金融科技信息安全技术（二）隐私计算技术

隐私计算：释放数据价值的新途径

由于数据流通共享的价值日益凸显，大数据的发展正迎来新的价值传递机遇。然而，隐私保护和数据合规等监管要求导致数据拥有者面临共享困境。隐私计算技术作为一种解决方案，能在不泄露数据本身的情况下，实现数据的分析与计算。

隐私计算并非单一技术，而是密码学、人工智能、安全硬件等多个领域的交叉融合。技术原理上主要分为密码学和安全硬件两大类，包括多方安全计算、同态加密、可信执行环境和联邦学习等技术。

对50家隐私技术服务商的核心技术分析显示，多方安全计算是应用最广泛的技术，而其他技术则处于不同程度的成长期。其中多方安全计算技术已经成熟，可信执行环境和联邦学习正快速发展，同态加密还在早期阶段。

在隐私计算的产业生态中，参与方主要包括数据使用方（甲方）、数据源（乙方）和服务机构（丙方）。其中，数据使用方集中在金融、政务、医疗、零售等领域；数据源如金融数据和医疗数据，分别归政府、医疗机构等持有；丙方则为不拥有数据的服务提供者，如隐私计算厂商。

随着相关法规的完善和合规数据流通需求的增强，隐私计算市场迎来发展期。多样化的机构包括大型互联网公司、大数据、AI、区块链和传统数据安全公司都在积极进入这一领域。

特别地，金融行业在隐私计算的落地进程中占据主导地位。《金融业数据能力建设指引》也明确了金融业数据能力建设的基本原则，促进了隐私计算技术在金融场景中的应用。

作者简介：文章作者是一名质量工程师和金融科技质量赋能实践者，同时也是厨艺爱好者。在不同行业有质量变革和质量体系建设的经验，致力于用通俗易懂的方式分享质量领域的知识和经验。

MVP发布后，下一步该怎么办?

了解更多

想要了解更多内容？

查看原文：金融科技信息安全技术（二）隐私计算技术

文章来源：

零竖质量

扫码关注公众号