中国信通院：隐私计算+区块链双密码学技术需融合发展

7月20日，中国信通院正式发布《隐私计算与区块链技术融合研究报告（2021）》（以下简称《报告》）。《报告》指出，隐私计算、区块链等新兴技术的结合，可为人们提供一种在数据本身不用交换的情况下实现数据价值共享的技术路径和解决思路，在数据共享过程中实现价值挖掘与隐私保护之间的平衡。

当下生活中，通过隐私计算和区块链技术进行流通的数据还是沧海一粟。

当前全国联盟链总节点数已达 36000，通过区块链技术进行流通的数据已达 80PB。隐私计算节点数已达 4500，通过隐私计算技术进行流通的数据已达 2PB。

据中国信通院测算，截止 2021 年 6 月，我国数据总量达 9ZB，数据安全流通量不足数据总量的十万分之一，未来有广阔的数据蓝海有待探索。

海量数据下，相关产业规模也在不断增长。

据国家工业信息安全发展研究中心测算，截至2021年底，我国数据要素市场规模将达到704亿元，预计在“十四五”期间将突破1749亿元，总体上进入高速发展阶段。

对于未来的数据要素市场， 隐私计算及区块链技术作为关键技术，《报告》认为将为数据确权、数据价值化、数据要素市场的发展奠定基础。

据中国信通院统计，目前国内56项隐私计算产品，其中21项出自区块链背景企业。

同时，《报告》中提到，随着各国政策不断支持与引导，信任和共享文化将得到大力弘扬，区块链结合隐私计算技术将成为各行业数据流通的标配，立竿见影解决多方协作过程中的信任和隐私问题。

据悉，隐私计算的概念最早是在2016年提出的，是面向隐私信息全生命周期保护的计算理论和方法，是隐私信息的所有权、管理权和使用权分离时隐私度量、隐私泄漏代价、隐私保护与隐私分析复杂性的可计算模型与公理化系统。

而区块链则是一个分布式的数据存储系统，2008年正式诞生，用于解决信任问题。

但由于区块链的公开透明和全节点验证的特点，使其无法很好的处理隐私数据，大数据应用的迅猛发展对隐私保护服务请求的用户容量、并发程度和能效优化提出了极高的要求。这也是区块链技术天生适合隐私计算的主要原因。

信通院《报告》指出，隐私计算主要解决数据共享计算环节中的数据隐私保护问题，区块链则侧重构建可信协作网络，实现数据全生命周期的管控，两者的结合为数据要素市场化提供了一套完整、严密的解决方案，让数据流通、共享变得“有技可循”。

具体来看，区块链与隐私计算的有机结合，使原始数据在无需出域与归集的情况下，实现多节点间的协同计算和数据隐私保护。同时，能够解决大数据模式下存在的数据过度采集、数据隐私保护，以及数据存储单点泄漏等问题。区块链确保计算过程和数据可信，隐私计算实现数据可用不可见，两者相互结合，相辅相成，实现更广泛的数据协同。

随着市场需求不断增强，数据要素市场迸发式增长。

一些大型科技企业和创新型技术公司都提供了相关案例。蚂蚁集团基于金融行业推出了两套示范案例产品，中国联通基于区块链推出了电商金融联合消费平台，趣链、矩阵元也提供了制造业和金融相关的案例。而微众银行、百度则是开源了隐私计算和区块链结合的技术项目。

在具体的应用场景中，金融作为对数据安全，数据隐私要求最高的行业之一，也是目前需求最明确的场景之一，区块链和隐私计算技术与其匹配度极高。

比如风控是金融领域的核心业务。《报告》指出近年来金融行业频发数据泄漏、数据非法交易事件，如金融机构查询三方数据容易留痕从而被贩卖；团伙欺诈智能化特征凸显，黑中介、黑产深度融合；多头共债上升，不良率也在不断攀升等。

然而，金融机构出于数据安全及商业保密性的考虑，各家数据往往互相割裂，自建高墙，缺乏信任，不愿进行数据共享，导致用户风控指标精准度低。一方面，优质的中小企业缺少多维度一手数据的佐证，难以自证背景真实性及还款能力；另一方面，金融机构也难以依据零散、缺失的数据对企业进行精准信用评估，最终导致银行风控难、放款成本高，中小企业面临融资难、融资贵的困境。

这时，金融机构可使用隐私计算和区块链技术对借贷全流程实现联合风控。各机构对数据进行加密上链，利用区块链所提供的数据与业务不可篡改、合约自动化执行的特点， 确保数据可追溯可验证以便于监管审计，而各方的多维数据则可以在隐私计算的保障下，安全合规的多次开放共享进行联合模型训练，提高风控模型的精准度。

合适的应用场景，天然的技术优势，区块链和隐私计算技术有着巨大潜力的同时，由于相关概念较为新颖，市场对于前沿技术的了解以及潜力挖掘还处在初期阶段，《报告》也指出目前行业相关的人才短缺、行业标准还未全面建立等问题。

《报告》发布后，星云Cliustar CTO张骏雪博士对界面新闻表示：“隐私计算的实现目的是解决数据应用与处理的全链条，包括数据的收集、整合、建模等等，实现在保障数据隐私的前提下，让数据流通起来，使数据的可用不可见，而区块链的‘去中心化’与‘分布式记账’特性，可以解决隐私计算自身‘信任问题’，实现数据协作各参与方的身份互信与数据可信。二者结合，为隐私计算技术与应用提供了一个非常值得尝试的方向。”