聊聊隐私计算技术：数据可用不可见的生意，已经做到哪了？
我上个月跟一个做互联网广告的老朋友吃饭，他吐槽说现在拿用户数据做投放太怕了，前两年被罚的那家头部平台，几个亿的罚款掏出去，整个部门都裁了！他说现在想做精准投放，又不敢碰原始用户数据，头发都快掉光了。
其实不止他，金融、医疗、零售，凡是要碰用户数据的行业，现在都在挠这个头。想挖数据的价值，又怕踩隐私合规的红线。这两年火起来的隐私计算，刚好卡在这个需求点上。它早就不是实验室里堆着的论文概念了，已经真金白银落地赚钱了。
隐私计算数据不出域业务流程示意图
现在主流的三个技术路线，各有各的适用场景。安全多方计算纯靠密码学，不用依赖特定硬件，安全性最高，但计算速度最慢，成本也高；联邦学习是现在落地最多的，适合跨机构联合建模，广告和金融行业用得最多，唯一的小缺点是模型精度会比原始数据训练稍差一点；可信执行环境靠硬件加密隔离，速度快，就是成本高，小公司玩不起，一般只有银行、互联网大厂才用得起。
没有哪个技术路线能通吃所有场景，现在行业里也都是混着用，按需选方案，对吧？
互联网广告隐私计算联合投放架构图
金融行业更夸张，银行之间联合反欺诈，跨机构做征信建模，现在都开始用隐私计算了。你在A银行有逾期记录，B银行给你放贷款前要核查，不用求A银行把你的原始记录给出来，用隐私计算一跑，几秒就能拿到结果，你的信息根本不会流出去，既解决了信息孤岛的问题，又完全合规。
不过话说回来，现在行业里的坑也不少。很多传统做集成的公司，换个皮就说自己做隐私计算，把原来几百万的项目包装一下卖上千万，割客户的韭菜，外行根本分辨不出来。劣币驱逐良币的事，现在还是时有发生。
隐私计算技术离大规模普及，还有几道坎？
哪怕现在落地案例已经很多，我跟几个做技术的朋友聊，他们都说，隐私计算还远没到成熟的时候，还有好几个坎要跨。
第一道坎是性能和成本。数据全加密计算，肯定比直接用裸数据慢，处理亿级别的大规模数据的时候，很多现有方案的延迟还是高，满足不了实时性要求高的场景。成本也降不下来，算力成本比传统计算高好几倍，很多中小公司还是用不起。现在很多科研团队都在做算法优化，已经降了不少了，但是还要再磨个两三年才能到亲民的价位。
第二道坎是互联互通。现在各家厂商的技术方案都是自己做的，标准不统一，你用A家的平台，我用B家的，跨机构合作的时候还要重新做适配，折腾半天，成本又上去了。这两年行业协会也在推统一标准，估计再过两年能解决这个问题。
第三道坎，也是最核心的，就是绝对的安全还做不到。去年就有北大的科研团队爆出，联邦学习框架存在梯度泄露漏洞，攻击者可以通过梯度信息反推用户的原始数据，哪怕数据不出域也能偷到信息。当然现在已经有对应的防护方案了，但也说明，隐私计算的安全还在迭代，没有到万无一失的地步。
我倒是觉得，这些问题都很正常。哪有新技术刚出来就完美无缺的？十几年前云计算刚出来的时候，一堆人喊着上云不安全，结果现在几乎所有企业都把业务放云上了。
现在全国建了几十家数据交易所，很多交易所成交量一直上不去，核心问题就是数据所有者不敢卖，怕卖数据违规，怕用户信息泄露。隐私计算刚好解决了这个核心痛点，数据的使用权和所有权分开，所有权还是你的，我只用使用权，还碰不到你的原始数据，这下大家都敢交易了。
别觉得隐私计算离你很远，你申请信用卡、骑共享单车、刷短视频，背后可能已经跑过好几轮隐私计算了。它默默帮企业合规，也默默保护你的隐私，你根本感觉不到。
这才是技术该有的样子，对吧？
别被名词唬住，隐私计算技术的核心就一句话
什么联邦学习、安全多方计算、可信执行环境...一堆专业名词扔过来，很多外行直接懵了。说实话，拆穿了就很简单，核心就是 数据能用，但你拿不到原始信息。 举个最常见的例子：城商银行想做消费信贷，缺用户的线上消费数据；本地电商平台有海量消费数据，但是不敢把用户信息随便给银行，违法不说，还砸自己招牌。放十年前，两边要么暗戳戳做数据交换，出事一起蹲局子；要么各玩各的，银行瞎放贷款，坏账一堆。 现在用隐私计算怎么玩？两边的数据都不出自己的服务器域，只把加密后的计算过程和中间结果传出来，最后联合训练出信贷风控模型。银行能拿到更准的风控结果，电商能靠数据赚授权费，用户的原始隐私信息自始至终都没离开过原来的平台，三方都赢。隐私计算数据不出域业务流程示意图
现在主流的三个技术路线，各有各的适用场景。安全多方计算纯靠密码学，不用依赖特定硬件，安全性最高，但计算速度最慢，成本也高；联邦学习是现在落地最多的，适合跨机构联合建模，广告和金融行业用得最多，唯一的小缺点是模型精度会比原始数据训练稍差一点；可信执行环境靠硬件加密隔离，速度快，就是成本高，小公司玩不起，一般只有银行、互联网大厂才用得起。
没有哪个技术路线能通吃所有场景，现在行业里也都是混着用，按需选方案，对吧？
吹了好几年，隐私计算技术真的能赚钱了吗？
前几年资本热的时候，一堆创业公司冲出来喊“万亿数据市场”，融完资才发现，全行业都在观望，没人敢第一个掏钱落地。很多公司靠着政府项目熬着，熬不住的已经倒闭了一批。 这两年不一样了。《个人信息保护法》《数据安全法》落地之后，监管红线越划越清，哪个企业敢乱碰用户原始数据，真的是吃不了兜着走。需求倒逼之下，单子慢慢就多了。去年信通院出的行业报告，国内隐私计算市场规模已经突破120亿，同比增长超过100%，增速快得吓人。 现在落地最多的两个行业，一个是互联网广告，一个是金融。 你现在刷朋友圈、刷短视频看到的精准广告，很大概率背后就有隐私计算在跑。以前中小广告平台想跟头部平台做联合投放，必须交换用户数据，现在不用了，两边用隐私计算对齐用户，只算重合度，不交换原始信息，精准投放能做，合规也没问题。头部平台早就把隐私计算平台开放给客户了，巨量、微信广告都在推，现在已经成了行业标配。互联网广告隐私计算联合投放架构图
金融行业更夸张，银行之间联合反欺诈，跨机构做征信建模，现在都开始用隐私计算了。你在A银行有逾期记录，B银行给你放贷款前要核查，不用求A银行把你的原始记录给出来，用隐私计算一跑，几秒就能拿到结果，你的信息根本不会流出去，既解决了信息孤岛的问题，又完全合规。
不过话说回来，现在行业里的坑也不少。很多传统做集成的公司，换个皮就说自己做隐私计算，把原来几百万的项目包装一下卖上千万，割客户的韭菜，外行根本分辨不出来。劣币驱逐良币的事，现在还是时有发生。
隐私计算技术离大规模普及，还有几道坎？
隐私计算技术离大规模普及，还有几道坎？
哪怕现在落地案例已经很多，我跟几个做技术的朋友聊，他们都说，隐私计算还远没到成熟的时候，还有好几个坎要跨。
第一道坎是性能和成本。数据全加密计算，肯定比直接用裸数据慢，处理亿级别的大规模数据的时候，很多现有方案的延迟还是高，满足不了实时性要求高的场景。成本也降不下来，算力成本比传统计算高好几倍，很多中小公司还是用不起。现在很多科研团队都在做算法优化，已经降了不少了，但是还要再磨个两三年才能到亲民的价位。
第二道坎是互联互通。现在各家厂商的技术方案都是自己做的，标准不统一，你用A家的平台，我用B家的，跨机构合作的时候还要重新做适配，折腾半天，成本又上去了。这两年行业协会也在推统一标准，估计再过两年能解决这个问题。
第三道坎，也是最核心的，就是绝对的安全还做不到。去年就有北大的科研团队爆出，联邦学习框架存在梯度泄露漏洞，攻击者可以通过梯度信息反推用户的原始数据，哪怕数据不出域也能偷到信息。当然现在已经有对应的防护方案了，但也说明，隐私计算的安全还在迭代，没有到万无一失的地步。
我倒是觉得，这些问题都很正常。哪有新技术刚出来就完美无缺的？十几年前云计算刚出来的时候，一堆人喊着上云不安全，结果现在几乎所有企业都把业务放云上了。
现在全国建了几十家数据交易所，很多交易所成交量一直上不去，核心问题就是数据所有者不敢卖，怕卖数据违规，怕用户信息泄露。隐私计算刚好解决了这个核心痛点，数据的使用权和所有权分开，所有权还是你的，我只用使用权，还碰不到你的原始数据，这下大家都敢交易了。
别觉得隐私计算离你很远，你申请信用卡、骑共享单车、刷短视频，背后可能已经跑过好几轮隐私计算了。它默默帮企业合规，也默默保护你的隐私，你根本感觉不到。
这才是技术该有的样子，对吧？