本報記者 朱寶琛
在數據融合應用和隱私保護的雙重驅動下，隱私計算熱潮迅速興起。12月10日，在數據安全與隱私計算論壇上，瑞萊智慧RealAI首席架構師徐世真發(fā)表《隱私計算助力構建AI新基建》的主題演講，從AI發(fā)展的視角出發(fā)，為研判隱私計算的未來趨勢提供參考思路。
隱私計算通常與AI緊密結合。徐世真表示，從技術角度看，隱私計算是AI能力的重要補充。AI高度依賴數據基礎，規(guī)�；叶鄻踊母哔|量數據，能夠訓練出效果更好的模型，隱私計算通過解決數據的“鏈接”問題，為算法的持續(xù)進化提供數據補充。相應的，這倒逼企業(yè)在落地AI應用的過程加大對數據的拓展。但隨著越來越多的數據被收集和利用，數據風險和隱私保護也成為AI系統(tǒng)在開發(fā)和應用過程中面臨的一項挑戰(zhàn)。
在徐世真看來，現階段隱私計算的商業(yè)化落地仍面臨四大挑戰(zhàn)：第一，生態(tài)壁壘。目前各廠商隱私計算技術互不相通，也無法互相連接，解決數據孤島問題的過程中反而帶來技術孤島的問題，這意味著需要上層進行大量集成。第二，計算性能。密碼學操作的引入、分布式通信問題，以及同態(tài)加密導致計算性能慢，難以支撐大規(guī)模數據訓練。第三，安全性。從知識產權保護的角度，各家廠商不會公開底層協(xié)議，導致協(xié)議不透明的問題，難以審計。第四，可用性。目前的隱私計算技術服務商不具備數據生態(tài)、數據鏈接的能力，無法提供開箱即用的數據和解決方案，用戶的應用成本和難度增加。
結合AI發(fā)展歷程，徐世真提出，隱私計算的未來發(fā)展可借鑒兩大經驗。首先，在技術路徑方面，基于底層數據流圖的編譯器路線將推動技術的兼容互通；性能優(yōu)化當前可通過優(yōu)化底層密碼庫來實現，未來仍需借助新硬件；提升安全性需要抵御密碼協(xié)議層和應用層的惡意攻擊。
其次，在產業(yè)路徑方面，隱私計算需要逐場景落地，根據不同的場景需求采用合適的技術路線，比如多方安全計算效率高、安全可證明，但通信量大、僅支持簡單計算邏輯；聯邦學習支持復雜機器學習，但主要面向建模場景；TEE路線具備較好的性能和算法生態(tài)，但依賴硬件廠商硬件可信性和用戶接受數據集中式處理。
他介紹，立足于AI視角，瑞萊智慧推出了業(yè)內首個編譯級隱私保護計算平臺RealSecure。面向場景需求，瑞萊智慧打造了“平臺+數據+服務+場景”的一體化隱私計算解決方案。
隱私計算不僅僅是技術行為，也是企業(yè)合規(guī)性組織建設行為。但在市場早期階段，用戶對于隱私計算的應用模式及場景理解通常存在誤區(qū)。徐世真表示，隱私計算僅僅是企業(yè)合規(guī)建設的一環(huán)，需要在法律法規(guī)的框架下進行。目前瑞萊智慧與中倫律師事務所展開戰(zhàn)略合作，充分發(fā)揮雙方資源優(yōu)勢，在數字經濟時代針對人工智能、數據交換等新場景下應用與監(jiān)管機構強監(jiān)管要求的合規(guī)法律與技術體系建設，為企業(yè)提供咨詢服務、體系建設等服務。
另外，雖然政策監(jiān)管出臺，但讓企業(yè)單純?yōu)?ldquo;成本項”的安全投入買單往往是有難度的。本質上隱私計算雖然解決了數據“能”拿出來的問題，但沒有解決讓企業(yè)共享數據的意愿問題。
“關鍵在于數據價值的閉環(huán)，充分釋放數據價值，使得各個數據參與方從中獲益，將‘成本項’轉為‘營收項’，才能讓用戶產生持續(xù)性的意愿度，開放數據的特定使用權來參與后續(xù)數據流通，推動持續(xù)性的數據流通。”徐世真表示，這一過程通常需要企業(yè)內優(yōu)勢業(yè)務部門的配合和印證。
“AI技術能夠有效解決數據流通的意愿問題。”徐世真說，AI技術具有強大數據處理與分析能力，是實現數據價值的關鍵技術，隱私計算解決了數據安全流通問題。通過“人工智能+隱私計算”的深度結合，能夠在實現跨業(yè)、跨域數據安全融合的基礎上，實現數據價值的深度挖掘與釋放。
（編輯 田冬）
