极关注立法和监管的最新动向
第7章：隐私计算面临的问题与挑战
7.1、隐私计算的技术本身需要持续性突破
➢
如何平衡性能和安全是持续性议题
➢
互联互通壁垒或使数据“孤岛”变“群岛”
7.2、隐私计算的市场认知和信任尚未完善
➢
技术推广应用仍需全面的市场教育
➢
技术本身的安全性挑战市场信任
7.3、隐私计算的应用合规性缺乏明确界定
➢
隐私计算合法合规的“红线”不明
➢
隐私计算技术滥用缺乏监管
第8章：隐私计算的发展展望
8.1、多方协同强化研发，技术可用性将持续提升
➢
算法优化和硬件加速将成为技术可用性提升的重要方向
➢
开源协同降低开发门槛，加速隐私计算技术迭代
8.2、创新突破稳步向前，技术应用将不断拓展
➢
应用场景将向传统场景探索拓展
➢
多元技术融合有望拓展应用边界
8.3、市场竞争仍将持续，产业生态将不断完善
➢
市场格局尚未形成，行业初期合作或将多于竞争
➢
法规体系完善提供技术应用的顶层指导
➢
标准体系制定有望助力隐私计算应用落地
反侵权盗版声明