腾讯数据平台部总监陈鹏也认为，隐私计算可以在数据共享的合规性方面起作用。他指出，金融领域的数据共享合作，以往受限于法律合规性，无法挖掘数据要素的经济价值。隐私计算技术，不仅可以做到数据的“可用不拥”效果，满足法律法规对数据协作的合规要求，还可以为数据协作的各方提供更加安全的数据保障。

什么隐私计算？联邦学习技术是炒作出来的？

究竟什么是隐私计算？

《腾讯隐私计算白皮书（2021）》这样解释，“隐私计算（Privacy Computing）是一种由两个或多个参与方联合计算的技术和系统，参与方在不泄露各自数据的前提下通过协作对数据进行联合机器学习和联合分析。”

《白皮书》显示，隐私计算的应用是灵活的隐私保护技术。“隐私计算的参与方既可以是同一机构的不同部门，也可以是不同的机构。在隐私计算框架下，参与方的数据明文不出本地，在保护数据安全的同时实现多源数据跨域合作，可以破解数据保护与融合应用难题。常见的实现隐私计算的技术路径包括联邦学习、安全多方计算、可信计算等，此外，区块链也是隐私计算的重要补充。”

在隐私计算的诸多技术路径中，联邦学习被认为是当前最为成熟，且应用落地最多的一种技术。

简单地理解，联邦学习是在双方，甚至多方数据不出库的前提下，通过横向或纵向数据建模的方式得出数据结果输出。这样的做法，通俗地理解，就好像是在解算多元一次方程。虽然，我们不知道X是多少，也不知道Y和Z是多少，但联邦学习就是可以得出X+Y+Z=100的结论来，而这个100就是数据价值输出，也就是我们想要的结果。

中国电信云计算分公司大数据和AI研发总监温森茂表示，“因隐私安全问题的爆发导致数据供需双方的直接连接被斩断，联邦学习技术则被迫从幕后走到台前，又因其成本确实不高而被广泛接受。，该技术是当前最值得考虑的隐私计算技术，不存在炒作和泡沫。”

数据治理的未来

腾讯高级执行副总裁卢山认为，“数字治理的探索是一项系统性工程，仅仅依靠单一技术无法满足当前和未来复杂的治理需求，需要技术、法律等多种手段相结合的综合治理，才能更好地适应数字社会发展需要。”

适应数字社会发展方面，腾讯数据平台部副总经理刘煜宏在解读《白皮书》时给出了四个趋势研判：

第一，法律法规会进一步完善。隐私计算在接受约束的同时也会配合与驱动法律法规完善，这是整个隐私计算做产品化商业化的前提。

第二是应用场景方面。目前在金融、医疗比较多，后面会在其他行业进一步拓展，并改变数据应用的模式，有可能会加速基于数据协作协同的业务创新。

第三，通用型的平台和产品是一个趋势。过去是比较单一的产品，后面会转向多种产品和多种技术的融合，形成一个通用的隐私计算平台，以提供多种技术路径，满足多种需求，并提供更多的安全等级。

第四，多技术融合是隐私计算的大势所趋。隐私计算与云计算融合，以及软硬件协同，是各类企事业单位形成竞争力的重要抓手。

文章来源：《大数据》 网址: http://www.dsjzz.cn/zonghexinwen/2021/0518/2267.html