36氪研究院2023年中国隐私计算行业洞察报告

　　相信不少人都有过这样的经历，手机浏览了某些网站后，马上就能接到相关推销电话。很多人纳闷，自己并没有留下姓名和电话等个人信息，为什么营销人员总是能精准捕捉到自己的浏览痕迹和联系方式呢？没错，这就是我们生活中常见的数据隐私滥用现象，315晚会也曝光过有关个人信息数据买卖的黑色产业链。
　　无独有偶，近年来数据滥用、数据隐私保护不利等现象频发，涉及科技、金融、教育等多个领域，数据安全问题成为社会焦点。随之，人们对数据隐私的保护意识也上升到前所未有的高度。这使得业界共同思考，应该如何做好数据隐私保护这门功课。尤其是《数据安全法》、《个人信息保护法》等法律法规的陆续实施，标志着数据安全与合规的相关法律正在逐步走向健全。过去无拘无束的时代宣告终结，数据安全与合规成为事关企业发展的重要命题。在这一背景下，隐私计算为数据隐私保护提供了新的思路。
　　隐私计算是一类技术的统称，是一套包含了密码学、数据科学、人工智能、安全硬件等多个交叉学科的技术体系，旨在为数据的计算过程和计算结果提供隐私安全保护。针对不同应用场景、信任环境和需求，将不同技术、算法、接口集成在一个平台上，并结合人工智能、机器学习、区块链等跨学科技术，为用户提供综合解决方案，使得不分享数据、但分享数据的价值成为可能。具体而言，根据数据生命周期，隐私计算可分为数据存储、数据传输、数据计算过程、数据计算结果四个阶段，各阶段涉及不同的技术。
　　1。发展驱动政策驱动：隐私保护相关法律法规出台，加速隐私计算技术落地的迫切性
　　数字经济时代，数据已经成为新型生产要素。而数据与其他生产要素的本质区别在于，数据隐私是数据流动过程中产生价值的根本出发点。因此，数据的安全流通成为数字经济发展的关键问题之一。为此，国家陆续出台了多项法律法规和政策，加强数据合规监管。目前，以《网络安全法》《数据安全法》《个人信息保护法》为主线搭建的网络安全与数据治理的合规体系框架已经逐步形成。其中，网络安全法在2022年与时俱进地进行修改，旨在与新实施的法律衔接，聚焦对网络安全法律责任制度的修改、调整及完善，进一步推动隐私计算成为相关信息安全标准的技术供给。此外，《十四五规划和2035年远景目标纲要》也提出，加快推进数据安全、个人信息保护等领域基础性立法，强化数据资源全生命周期安全保护。随着政策体系不断完善，网络安全生态持续构筑，隐私计算技术应用将加速落地。
　　需求驱动：数字经济成为经济发展的一条主线，为隐私计算提供广阔的需求基础
　　目前，数字经济已经成为带动中国经济增长的核心动力之一。据国家网信办报告，我国数字经济规模由2017年的27。2万亿元增长至2021的45。5万亿元，占GDP比重也由32。9增长至39。8。业界预测，2025年我国数字经济规模将超过60万亿元，占GDP比重将逐步提升到4050，成为我国经济发展的一条主线。伴随数字经济发展，数据量也将呈现爆发式增长。据IDC测算，预计到2025年，中国产生的数据总量将达到48。6ZB，占全球的27。8；对国内生产总值增长的贡献率将达年均1。5至1。8个百分点。在如此庞大的数据量基础下，保护数据流通的隐私安全、深挖数据价值成为关键，为隐私计算应用提供了广阔的需求基础。
　　2。发展现状隐私计算产业图谱：包括算力层、平台层和应用层
　　隐私计算行业主要可分为算力层、平台层和应用层。其中，算力层指针对隐私计算性能提升提供的各类算力解决方案，包括算法优化和硬件加速等；平台层是指用于支撑构建应用解决方案的平台型产品，以多方安全计算、联邦学习、可信执行环境、同态加密、差分隐私、多方中介计算等为关键代表技术；应用层指针对金融、政务、医疗、通信、制造、能源等各行业及业务场景提供的隐私计算产品和服务解决方案。
　　技术路径：多方安全计算、联邦学习和机密计算应用较广
　　从技术路径来看，目前多方安全计算、联邦学习和机密计算的应用最为广泛。多方安全计算就是在无可信第三方情况下，利用隐私数据，安全地完成某种数据融合计算，是多种密码学工具的综合应用；联邦学习的本质是以数据收集最小化为原则，在保持训练数据去中心化分布的基础上，实现参与方数据隐私保护的特殊分布式机器学习架构。与通过中心化训练获得的机器学习模型相比，联邦学习协同构建的机器学习模型性能几乎是无损的；机密计算是一种基于硬件可信执行环境实现数据应用保护的技术，通过构建一个硬件安全区域，让隐私数据仅在该安全区域内进行计算。其核心是将数据信任机制交给硬件提供商，因该路径通用性较高且计算性能较好，受到较多云服务商的推崇。
　　应用领域：在多行业初步商业落地，金融业是最大应用领域
　　隐私计算已经在金融、通信、政务、医疗、互联网、能源等行业和场景初步商业落地，助力数据价值持续释放。其中，金融、通信、政务和医疗场景是隐私计算的主要应用领域。目前，金融业是隐私计算的最大应用领域。随着数据合规监管趋严，金融业持续强化数据治理和隐私保护，隐私计算逐渐成为金融业的刚需，以银行为代表的金融机构在隐私计算方面投入了大量精力。
　　以金融业为例，作为数据密集型行业，金融领域存在多个可应用隐私计算的场景，如智能营销、智能风控、智能管理、联合反洗钱等。此外，隐私计算在高价值用户共享、供应链金融服务等场景也可有较大的应用价值。目前，多家隐私计算企业已推出面向金融机构的产品。比如华控清交PrivPy多方安全计算平台可在数据交易、数据增值、安全预测等场景发挥作用；洞见科技金融级隐私保护计算产品数智联邦平台InsightOne，已在银行、保险等行业拥有大量合作案例；翼方健数金融服务生态AI解决方案，为金融机构优化产品和服务搭建新型销售渠道；富数科技的金融场景解决方案可用于智能风控联合建模、大数据查询、智能营销用户画像旧客唤醒激活存量及新客引流扩充增量。
　　竞争格局：群雄逐鹿，市场参与者呈现多元化特征
　　隐私计算领域的市场参与者众多，包括数据源、业务方、隐私计算服务商及其上下游伙伴。同时，隐私计算服务商的类型也呈现多元化特征，主要包括隐私计算厂商、综合科技类企业集团、区块链厂商、大数据和人工智能厂商、金融科技企业等。不同类型的服务商各具资源禀赋，呈现不同的竞争优势。其中，隐私计算厂商的业务发展与服务能力更加聚焦，在资本支持下，通常在产品和技术方面投入较大成本，进而推动产品迭代成熟，巩固产品的竞争力。部分综合科技类企业集团、区块链厂商、大数据和人工智能厂商、金融科技企业也会基于自身业务需求和能力条件而将隐私计算技术纳入整体产品和服务矩阵内，构建可信数据产品与平台，以对外提供综合性解决方案。
　　3。发展趋势统一数据大市场加快构建，隐私计算有望释放超过十倍的增长空间
　　从《关于加快建设全国统一大市场的意见》到《关于加强数字政府建设的指导意见》，再到《数字中国建设整体布局规划》的出炉以及国家数据局的组建，彰显了数字中国建设与数据资源体系在未来国家发展战略中的重要地位，同时意味着安全、高效的统一数据大市场正在加速构建。其中，隐私计算作为促进数据市场化流通与数据安全保障的技术解，将起到非常关键的推动作用，未来将加快规模化落地应用。据IDC预测，2025年中国隐私计算市场规模将达到145。1亿元。相比2021年的8。6亿元，有超过十倍的增长空间，年复合增长率高达102。7。
　　隐私计算的安全性，将越来越体现为全链路的安全
　　隐私计算技术发明的初衷，就是服务于各方隐私在合作中不被泄露，而最关键的目标就是隐私数据的安全性。随着行业的进一步发展以及隐私计算的规模化应用不断铺开，隐私计算的安全性将不仅仅停留在单一方面，而是体现在整个数据对齐、建模模型部署以及数据调用的全链路安全上。从隐私计算的各技术环节来看，全链路安全可概括为数据安全、密码安全、模型安全、协议安全几个方面。现阶段，市场参与者在密码安全、模型安全与协议安全方面做得相对较好。未来行业的关注重点将在于如何保证数据在使用全过程中不产生泄露，比如，数据交换时如何实现最小程度的泄露，使其达到无法反推原始数据的程度。
　　更多精彩内容，请关注36氪研究院微信公众号。
　　36氪研究院
　　36氪研究院根据行业发展、资本热度、政策导向等定期输出高质量研究报告，帮助政府、企业、投资机构等快速了解行业动态，把握发展机遇和明确发展方向。同时，研究院致力于为全国各级政府、企业、VCPE机构、孵化器产业园区等提供专业定制化咨询服务。