隐私计算——让数据成为信息时代的生产要素

ARPA联合创始人 & CEO Felix Xu撰文，5分钟带你了解安全多方计算MPC原理与企业应用。

本文同时首发于京东区块链、链闻、CSDN。

以下为正文部分：

数据是现代商业与个人的核心价值与重要资产。数据正在重新塑造人类生活的方方面面，IDC Research统计2019年大数据和分析市场的销售收入约为1870亿美元。跨机构、跨行业的数据融合、联合分析和建模的需求日趋增加。但由于数据本身可复制，易传播，一经分享无法追踪，数据资产的确权困难，商业化被严重制约。在传统大数据分析中，数据的集中化收集容易导致隐私信息泄露等风险。私有化部署则需要开发人员现场部署模型于数据源的服务器上，耗时耗力，且算法也存在泄露隐患。此外，数据隐私监管日益加强，中央出台了《关于构建更加完善的要素市场化配置体制机制的意见》，首次将数据纳入生产要素。2019年下半年，监管部门则密集出台了《数据安全管理办法》、《App违法违规收集使用个人信息行为认定方法》、《个人金融信息（数据）保护试行办法》等多项征求意见稿及草案。

针对数据共享面临的问题，笔者认为隐私计算技术可为业界提供新思路，赋能数据确权并实现数据”可用但不可见”。设想参与数据分析的各方，互相看不到数据，但是可以共同做分析甚至训练模型，将最终结果发送给数据付费方，即可杜绝数据泄漏的风险。目前安全多方计算、联邦学习等隐私计算技术逐步走向成熟，在涉及用户隐私数据的金融、医疗、政务等领域中，让机构间的数据合作成为可能。而隐私计算与区块链技术的结合，既能保证输入数据可信，亦可隐藏运算过程，可谓鱼和熊掌兼得。本文中笔者将简单介绍安全多方计算的原理，并抛砖引玉介绍潜在应用。

安全多方计算（Secure Multi-Party Computation, MPC）技术，亦称安全计算（Secure Computation）和隐私保护计算（Privacy-Preserving Computation）。安全多方计算是当今密码学的一个重要分支，是继成熟解决数据加密存储、传输之后的重要尝试，在密文数据上直接构建运算。具体而言，安全多方计算由 n 个互相不信任的参与方进行，联合对一个协商确定的函数进行计算，能够保证参与方的隐私输入数据 x1,x2,···,xn 无法被其