和数传媒

安卓APP
app下载

扫一扫下载app

搜索 隐私计算与区块链结合能否促进数据要素市场化体系构建?

新闻 2020-07-037503 通稿
分享至:

0.jpg

区块链和隐私计算是相对独立的,但又必须联系在一起。隐私计算在上层和业务联系,能够保护数据的隐私;区块链在下层作为分布式经济体基础设施,提供支付和结算的功能。

本期合作伙伴如下:

指导单位:中国区块链应用研究中心

主办方:米林财经、京链传媒、太一云

协办方:PlatON、公易联科技、深圳区块链产业联盟

合作媒体:金色财经、布洛克财经、火星财经、陀螺财经、世链财经、链虎财经、猎云财经、链云财经、米又财经、41财经、哔哔NEWS、链氪财经、艺创时代、SOSOLX、零度财经、FN、鸵鸟区块链、币值财经、星际视界、瓦力财经、布道财经、贝博、DAPPX、未来财经、币小白、BTC123、Hubox、链世纪财经、麦田财经、链团财经、链游玩家、链安财经、GoodBP、众悦财经、Link周刊、第1时间、麦妖榜、比特财经网、区间集、链商店、和数传媒、区块链头条、链叨叨、Anypay、黑洞财经、疾风财经、摩引擎、热链全球。

感谢币本直播、群TV、币扑、芥末圈、币糖国际、一灯社区支持!

区块链的公开透明在于数据上链,数据在全节点流通,但这对数据隐私保护提出很大的挑战。此外,大数据的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也提出了极高要求。我们不得不提出这样的疑问,数据应用过程中如何兼顾隐私安全和效率?

7月2日19:30,《产业区块链会谈》第9期社群直播如期展开。本期主题为:隐私计算与区块链结合能否促进数据要素市场化体系构建?我们邀请到隐私计算网络和分布式经济体基础设施PlatON社区负责人余凯,来和我们做一期分享!

以下为直播文稿:

1、嘉宾简介  

娜娜:首先请凯总跟大家打声招呼,介绍一下自己以及PlatON。

余凯:非常感谢大家抽出时间,和我们一起探讨隐私计算方面的话题。我是余凯,在PlatON负责社区方面的工作,之前一直在游戏行业负责面向C端用户的运营和发行。

PlatON定位于隐私计算网络+分布式经济体基础设施,我们走在隐私计算领域探索的最前沿,在大规模分布式系统上也有多年实践经验,最重要的是,我们对于支撑大规模数据资产交易的基础设施有深刻的理解和实践。

image.png

 2、隐私计算是什么?

娜娜:大数据时代,海量数据共享与交换对隐私保护提高了要求,请问怎么理解隐私计算,它是一种怎样的技术?

余凯:从学术定义上看,隐私计算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。

通俗点讲,隐私计算是指在数据或计算方法保持“加密”状态,不泄露给其他合作方的前提下,进行计算合作的技术。

隐私计算的概念最早在2016年提出,目前隐私计算包含密码学、可信执行环境(TEE)、联邦学习等方向。其中密码学则包含全同态加密、安全多方计算、零知识证明等主要技术。

举例来帮大家理解通过密码学技术来实现的隐私计算:比如要比较两个人谁的存款多,最直接的方法是我们互相告诉对方有多少钱,大家来进行比较,但这样我们就知道对方的存款数量了。还有一种做法,找我们都相信的第三方,把我们的存款金额都告诉他,由他来比较大小并且告诉我们结果。

存款数量属于典型的个人隐私,我们都不愿意泄露给对方或者第三方。那通过安全多方计算这个技术,在不披露具体存款金额情况下是可以直接得出大小的。

再比如,有两个传统金融机构各自持有自己的信用黑白名单,他们想知道其中的差异,但又不想把自己的名单告诉对方。这时候就可以采用隐私计算的方式,不相互交换黑白名单,通过安全多方计算来得出结果,知道某个用户在两个机构之间的信用情况。

 3、多方数据共享的难点  

娜娜:打破数据孤岛,实现数据共享和交换是政务区块链乃至各方都在努力解决的一个问题,从技术层面看,在数据隐私安全保护的前提下,实现多方数据共享,有哪些难点?

余凯:性能是关键点,在数据隐私保护下多方数据共享最大的难点是当前的技术无法做到在所有场景下都能使用隐私计算技术,即“完全通用化”还需要过程。

此外,还涉及到相关业务架构设计和商业模式等方面的深度调整。以及破除观念上的桎梏。大家普遍认为,数据的所有权和使用权是绑定在一起的,一旦转移整体就发生了转移,所以大家都不敢或者不愿意共享数据。当然,在隐私计算技术出现前,由于数据生产要素“所见即所得”的特殊性,导致在传统模式下,隐私数据的使用权和所有权无从区分,这是导致在数据隐私保护方面知易行难的首要原因。

 4、PlatON如何平衡安全、效率、数据孤岛 

娜娜:平衡隐私数据处理时的安全、效率、数据孤岛,PlatON是否有好的解决方案?

余凯:因为PlatON的隐私计算路线是基于密码学的,所以在这个问题上我仅就密码学的角度来给出我们的思考。

我们讨论语境中所说的“安全”是一种偏向于绝对意义上的,不依赖于建立在基于第三方信任上的安全,对于这种安全的信任应该建立在“数学可证明”的维度上。

当前的技术水平下,同态加密、零知识证明和安全多方计算等密码学技术,一方面正在逐渐被市场所认知,另外一方面仍然存在瓶颈和不足。比如安全多方计算,在通信上需要大量的带宽来进行通信;而零知识证明和同态加密,则需要大量的算力来提高计算速度。

而PlatON所做的,是在安全多方计算方面改进算法,尽可能调低通讯量,将通讯的负担挪到计算上去,这属于折中的方式。

在零知识证明和同态加密方面,我们组建了一个硬件团队,希望用基于硬件的方式来提升计算性能,这也是我们今年推出的Grants计划当中涉及相关硬件实现的原因。

伴随需求的复杂化,相关的算法也将不断改进,以适用更多场景。针对不同场景下具体的数据处理中安全和效率问题,将能够逐渐取得更有实用价值的平衡,这将是一个慢慢迭代的过程。

5、AI、 隐私计算、区块链的关系  

娜娜:隐私计算包含多种加密算法,结合区块链的可信机制,看起来是个完美的搭档,而PlatON重点强调了 AI + 隐私计算的结合,你怎么看这三者之间的关系?

余凯:先说隐私计算和AI。基于密码学技术的隐私计算和AI有非常契合的点,这背后是基于数据的归集和使用的根本矛盾。从模型准确性的角度,数据越多越好;但从数据资产的角度,大家又不想把数据给出去。安全多方计算等基于密码学的隐私计算技术非常适合解决这一矛盾。

典型的AI项目是从识别问题开始,然后收集到有价值的数据资源,并将其用于对AI进行训练。这个过程中极为关键的一点是收集到数量尽可能多、尽可能正确的数据,这样AI才能够更为准确地预测应该执行哪些操作以及什么时候执行。

但现在全球对数据隐私保护的要求越来越高,传统的数据获取方式面临着合规方面的巨大难题,在相当大的程度上这已经成为AI产业发展的严重阻碍。

隐私计算的出现为解决这一难题提供了可行的解决方案,让数据在不被披露原始内容的情况下得以使用,从而帮助AI项目能够从更多来源、更高可信的数据中得以高效训练,从而产生更大的科技价值。

基于隐私计算技术,我们已经推出了结合AI算法与隐私计算技术,降低开发者使用隐私计算技术门槛的隐私AI框架——Rosetta。大家可以从“重构数据价值 定义数字未来 | 隐私AI框架Rosetta正式发布”这篇文章里了解更多!

再谈谈区块链和隐私计算。我们认为,区块链和隐私计算其实是没有必然关系的。

我们都知道,区块链最原始的形态是比特币,如果大家读过比特币的白皮书,就会了解到比特币是没有任何隐私保护的。而且在区块链或比特币里面,其实没有用到太多密码算法,最多用了签名和Hash。区块链共识的本质是所有数据完全备份,并向所有人公开,从一开始就不具有隐私保护的功能。

因此,区块链和隐私计算是相对独立的,但又必须联系在一起。隐私计算在上层和业务联系,能够保护数据的隐私;区块链在下层作为分布式经济体基础设施,提供数据流动需求下的支付和结算的功能。对应到PlatON团队的分工上,隐私计算团队和区块链团队是并行的,只是在后续将结合在一起。

6、隐私计算+区块链在金融行业的应用  

娜娜:金融机构的风控体系特别依赖于大数据的分析,关于数据隐私保护也是非常敏感的话题,目前行业的解决方案是怎样的?可否具体介绍一下PlatON将隐私计算应用在金融行业的案例?

余凯:举两个案例来介绍一下我们将隐私计算用于金融行业的商用实践。

一个是用户征信的联合查询。我们提供区块链和安全多方计算能力,为用户提供可自定义的计算逻辑模板,以及多方接入方式,实现在接入方数据无需归集共享情况下,只向需求方输出征信查询结果,并能支持将原始数据加密存放在区块链系统中,满足各类审计需求。

金融机构需要用户征信联合查询平台来成为合作的基石,它既需要满足同业间的合作需求,又要解决私有数据不会泄露的客观问题。而解决问题的关键,就是我们提到的密码学中安全多方计算技术。

另外一个是供应链金融。我们为供应链上下游企业构建一个信息对称共享、核心企业信用价值可传递、商票可拆分流程、风险可控的新型供应链金融融资模式,并为监管提供数据追溯便利,提升行业整体服务效率。

我们基于区块链技术和密码学算法,为供应链金融提供了资产可数字化确认、处理、流转的平台解决方案,实现了——

1. 资产登记:企业债权可通过区块链进行登记存储,形成不可篡改的数据记录,实现各参与机构间的信息实时共享;

2. 资产确权:通过相关参与方的确认,由智能合约自动将应收账款和核心企业信用转化成数字资产并登记到相应账户,实现资产的确权;

3. 资产数字化:以链上确权数据信息为基础,通过智能合约自动为企业建立可在区块链联盟间进行交易和流转的数字资产;

4. 数字资产管理:支持不同属性资产的统一管理和查询,通过预设的智能合约实现链上资产的的自动化分配、拆分、流转和注销;

5. 监管审计:提供监管审计入口,赋予监管机构审计权限,可查看平台上所有资产的交易;

6. 多层级隐私保护:运用广播加密、同态加密、零知识证明等加密算法保护供应链金融各参与方的数据安全和隐私保护。

7、隐私计算+区块链的应用案例 

娜娜:除了金融行业,还有哪些场景需要区块链与隐私计算改善?

余凯:再举两个其他行业场景下的区块链与隐私计算技术的应用。

一个是研究机构联合数据分析。可以以安全多方计算技术搭建基础的联合数据分析平台,使研究机构在数据不离开本地的前提下,与另一机构进行安全多方计算,并得到满足科研所需的分析计算结果。

这个联合数据分析平台将能够运用于医疗数据分析、军事性体格检查等领域,保护个体数据隐私安全的同时完成协同计算。另外生物研究机构也可以通过联合数据分析平台与其他区域的生物机构完成安全多方计算,而且无需获取原始数据。

另外一个是航天行业的外包产品质量可信追溯。传统的外包产品质量管理和追溯,高度依赖于制度,从设计、元器件原材料、流程、设备、制度、环境各个环节。而航天产业对于外包产品的质量要求是必须做到万无一失,产品按照既定设计和流程,严格执行和实施、所有环节都认真负责,才能生产出合格的产品,百密而无一疏漏。

通过从设计输入、元器件材料、生产环节、实验数据、验收结论等各个环节,将所有的数据上链,保障产品研制全周期信息不可篡改以及可追溯,从而解决航天产品可信化质量溯源的问题。再通过隐私计算的方式对这些数据的使用加以保护,以确保相关累积数据在进行大数据分析的时候,数据的隐私安全得以保障。

随着对数据隐私监管力度的加大,对数据需求越大的行业,对隐私计算的需求越迫切。PlatON将有效结合密码学和隐私计算技术,实现金融、联合征信、联合营销、智能制造、生物医疗等领域的应用落地。

 8、隐私计算未来发展的思考 

娜娜:PlatON的目标是要实现一个去中心化的隐私计算网络,对于隐私计算未来发展,你认为最应该思考的问题会是什么?

余凯:展望未来需要厘清当下,如前所述,隐私计算现在已经越来越受到市场的认可,但仍然处于起步期。

一方面是因为技术架构正在改变,传统的技术架构大多是中心化的方式,都是先归集数据再处理。而隐私计算所带来的技术架构则会是分布式的,这样才能真正保护数据所有权。这种不同的技术架构之间的迁移需要一定的时间。

另外一方面商业模式也在变化。传统的数据交易的模式,都是直接买卖,并且都是一次性的,所有权连同使用权一起进行转移。在以隐私计算为基础的数据交易中,买卖的是数据的效用,而不是数据本身,因此数据可以多次交易。这两种方式是有本质区别的,如何确定商业模式,如何对数据定价都会需要全新的思维方式,这方面目前也是在探索过程中的。

还有一个问题就是算法本身还存在着计算复杂度和通信复杂度的问题需要我们逐步去解决。

所以在这个背景下,对于隐私计算未来的发展,我认为最应该思考的问题包括三个:

1. 要认清技术发展不能脱离商业应用这个现实,我们的目标是解决实际场景中的具体问题,纯粹的“通用”没有太大意义,并不是最重要和紧急的。一个新的技术,从学术,到技术,到工程化,到产品,到商用各有不同的需求,每一步的演进实际上都存在着大量现实困难。我们只有清醒地认识到商业需求,并有针对性地展开相关工作,才能帮助这项技术真正落地。

2. 对于数据隐私保护方面,需要从国家层面进行更多的立法来对现在的大量市场和商业行为进行合规要求,我们相信只有这样才能让我们的社会真正在隐私计算这个技术的护航下,走向未来的全数字化社会,真正实现数据要素的价值并基于其提升整个社会的生产能力。

正好7月2日这天,第十三届全国人大常委会第二十次会议对《中华人民共和国数据安全法(草案)》进行了审议。我们相信在这方面的法制建设越完善,隐私计算未来的发展就会越迅猛。

image.png

3. 目前密码学与隐私领域最重要的就是人才,无论是隐私计算还是密码学,都是需要相对偏专业知识的人,行业需要越来越多的人才投入,才能走得更快更好。

0.jpg


标签: 隐私计算 要素市场
郑重声明:本站原创文章为作者独立观点,不代表和数传媒立场;转载文章版权归原作者所有,如信息标记有误,请联系我们进行修改或删除,感谢关注。

最新推荐