摘要

√隱私計算賽道的崛起，是由市場需求的產(chǎn)生、技術的演進、法律與政策的推動引發(fā)的。首先是2019年的“凈網(wǎng)行動”引發(fā)了金融科技領域?qū)﹄[私計算的需求。與此同時，隱私計算技術經(jīng)歷了2019年的技術普及和市場教育階段、2020年的大規(guī)模概念驗證和試點部署階段之后，在實際商業(yè)場景中達到基本可用。最終，一系列法律與政策的推出，使得隱私計算技術成為未來商業(yè)世界的剛需。

√ 隱私計算龐大的產(chǎn)業(yè)生態(tài)正在形成。在這個生態(tài)當中，包括數(shù)據(jù)源、數(shù)據(jù)使用方和為數(shù)眾多的中間服務機構。目前，入局隱私計算領域的廠商有十大類，其中包括：互聯(lián)網(wǎng)巨頭、云服務商、有人工智能背景的公司、有區(qū)塊鏈背景的公司、有大數(shù)據(jù)背景的公司、有安全背景的公司、軟件服務商、有金融科技背景的公司、有供應鏈金融背景的公司、從隱私計算技術出發(fā)的創(chuàng)業(yè)公司。

√ 目前，隱私計算領域的商業(yè)模式主要有三種：硬件銷售、軟件銷售、平臺分潤。其中平臺分潤模式有三種：數(shù)據(jù)源側(cè)分潤、數(shù)據(jù)應用場景分潤、類數(shù)據(jù)代理模式。但是，在未來，隨著隱私計算技術與區(qū)塊鏈技術進一步結合、以及開源的發(fā)展，可能出現(xiàn)更多的商業(yè)模式。

√ 在隱私計算領域發(fā)展初期，各廠商商業(yè)模式比較相似，并無明顯差異。但是基于目前業(yè)務方向以及能力的不同，隱私計算公司的商業(yè)模式可能在發(fā)展中產(chǎn)生分化。目前，在零壹智庫的調(diào)研中，我們看到了數(shù)據(jù)底座、與場景深度融合、隱私計算疊加數(shù)據(jù)運營、開放平臺、“區(qū)塊鏈＋隱私計算”基礎平臺等幾種不同的業(yè)務方向。

√ 通過對隱私計算專利申請信息進行梳理，零壹智庫發(fā)現(xiàn)，中國目前有超過2000家公司參與隱私計算專利申請，但是成功推出相關產(chǎn)品的僅部分公司。在相關政策和行業(yè)法規(guī)的推動下，未來可能有更多的隱私計算產(chǎn)品推出。

√ 在金融領域，目前隱私計算主要應用于風控和營銷兩個方面。但是，隱私計算對金融領域的影響將不止于這兩個方面。隱私計算與區(qū)塊鏈技術結合之后，可以改變更多的金融場景，比如跨境支付、供應鏈金融等。

√ 2021年，隱私計算開始在真實商業(yè)場景中全面落地。但是，這距離隱私計算市場的全面爆發(fā)還有距離。這主要是基于以下三方面的原因：隱私計算技術自身的原因、市場的原因、宏觀環(huán)境的原因。隱私計算的長跑才剛剛開始。

出品 ｜ 零壹智庫

作者 ｜ 溫泉、姚崇慧、趙金龍

任萬盛、陳麗姍、劉翌

10月21日，由零壹財經(jīng)?零壹智庫主辦的“第一屆中國信用經(jīng)濟發(fā)展峰會暨2021第三屆數(shù)字信用與風控年會”在深圳前海舉辦，會上發(fā)布了《隱私計算在金融領域應用發(fā)展報告（2021）》。報告由零壹財經(jīng)·零壹智庫作為研究機構，由中國科技體制改研究會會數(shù)字經(jīng)濟發(fā)展研究小組、深圳市信用促進會、橫琴數(shù)鏈數(shù)字金融研究院聯(lián)合發(fā)布，并且得到了同盾科技、星云clustar、瑞萊智慧、金智塔科技和天冕科技的研究支持。以下為完整版報告：

目錄

前 言

一、隱私計算賽道崛起

（一）需求的產(chǎn)生：明文數(shù)據(jù)盛宴結束

（二）技術的演進：隱私計算技術達到基本可用

（三）法律政策的推動：隱私計算成為持續(xù)的剛需

二、隱私計算對數(shù)字經(jīng)濟的影響趨勢

（一）隱私計算對科技產(chǎn)業(yè)的影響

（二）隱私計算對其他產(chǎn)業(yè)的影響

三、隱私計算的技術路徑

（一）隱私計算的定義

（二）隱私計算的技術流派

（三）隱私計算的技術標準

四、隱私計算產(chǎn)業(yè)圖譜與商業(yè)模式分析

（一）隱私計算的To B市場與To C市場

（二）隱私計算產(chǎn)業(yè)圖譜

（三）隱私計算公司商業(yè)模式與業(yè)務方向差異

五、隱私計算投融資與專利分析

（一）隱私計算投融資分析

（二）隱私計算專利分析

六、隱私計算在金融領域應用

（一）隱私計算在金融領域應用的開端

（二）創(chuàng)業(yè)公司涌現(xiàn)

（三）隱私計算落地金融機構

（四）隱私計算在金融營銷領域應用

（五）隱私計算在風控領域應用

七、隱私計算金融應用典型案例

（一）同盾科技

（二）星云Clustar

（三）瑞萊智慧

（四）金智塔科技

（五）天冕科技

八、隱私計算在金融市場的推進節(jié)奏

作者目錄

致謝

前 言

2021年，隱私計算開始在真實的商業(yè)世界中全面落地。

這在實際生活中有一些不那么引人注目的信號。我們能夠看到，不少隱私計算初創(chuàng)公司正在賣力地推廣產(chǎn)品，他們穿梭于各類人工智能、數(shù)據(jù)、科技論壇，他們接受各路媒體采訪，宣講數(shù)字經(jīng)濟的未來。我們也能看到，電信運營商、不少銀行、保險公司、證券公司都在進行隱私計算平臺的招標采購。

隱私計算不再是隱居在論文中的生僻學術名詞，而是出現(xiàn)在公司官網(wǎng)上琳瑯滿目的產(chǎn)品介紹，出現(xiàn)在各大展會中充滿科技感的酷炫展臺，登上各種技術沙龍的最火熱的話題，金融機構業(yè)務中令人驚艷的數(shù)字，以及真金白銀。

數(shù)據(jù)要素市場不再是中央文件中的抽象概念，而是在技術支持下徐徐展開的可以想見的未來。

構成中國隱私計算市場未來的，是活躍在其中的互聯(lián)網(wǎng)巨頭、創(chuàng)業(yè)公司們。一切概念都變成了鮮活的產(chǎn)業(yè)實踐，一切未來都構筑在行動之上。

為此，從隱私計算落地最為密集的金融業(yè)開始，零壹智庫將盡力展示隱私計算發(fā)展中真實而鮮活的產(chǎn)業(yè)生態(tài)。讓產(chǎn)業(yè)實踐者們被看見、被發(fā)現(xiàn)。

隱私計算賽道崛起

2021年，隱私計算成為資本市場大熱的賽道。

經(jīng)歷了2019年的技術普及和市場教育階段，2020年的大規(guī)模概念驗證和試點部署階段之后，2021年隱私計算進入真正嘗試規(guī)模化應用的階段。

這個賽道的崛起，源于市場需求的拉動和技術的日益成熟，同時法律與政策環(huán)境的變化也成為利好因素。

（一）需求的產(chǎn)生：明文數(shù)據(jù)盛宴結束

隱私計算市場的啟動是由監(jiān)管的實質(zhì)性行動引發(fā)的。無論從中國自身的發(fā)展來看，還是從美國和歐盟的情況來看，都是出于這一原因。

1、中國監(jiān)管風暴啟動隱私計算市場

2019年9月，中國金融科技領域迎來一場前所未有的整頓風暴。
這場監(jiān)管風暴源自2019年1月公安部組織部署全國公安機關開展的“凈網(wǎng)2019”專項行動。這次專項行動的目標是，依法嚴厲打擊侵犯公民個人信息、黑客攻擊破壞等網(wǎng)絡違法犯罪活動。

“凈網(wǎng)行動”始自2011年，是由公安部發(fā)起的網(wǎng)絡犯罪專項打擊行動。2011年首次“凈網(wǎng)行動”的主要打擊目標為網(wǎng)上涉槍涉爆違法犯罪活動。此后，隨著互聯(lián)網(wǎng)的發(fā)展，凈網(wǎng)行動的內(nèi)容根據(jù)實際情況不斷變化。

“凈網(wǎng)2019”專項行動開始后，很快聚焦于對“套路貸”及其生態(tài)的打擊。根據(jù)公安部2019年11月14日在北京召開的通報全國公安機關開展“凈網(wǎng)2019”專項行動工作情況及典型案例的新聞發(fā)布會上披露的信息：

2019年5月25日，黑龍江省七臺河市接到居民報案，之后七臺河市公安局成立專案組，從本地被“套路貸”受害者和催收團伙入手，延伸打擊觸角、持續(xù)經(jīng)營攻堅，偵獲一條集實施“套路貸”犯罪團伙、催收團伙以及幫助“套路貸”犯罪的技術服務商、數(shù)據(jù)支撐服務商、支付服務商的完整犯罪鏈條。

8月10日開始，上述專案組對“7·30”網(wǎng)絡“套路貸”專案開展集中收網(wǎng)行動，打掉犯罪團伙9個，抓獲犯罪嫌疑人80名，查封凍結涉案資產(chǎn)7億元，提取各類涉案數(shù)據(jù)205T，涉及被催收人員7萬余人。

在此過程中，公安部網(wǎng)絡安全保衛(wèi)局從這些案件線索出發(fā)，組織全國展開集群戰(zhàn)役。9月1日以后直至11月間，各地網(wǎng)安會同刑偵部門收網(wǎng)打掉團伙147個，抓獲嫌疑人1531名，采取刑事強制措施798名，鏟除了一批幫助犯罪的技術服務商、數(shù)據(jù)支撐服務商、支付服務商，實現(xiàn)了對“套路貸”犯罪規(guī)模打擊、生態(tài)打擊。

在這場打擊當中，金融科技領域受到波及。據(jù)《財新》報道，2019年6月，公安部門鎖定“套路貸”、“714高炮”依賴導流獲客和暴力催收這兩大幫兇，利用爬蟲等工具，為這些“套路貸”平臺爬取通訊錄等個人敏感信息，并引發(fā)命案。這些非法個人信息的主要提供者，不少來自大數(shù)據(jù)風控公司。

9月6日，位于杭州的大數(shù)據(jù)風控平臺杭州魔蝎數(shù)據(jù)科技有限公司被警方控制，高管被帶走，相關服務癱瘓。此后，不少第三方風控行業(yè)頭部公司相繼被調(diào)查或被波及，使得整個行業(yè)主要爬蟲服務出于避險考慮基本暫停。對市場來說，這是監(jiān)管層釋放的強烈信號，即用爬蟲爬取個人隱私數(shù)據(jù)（因為大數(shù)據(jù)風控當中不少數(shù)據(jù)涉及個人隱私）要付出巨大的代價。

這場整治，使得隱私計算成為一種可考慮的替代方案，市場洞然而開。

整治之前，爬蟲是大數(shù)據(jù)風控行業(yè)的靈魂——大多數(shù)大數(shù)據(jù)風控公司本身并沒有那么多數(shù)據(jù)，因為數(shù)據(jù)是從業(yè)務當中來的，但是有大量數(shù)據(jù)源的機構實際上并不多，多數(shù)大數(shù)據(jù)風控公司的數(shù)據(jù)是靠爬蟲爬取。本來，用爬蟲來爬取公開數(shù)據(jù)并不違法，但是與個人信息強相關的數(shù)據(jù)對網(wǎng)絡貸款的風險控制才是更直接有效的，在利益的驅(qū)使下，爬蟲爬取信息的范圍逐漸擴大，很多公司都利用爬蟲技術去抓個人隱私數(shù)據(jù)或者政府機關、銀行機構的數(shù)據(jù)。這些數(shù)據(jù)，是有網(wǎng)絡貸款業(yè)務的機構用來做風險控制的主要依據(jù)。

整治之后，大部分爬蟲服務停止，市場不得不考慮替代方案。在這個過程中，數(shù)據(jù)的供需雙方開始重新看待數(shù)據(jù)的合規(guī)使用問題：一方面，一些有數(shù)據(jù)源的機構只愿意與持牌金融機構合作；一方面，持牌金融機構，也要看合作方是否獲得了合法的數(shù)據(jù)源授權。

也正是在這場整治之后，發(fā)展隱私計算業(yè)務的公司迎來了市場機會——這在零壹智庫的調(diào)研中是有實例證明的。

2、Facebook和Google被罰啟動隱私計算應用

在隱私計算的發(fā)展方面，中國與全球是幾乎同步的。

在美國和歐盟，隱私計算技術的應用原因也如出一轍。這在互聯(lián)網(wǎng)巨頭Facebook和Google身上體現(xiàn)得尤為突出。

從2016年開始，F(xiàn)acebook在對外的廣告合作中特別關注隱私保護問題。Facebook廣告的用戶數(shù)據(jù)部門要與各類數(shù)據(jù)提供者展開密切合作，但同時又要確保數(shù)據(jù)不被泄露。

此前，F(xiàn)acebook曾遭遇過一場集體訴訟。

2015年4月，來自美國伊利諾伊州的民眾對Facebook提起訴訟。這場訴訟的關鍵在于，F(xiàn)acebook 在收集和存儲用戶的生物特征數(shù)據(jù)時，沒有明確地告知用戶。此外，這個“標簽建議”功能在用戶使用軟件時是默認開啟的。作為全美范圍內(nèi)擁有獨立生物特征隱私法的三個州之一，伊利諾伊州擁有在用戶生物信息隱私保護方面最全面的法律。經(jīng)歷了多年訴訟之后，F(xiàn)acebook最終選擇了和解方案，罰金支付總額達到了6．5億美元。

但是，2016年前后，全世界開始將隱私計算技術應用到業(yè)務中的公司不到10家，而且在絕大多數(shù)公司，隱私計算的重要性還沒有被提到非常核心的位置。

此后，在全球范圍內(nèi)，大數(shù)據(jù)飛速增長引發(fā)的問題越來越嚴重。這在Facebook和Google身上也有明顯的體現(xiàn)。

2018年3月，媒體曝光，F(xiàn)acebook 5000萬用戶的信息被泄露。此事在世界范圍內(nèi)激起了軒然大波。彼時，F(xiàn)acebook向美國聯(lián)邦貿(mào)易委員會（FTC）繳納了50億美元（約合人民幣341億元）的罰款，打破了類似罰款的金額記錄，被稱為“史詩級”罰款。

2018年第四季度，Google旗下社交網(wǎng)絡服務 Google＋ 爆出安全漏洞，可能多達 50 萬用戶的個人信息被泄漏。這直接導致Google＋業(yè)務被關停，并將Google推上了法庭。

目前，F(xiàn)acebook正在隱私計算的應用方面采取實際行動。［ 《Facebook 重建廣告系統(tǒng)，個性化廣告即將改朝換代》］

2021年9月1日，F(xiàn)acebook 產(chǎn)品營銷副總裁Graham Mudd 在 Facebook 官網(wǎng)主頁上發(fā)布了一篇名為《Privacy－Enhancing Technologies and Building for the Future》（《隱私增強技術和面向未來的建設》）的文章。文中提到：“必須承認的是，數(shù)字廣告勢必要減少對個人第三方數(shù)據(jù)的依賴，這也是我們多年來一直投資建設一系列隱私增強技術，并與行業(yè)一同制定標準以支持下一時代的原因�！�
目前，F(xiàn)acebook 正在重建廣告系統(tǒng)。Graham Mudd表示：“可以肯定的是，未來五年個性化廣告的發(fā)展對行業(yè)意義重大，提前投資將使我們所有客戶受益，并能幫助我們塑造未來廣告生態(tài)。因為數(shù)據(jù)與個性化幾乎占據(jù)我們所有系統(tǒng)的核心位置，從廣告定向到優(yōu)化再至度量，接下來 2 年內(nèi)，F(xiàn)acebook 上幾乎所有系統(tǒng)都將重建，事實上這已經(jīng)在進行中了�！�

Google也在采取行動。2017年，Google在《聯(lián)合學習：協(xié)作機器學習沒有集中訓練數(shù)據(jù)》的博客文章中首次引入了“聯(lián)邦學習”的概念。

2021年 5 月 Google I／O 開發(fā)者大會發(fā)布 Android 12 的同時，宣布了隱私計算核心（Private Compute Core）。這是一項開源計劃，提供了一個沙盒式的安全環(huán)境，將智能回復、實時播放和字幕等服務與操作系統(tǒng)和應用程序的其他部分隔離。其目的是為了讓數(shù)據(jù)在用戶自己的設備上保持私密，并以保護隱私的方式利用云�，F(xiàn)在，Google 已經(jīng)通過隱私計算核心服務（Private Compute Services）進一步加強了這一舉措。

9 月 9 日，Android ＆ Play 安全和隱私產(chǎn)品副總裁 Suzanne Frey 在一篇博文中說，新套件將“在隱私計算核心和云之間提供一個保護隱私的橋梁”。

Google 提到，很多 Android 功能利用機器學習來更新模型，為用戶提供較好的體驗。有了隱私計算核心服務，將確保這些更新通過私有路徑進行，如智能回復和實時字幕等隱私計算核心功能不會直接進入網(wǎng)絡。這將通過利用專門的開源 API 來實現(xiàn)，這些 API 通過刪除個人身份信息（PII）來保護隱私，并使用聯(lián)邦學習、聯(lián)合分析和私人信息檢索等技術。

（二）技術的演進：隱私計算技術達到基本可用

在市場需求產(chǎn)生的同時，隱私計算領域的一些主流技術，包括多方安全計算、可信執(zhí)行環(huán)境、聯(lián)邦學習等，也通過技術研究與攻關逐步達到基本可用的程度，并且目前正在實際業(yè)務場景的應用當中不斷提高完善。

首先看多方安全計算。

1982年，時任加州大學伯克利分校計算機系教授姚期智（姚期智先生后來回國，擔任清華大學交叉信息研究院院長，并且當選為中國科學院院士）提出了多方安全計算理論，受限于當時的算力水平，多方安全計算僅有理論上的可能性。這是因為，要完成相同的計算，密文計算要耗費的時間是明文計算的5－6個數(shù)量級，也就是幾十萬倍到幾百萬倍。這是無法實現(xiàn)應用的。

2014年起，出于科研需求，清華大學交叉信息研究院助理院長徐葳帶領清華大學“姚班”的學生，開始研究如何提升密文計算的效率，從而使得多方安全計算技術可以在實踐當中真正被應用。為了實現(xiàn)技術突破，徐葳和團隊對計算機科學分支領域中的中包括密碼學、安全協(xié)議、計算機系統(tǒng)、分布式計算、算法、數(shù)據(jù)庫、編譯和芯片等方面進行了全方位的整合與優(yōu)化。這項研究從各個領域中挖掘潛力來提升密文計算的性能。

經(jīng)過不懈的努力，徐葳帶領團隊把密文計算要花費的時間從之前的5－6個數(shù)量級，降低到了目前的10—50倍；同時創(chuàng)建了明密文混合運算，大幅降低密文計算的比例。這種革命性的性能提升，使得多方安全計算初步具備了進入實際應用的能力。

此外，有不少產(chǎn)業(yè)實踐者也從不同角度對多方安全計算技術進行了優(yōu)化。

比如，富數(shù)科技推出了抗合謀、無中間方的多方安全計算技術方案。這個方案使得在N方計算場景下，各數(shù)據(jù)參與方自始至終持有一份自有數(shù)據(jù)碎片在本地不公開，少于或等于N－1個合謀者都是不能獨自得到結果的。該方案能夠支持參與各方完全直連，無需任何第三方，解決了甲乙方安全建模找不到合適第三方的問題，讓合作各方獲得更加自主可信的數(shù)字空間。這個方案能夠幫助銀行、運營商等對數(shù)據(jù)安全極其嚴苛的組織，與合作機構開展多方安全聯(lián)合建模，提升精準營銷能力和風險評估水平，進一步推動了多方安全計算技術的應用落地。

再比如，2020年5月，矩陣元發(fā)布了基于密碼學的隱私開源框架——Rosetta。Rosetta設計的初衷是降低密碼學在應用中門檻太高的痛點。在實際當中，如果想要運用密碼學解決問題，但是如果沒有很高的數(shù)學基礎或者沒有學習過密碼學，相關算法使用門檻太高。但是一些AI領域的專家、學者對于AI的應用，深度學習、機器學習的框架已經(jīng)非常熟悉。所以，這兩種具有不同專業(yè)技能的人之間有很深的溝壑。Rosetta的發(fā)布，降低了密碼學技術的使用門檻。

再看聯(lián)邦學習。

零壹智庫在調(diào)研中了解到的對于聯(lián)邦學習最早的研究，來自四川大學華西醫(yī)院特聘研究員、同濟大學附屬普陀醫(yī)院客座教授、杭州锘崴科技CTO王爽。王爽于2012年首先提出了聯(lián)邦學習框架應用于醫(yī)療在線學習，并于2013年發(fā)表在了專業(yè)SCI期刊上，論文題目是《EXpectation Propagation LOgistic REgRession （EXPLORER）： Distributed privacy－preserving online model learning》。該論文提出了在不需要分享原始個體數(shù)據(jù)的情況下，利用多個數(shù)據(jù)源進行帶有隱私保護的聯(lián)合建模。同年王爽帶領的團隊發(fā)表了開源聯(lián)邦學習框架“WebGLORE： a web service for Grid LOgistic Regression”，該底層技術服務于多個醫(yī)療網(wǎng)絡數(shù)據(jù)的聯(lián)邦建模需求。團隊并于2017年前又發(fā)表了十余篇聯(lián)邦學習相關著作。

但是目前，在產(chǎn)業(yè)應用中，影響更大的是谷歌在聯(lián)邦學習上的探索。2016年，谷歌提出聯(lián)邦學習，用于解決安卓手機終端用戶在本地更新模型的問題，其設計目標是在保障大數(shù)據(jù)交換時的信息安全、保護終端數(shù)據(jù)和個人數(shù)據(jù)隱私、保證合法合規(guī)的前提下，在多參與方或多計算結點之間開展高效率的機器學習。此外，2015年谷歌開源了機器學習框架Tensor Flow，后來Tensor Flow 成為世界上最受歡迎的開源機器學習框架。2019年，Tensorflow專門為聯(lián)邦學習推出了一個學習框架Tensor Flow Federated（簡稱TFF）。

2018年，國際人工智能界“遷移學習”（transfer learning）技術的開創(chuàng)者、香港科技大學新明工程學講席教授、計算機科學和工程學系主任楊強出任微眾銀行首席人工智能官。隨后，2019年初，微眾銀行正式開源全球首個工業(yè)級聯(lián)邦學習框架FATE（Federated Learning Enabler），并開始嘗試將聯(lián)邦學習應用于金融業(yè)務中。FATE的開源，使得聯(lián)邦學習在中國的應用門檻大幅降低。
最后看可信執(zhí)行環(huán)境。

可信執(zhí)行環(huán)境的概念來源于2006年Open Mobile Terminal Platform （OMTP）工作組提出的保護智能終端的雙系統(tǒng)解決辦法。即在同一智能終端下、除了多媒體操作系統(tǒng)，再提供一個隔離的安全操作系統(tǒng)。隨后，ARM公司于同年提出硬件虛擬化技術trustzone，并于2011年加入Global Platform為技術制定標準并開發(fā)落地的可信操作系統(tǒng)。2013年，Intel發(fā)布SGX指令集擴展，實現(xiàn)不同程序的隔離，在環(huán)境下執(zhí)行的應用未經(jīng)授權無法讀取或操作其他應用的數(shù)據(jù)或代碼。

當前，TEE代表硬件產(chǎn)品主要有ARM的Trustzone和Intel的SGX。國內(nèi)外也誕生了很多基于硬件實現(xiàn)的商業(yè)化落地方案，例如Oasis Parcel，百度MesaTEE和華為iTrustee。

隱私計算的主流技術之外，硬件的算力加速對隱私計算進入更多的場景也功不可沒，在這方面也有不少廠商進行嘗試。例如，星云Clustar通過對聯(lián)邦學習的不同應用分析，歸納總結出了11種影響計算效率的密碼學計算算子，并創(chuàng)新式的將算子中的公共部份抽取出來，形成核心模冪引擎，研發(fā)出了針對聯(lián)邦學習的首款FPGA加速卡。加速卡可以根據(jù)實時的任務需求將模冪引擎拼裝成不同算子，給聯(lián)邦學習應用帶來全生命周期加速，進而帶給聯(lián)邦學習50－70倍的算力提升。未來通過軟硬件的進一步優(yōu)化，可使這個倍數(shù)變?yōu)?00倍以上。

算力的爆發(fā)式提升意味著未來隱私計算將成為所有計算的默認配置，無感地融入到人工智能等領域中，也意味著隱私計算技術可以進入越來越多的應用場景。

據(jù)零壹智庫2021年5月調(diào)研了解，隱私計算運算速度目前不能一概而論，計算速度最快的耗時是明文計算的3—5倍，計算速度最慢的耗時達到明文計算的上百倍。運算速度與多種因素相關，其中包括算法類型、數(shù)據(jù)規(guī)模、數(shù)據(jù)特征、軟硬件環(huán)境、服務器性能、網(wǎng)絡帶寬、硬件加速等。

這個數(shù)字，聽上去仍是一個不小的差距，但是在很多場景，已經(jīng)可以接受，達到初步可用。

以富數(shù)科技的金融風控場景為例。比如最早期訓練一個邏輯回歸的風控模型，同樣的樣本和特征數(shù)量，聯(lián)邦學習的建模耗時是明文的數(shù)十倍。隨著算法和工程的優(yōu)化，甚至是硬件加速的結合，聯(lián)邦學習的性能大大提高，富數(shù)科技做過最快的邏輯回歸測試，1分鐘的明文訓練數(shù)據(jù)規(guī)模，甚至可以在3～5分鐘內(nèi)用聯(lián)邦學習完成。

再以華控清交目前在與多家銀行嘗試合作的生物特征保護的人臉識別場景為例，需要將人臉特征和身份證信息進行比對的場景，明文計算耗時幾十毫秒，用多方安全計算的耗時已經(jīng)降到低于1秒。雖然隱私計算耗時仍是明文計算的10多倍，但是在現(xiàn)實應用場景中已經(jīng)基本可以接受。

隱私計算的性能還在不斷優(yōu)化當中。比如，華控清交在2021年5月向零壹智庫預測，在未來一年左右的時間里，要做相同的計算，多方安全計算的平均耗時有可能可以優(yōu)化到明文計算的5－10倍。