聲明：本文摘自@汪仔7815 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理

如有侵權(quán)，請告知及時刪除。

        編輯導語：隨著移動生態(tài)的進一步成熟，車聯(lián)網(wǎng)的數(shù)據(jù)安全一事也被提上了日程，而未來若想在數(shù)據(jù)安全方面有所保證，隱私計算也許會成為移動生態(tài)發(fā)展的一個重要突破口。

本篇文章里，作者就隱私計算一事做了分析，不妨來看一下。

韓愈《早春呈水部張十八員外》中“天街小雨潤如酥，草色遙看近卻無”一語道盡早春草色。小草一株怎能代表早春生機，綠意一片方顯春意盎然。恰如數(shù)據(jù)科學家維克托·邁爾·舍恩伯格所言，“大數(shù)據(jù)讓我們更清楚地看到了樣本無法揭示的細節(jié)信息”，從IT（信息科技）時代進入DT（數(shù)據(jù)技術(shù)）時代，數(shù)據(jù)石油價值日益凸顯。

移動互聯(lián)網(wǎng)十年黃金時代已過，下一個移動生態(tài)很可能來自“四個輪子”，去年4月特斯拉宣稱其自動駕駛數(shù)據(jù)累計超過30億英里（約48.2億公里），遠遠超過微博創(chuàng)立10年的數(shù)據(jù)累積量。車聯(lián)網(wǎng)日漸成為車企競爭焦點，數(shù)據(jù)頻繁跨境、跨系統(tǒng)、跨生態(tài)圈交互，然而數(shù)據(jù)泄露，隱私不“隱”，數(shù)據(jù)孤島廣泛存在，衍生問題也橫亙在前。

如何保證車輪上這臺電腦能在瘋狂的數(shù)據(jù)世界保持思考、判斷并作出正確決定？

10月份發(fā)布的車聯(lián)網(wǎng)數(shù)據(jù)安全規(guī)范，極大地約束了車聯(lián)網(wǎng)數(shù)據(jù)的使用和保護方式。特斯拉的跨境、滴滴事件等同樣鞭打著車企數(shù)據(jù)合規(guī)問題。實現(xiàn)車企從“孤軍奮戰(zhàn)”走向“合作共贏”，確?！皵?shù)據(jù)不出車、數(shù)據(jù)不出國”同時實現(xiàn)數(shù)據(jù)共享、安全和隱私？應該說隱私計算是目前助力新能源汽車“安全起飛”的“救命稻草”。

一、區(qū)塊鏈隱私保護兩大領(lǐng)域四大象限，各類隱私計算技術(shù)均有其更加適用的場景

隱私保護技術(shù)是區(qū)塊鏈一個重要的發(fā)展方向。在技術(shù)層面，既有利用加密存儲、去標識化、身份認證等“老辦法”嚴防數(shù)據(jù)泄露、篡改和不當使用，也有應用多方安全計算、聯(lián)邦學習、聯(lián)盟鏈等“新方法”實現(xiàn)數(shù)據(jù)可用不可見（可對數(shù)據(jù)計算，不知道原始數(shù)據(jù)）、可算不可識（可用數(shù)據(jù)計算，不能反推個人身份）。

隱私計算（Privacy Computing）并不是區(qū)塊鏈之后才有的，而是一個計算機領(lǐng)域，密碼學的一個重要分支，在不暴露原始數(shù)據(jù)的情況下完成虛擬的聯(lián)合計算。

隱私計算體系架構(gòu)

資料來源：《騰訊隱私計算白皮書 2021》

隱私計算可分為四個象限：數(shù)據(jù)流出、集中計算（數(shù)據(jù)脫敏、差分隱私、同態(tài)加密）；數(shù)據(jù)流出、協(xié)同計算（安全多方計算）；數(shù)據(jù)不流出、協(xié)同計算（聯(lián)邦學習平臺）和數(shù)據(jù)不流出、集中計算（可信執(zhí)行環(huán)境）。

四大象限又可歸為密碼學（軟件和算法）和可信執(zhí)行環(huán)境（硬件）兩大領(lǐng)域。密碼學技術(shù)以安全多方計算（Secure Multi-Party Computation, SMPC）為代表；可信硬件領(lǐng)域則主要指可信執(zhí)行環(huán)境（Trusted Execution Environment）。

上世紀80年代，我國第一位圖靈獎獲得者姚期智等人提出安全多方計算，包括隱私集合求交（Private Set Intersection, PSI）、隱私信息檢索（Privacy Preserving Information Retrieval, PIR）及隱私統(tǒng)計分析等。

核心思想是設(shè)計特殊的加密算法和協(xié)議，在無可信第三方的情況下，互不信任參與方在保護各自隱私信息前提下協(xié)同建模的機器學習框架，不能得到其他參與方的任何輸入信息，只能得到計算結(jié)果。有秘密共享（Secret Sharing, SS，秘密分割成多片由不同參與方管理）、混淆電路（Garbled Circuit, GC，姚氏電路，明文轉(zhuǎn)化成布爾電路后對每個門輸出的真值加密）、不經(jīng)意傳輸（Oblivious Transfer, OT，發(fā)送方同時發(fā)送多個消息但接收方僅獲取其中之一）等一些強大技術(shù)。

可信執(zhí)行環(huán)境通過硬件技術(shù)對數(shù)據(jù)進行隔離保護。核心思想是借助硬件CPU芯片，構(gòu)建獨立于操作系統(tǒng)的可信的、隔離的機密空間。通用性、易用性和性能比純軟件方案高。缺點是需要引入英特爾、AMD等芯片可信方。此外由于CPU相關(guān)實現(xiàn)屬于TCB，側(cè)信道攻擊也是不可忽視的攻擊向量。常用兩種方案：Intel 的 SGX、ARM 的 TrustZone，以及與兩者相關(guān)的商業(yè)化實現(xiàn)方案，如百度MesaTEE、華為 iTrustee 等。

以上兩種隱私計算路徑還衍生出后起之秀——聯(lián)邦學習（Federated Learning，F(xiàn)L）等技術(shù)。聯(lián)邦學習本質(zhì)是分布式的機器學習，可以從技術(shù)上解決數(shù)據(jù)孤島問題，數(shù)據(jù)擁有方不出本地構(gòu)建共有模型，包括聯(lián)邦學習、共享學習、知識聯(lián)邦、聯(lián)邦智能等。根據(jù)數(shù)據(jù)集的不同類型，聯(lián)邦學習分為橫向聯(lián)邦學習（特征重合較多樣本重合較少的數(shù)據(jù)集）、縱向聯(lián)邦學習（樣本重合較多特征重合較少的數(shù)據(jù)集）與聯(lián)邦遷移學習（樣本和特征重合均較少的數(shù)據(jù)集）。

2012年就有學者發(fā)表了相關(guān)研究成果，2016年谷歌率先商用，2018年微眾銀行引入國內(nèi)，很快得到互聯(lián)網(wǎng)大廠、科技巨頭、人工智能公司的重視。

零知識證明（交易匿名和金額隱藏）、差分隱私（Differential Privacy, DP，添加噪音去除個體特征以保護用戶隱私）等輔助性技術(shù)或應用也非常有用。

由于技術(shù)路徑不同，各類隱私計算技術(shù)均有其更加適用的場景：多方安全計算不依賴硬件且安全性更高，但是僅支持相對簡單的運算邏輯，比如簡單的統(tǒng)計、查詢計算和簡單的邏輯回歸等機器學習模型?？尚艌?zhí)行環(huán)境性能和算法適用性更好，但是需要依賴硬件；聯(lián)邦學習適合數(shù)據(jù)挖掘，可以解決復雜的算法建模問題，但是性能存在一定瓶頸。

二、四小龍領(lǐng)跑政策驅(qū)動、市場需求催生的新賽道，八大類參與方中初創(chuàng)中立平臺型企業(yè)或大有可為

區(qū)塊鏈、金融科技等風口逐漸落下，數(shù)據(jù)經(jīng)濟似乎成了為數(shù)不多充滿想象力的創(chuàng)投賽道，數(shù)據(jù)隱私保護是解放數(shù)據(jù)經(jīng)濟，實現(xiàn)大規(guī)模商業(yè)化變現(xiàn)的關(guān)鍵一環(huán)。

隱私計算成為2021年重點深挖的9項技術(shù)之一。據(jù) Gartner 預測，2025年一半的大型機構(gòu)會使用隱私計算在不受信任的環(huán)境和多方數(shù)據(jù)分析中處理數(shù)據(jù)。KPMG 預計 2023 年國內(nèi)數(shù)據(jù)安全技術(shù)服務有望達100-200億人民幣，隨著 IT 架構(gòu)走向云化，將撬動千億級的數(shù)據(jù)安全 SaaS 運營收入。常春藤資本創(chuàng)始合伙人翁吉義直言隱私計算行業(yè)蘊含大機會，全球都是增量市場，有成長出多家獨角獸的可能。

隱私計算往往涉及四種參與角色，數(shù)據(jù)供應方、數(shù)據(jù)需求方、監(jiān)管方、技術(shù)服務商。通常四種角色分離，但某些場景下機構(gòu)可能兼兩種角色。

國外隱私計算創(chuàng)新活躍,但商業(yè)化進展稍緩，各國際企業(yè)相對更關(guān)注基于可信執(zhí)行環(huán)境的隱私計算，谷歌（聯(lián)邦學習的引路人）、Intel（Intel的SGX和ARM的TrustZone壟斷TEE硬件）、微軟（多方安全計算）等國際領(lǐng)軍企業(yè)開創(chuàng)了隱私計算產(chǎn)業(yè)的時代潮流；Facebook、Zama、Enigma、Sharemind、Privitar等國外互聯(lián)網(wǎng)、AI、區(qū)塊鏈企業(yè)也加快布局。

隱私計算在我國是非常新的行業(yè)，相比國外早在2008年便有企業(yè)布局，國內(nèi)直到2016年才出現(xiàn)獨立的隱私計算商業(yè)項目。2018年阿里、騰訊、百度等巨頭才相繼入局。2020年，公司數(shù)量才從最初的五家變成今天的上百家，形成互聯(lián)網(wǎng)大廠、云計算、人工智能、區(qū)塊鏈、大數(shù)據(jù)網(wǎng)絡(luò)安全公司、三大電信運營商、金融機構(gòu)和金融科技企業(yè)、隱私計算初創(chuàng)企業(yè)為代表的八大類市場主要參與者。

華控清交、螞蟻金服、微眾銀行、翼方健數(shù)被譽為領(lǐng)跑隱私計算賽道的“四小龍”，撐起“四超多強”的競爭格局。

從技術(shù)路線上看，多方安全計算復雜度高、開發(fā)難度大，以華控清交、富數(shù)科技、矩陣元等為代表的隱私計算初創(chuàng)企業(yè)和大數(shù)據(jù)區(qū)塊鏈企業(yè)為主；可信執(zhí)行環(huán)境較強依賴硬件及國外芯片，國內(nèi)產(chǎn)品相對較少，集中于百度、阿里巴巴等互聯(lián)網(wǎng)大廠和沖量在線、隔鏡科技等初創(chuàng)企業(yè)；聯(lián)邦學習，由于機器學習類應用需求突出，且有較成熟的開源社區(qū)為基礎(chǔ)（PySyft、TF-Federated和FATE等），開發(fā)難度相對輕松，主要集中在運營商、微眾銀行等金融科技公司。

隨著我國第一部數(shù)據(jù)安全的專門法律——《中華人民共和國數(shù)據(jù)安全法》和第一家國際數(shù)據(jù)交易所（簡稱“北數(shù)所”）相繼宣布成立，隱私計算或迎互聯(lián)網(wǎng)大廠、垂直初創(chuàng)企業(yè)和相關(guān)安全領(lǐng)域企業(yè)硝煙四起的“三國大戰(zhàn)”。這場“大戰(zhàn)”不是“燒錢”的營銷競爭，而是技術(shù)創(chuàng)新的真正比拼，更離不開與商業(yè)模式的結(jié)合。

政策驅(qū)動、市場需求催生的新賽道，初創(chuàng)中立平臺型企業(yè)或大有可為

與社區(qū)團購、生物醫(yī)藥等大廠占據(jù)絕對優(yōu)勢的賽道不同，隱私計算初創(chuàng)企業(yè)的市場份額更大。由于技術(shù)復雜常常呈現(xiàn)“黑盒化”現(xiàn)象，且處理對象常涉及敏感數(shù)據(jù)資產(chǎn)，隱私計算眾多技術(shù)仍處于前期驗證階段，提供方須首先建立信任，行業(yè)較長時間內(nèi)定制化需求較高，相較于傳統(tǒng)大廠，初創(chuàng)專精型企業(yè)天然帶有信任優(yōu)勢，中立廠商大有可為。

隱私計算廠商落地情況由此可見一斑，根據(jù)中國信通院，目前超過81%的隱私計算產(chǎn)品進入到試點部署或?qū)嵤╇A段，但是華為等知名企業(yè)均尚未公開落地案例，字節(jié)跳動等僅僅在集團內(nèi)部落地。

初創(chuàng)企業(yè)技術(shù)落地明顯優(yōu)于傳統(tǒng)大廠，除洞見科技外，星云Clustar、華控清交、翼方健數(shù)等大部分均已實現(xiàn)案例落地。專利數(shù)方面初創(chuàng)企業(yè)同樣表現(xiàn)不俗，專利數(shù)超過20個的10家中分別為螞蟻科技（429）、微眾銀行（316）、平安科技（62）、華控清交（49）、百度（33）、矩陣元（33）、騰訊（32）、華為（32）、星云Clustar（25）、趣鏈（24）。

富數(shù)科技、同盾科技、星環(huán)科技等大數(shù)據(jù)和網(wǎng)絡(luò)安全公司也缺乏落地項目。上市公司2019年靠區(qū)塊鏈概念在二級市場尋求回報增長，此次也難逃因為生存壓力炒作新熱點、新風口之嫌，8家區(qū)塊鏈公司表示正在或即將開展隱私計算相關(guān)業(yè)務，但大部分還處于初期階段。不過Real AI、醫(yī)渡科技等AI企業(yè)確有明確的落地場景，缺乏數(shù)據(jù)訓練的AI注定只能停留在理論層面，隱私計算也被稱為“AI落地的最后一公里”。

隱私計算研究跨度門檻高，“隱形冠軍”價值更加凸顯。不可否認是隱私計算在挑選公司，而不是公司在挑選隱私計算，需要掌握數(shù)學、加密學、建模、工程化和業(yè)務場景等綜合能力，以及前期論文研究、底層算法、原型實現(xiàn)和工具化等高投入，國內(nèi)具有完全自主研發(fā)能力的公司屈指可數(shù)。軟件產(chǎn)品門檻低賣不動，硬件門檻高玩不起，隱私計算的商業(yè)模式仍需探索。

據(jù)KPMG《隱私計算行業(yè)研究報告》，技術(shù)服務商有銷售模式（一次性技術(shù)系統(tǒng)搭建每單數(shù)十萬數(shù)百萬不等）、服務模式（隱私計算年度系統(tǒng)維護和服務比一般軟件更新更快），調(diào)用模式（單次數(shù)據(jù)使用幾分到幾角不等，亦可先試用后收費）、分潤模式（與客戶聯(lián)合運營分潤）。

我們預計隱私計算商業(yè)路徑分“三步走”：初期以醫(yī)療、金融、政務等數(shù)據(jù)合規(guī)關(guān)鍵領(lǐng)域的軟件銷售模式為主，中期拓展到中小企業(yè)和科技公司的按量付費模式，未來平臺型的調(diào)用和分潤模式將解決不同廠家技術(shù)不同的問題，相比單純售賣軟硬件的方案，平臺不僅邊際成本更低，還將打開更大的隱私計算生態(tài)網(wǎng)絡(luò)。

平臺型機會往往誕生于雙邊主體分散、需求多元的行業(yè)，網(wǎng)羅上游數(shù)據(jù)源和下游數(shù)據(jù)需求，方顯超大規(guī)模的隱私計算平臺價值。

華控清交首席科學家徐葳說過，應用跑向數(shù)據(jù)會形成天然的“數(shù)據(jù)壟斷”。中立平臺型隱私計算公司像大禹治水一樣“開渠引水”，連接“河系、網(wǎng)道”，建立國家數(shù)據(jù)網(wǎng)，讓數(shù)據(jù)跑向應用，真正化解“數(shù)據(jù)壟斷”。

從投資機構(gòu)布局來看，紅杉中國、IDG資本、基石資本等不少VC、PE已入局。據(jù)天眼查，2020年至今，至少已有8家隱私計算企業(yè)獲得融資，大多集中在B輪及之前。榜首是B輪專攻政務的“清華姚班”華控清交，融資額高達5億人民幣，其次是專攻醫(yī)療B輪的翼方健數(shù)和專攻金融A+輪的星云Clustar。

沖量在線在2020年末完成IDG資本的天使輪投資，锘崴科技、數(shù)牘科技等也深受資本青睞。賽道玩家估值多在1~3億元區(qū)間，明星公司估值半年前已超6億元。公司成立時間都較短，除華控清交、翼方健數(shù)、星云Clustar成立超3年外，其他公司成立時間均不到兩年。

愿意高價入場的投資者多半相信“平臺的傳說”，但杠桿的另一半是隱私計算技術(shù)需要彼此結(jié)合使用才能滿足客戶的綜合需求，方案同質(zhì)化意味著市場發(fā)展到下一階段—企業(yè)價格戰(zhàn)。

而且，由于難以在二級市場找到直接對標的公司，很難預判是百億級的投資機會。隱私計算要突破商業(yè)化的規(guī)模瓶頸，仍需完善技術(shù)的成熟度與安全性，提供同質(zhì)化產(chǎn)品之外的附加價值，在一個或多個領(lǐng)域提供更深入的解決方案，搭建產(chǎn)業(yè)推廣的多方協(xié)同合作模式。

三、車聯(lián)網(wǎng)時代，隱私計算如何成為下一代移動生態(tài)的“基石”

隱私計算應用場景不斷擴展，可以幫助機構(gòu)在不輸出原始數(shù)據(jù)的基礎(chǔ)上，共享整合多機構(gòu)間、多維度的數(shù)據(jù)，構(gòu)建更立體的用戶畫像，比如，醫(yī)療、金融、電信運營商、互聯(lián)網(wǎng)企業(yè)獲客提升用戶體驗和政務領(lǐng)域社會福利最大化。

智能聯(lián)網(wǎng)汽車有望成為繼醫(yī)療、金融和政務之后另一大重點領(lǐng)域，隱私計算將作為數(shù)據(jù)經(jīng)濟的底座，開啟下一代移動互聯(lián)網(wǎng)紅利，為新能源汽車實現(xiàn)車內(nèi)、車與云平臺、車與車、車與路、車與人等全方位網(wǎng)絡(luò)鏈接與智能管理的車聯(lián)網(wǎng)技術(shù)體系保駕護航。

過去5年，黑客攻擊智能汽車的次數(shù)增長了20倍。一輛汽車每天至少收集10TB的數(shù)據(jù)，一旦遭受侵害會泄露車上用戶甚至車外行人的信息。在行駛過程中涉及周圍交通情況等大量地理信息，事關(guān)國家重大安全。

智能網(wǎng)聯(lián)汽車“明星”品牌特斯拉就曾被找出大量安全漏洞，控制者利用Model S的漏洞遠程控制開鎖、鳴笛等操作。

車聯(lián)網(wǎng)信息安全分四個層面：系統(tǒng)安全、應用安全、網(wǎng)絡(luò)安全，最大問題就是數(shù)據(jù)安全，也就是數(shù)據(jù)隱私保護和數(shù)據(jù)可靠性這對矛盾問題。

車聯(lián)網(wǎng)的隱私比移動互聯(lián)網(wǎng)的隱私問題更突出，很容易跟蹤車的行蹤、位置和用戶ID等。但是隱私保護下無法了解真實身份，就可能發(fā)布虛假信息，帶來數(shù)據(jù)可靠性問題。

隱私計算結(jié)合AI、區(qū)塊鏈、云計算、分布式存儲等技術(shù)為解決隱私和數(shù)據(jù)可靠性這個車聯(lián)網(wǎng)數(shù)據(jù)安全最大的矛盾問題提供了方向：

車聯(lián)網(wǎng)不可篡改的信息，比如交通事故、違章等信息通過區(qū)塊鏈實現(xiàn)證據(jù)固化，這是區(qū)塊鏈的不可篡改性。

云計算解決車聯(lián)網(wǎng)使用區(qū)塊鏈時的資源受限傳輸延遲等一系列挑戰(zhàn)，極大提高算力資源利用率，租用計算資源避免重復購買的浪費，規(guī)模效應降低單位成本。

分布式計算是云計算的高級形態(tài)，車輛等設(shè)備通過分布式計算網(wǎng)絡(luò)重新被有效利用，防止云計算寡頭壟斷計算資源，提高價格獲取高額壟斷利潤，P2P下載可以節(jié)省近60%的帶寬。

AI是自動駕駛的首選技術(shù)，汽車不僅僅是交通工具，更是智能設(shè)備。而缺乏數(shù)據(jù)訓練的AI注定只能停留在理論層面上，隱私計算的出現(xiàn)為這一問題提供了解決的方向。

車聯(lián)網(wǎng)入網(wǎng)注冊需要保護隱私，隱私計算可以讓數(shù)據(jù)在分布式計算中保持加密狀態(tài)，提高數(shù)據(jù)安全，也使隱私數(shù)據(jù)上鏈成為可能，同時通過區(qū)塊鏈確?？沈炞C性。

四、結(jié)束語：螺旋上升的飛輪迎來下一代移動生態(tài)

分布式計算為車聯(lián)網(wǎng)提供存儲的土壤，數(shù)據(jù)直接從需求節(jié)點發(fā)送到不受信任的提供節(jié)點相比云計算面臨更大的數(shù)據(jù)安全挑戰(zhàn)。

隱私計算為無限擴容的分布式高性能算力互聯(lián)網(wǎng)提供信息安全保證，區(qū)塊鏈通過數(shù)據(jù)目錄、數(shù)據(jù)湖構(gòu)建數(shù)據(jù)流轉(zhuǎn)，成為隱私計算的底座和樞紐。數(shù)據(jù)存儲在數(shù)據(jù)庫里不能直接產(chǎn)生價值，通過AI海量數(shù)據(jù)訓練才能達到理想性能。隱私計算使數(shù)據(jù)“不出庫”就能實現(xiàn)身份認證、可追溯性、隱匿查詢、模型構(gòu)建等能力，將極大的豐富下一代移動生態(tài)的應用天地。