6-2 数字政府隐私计算落地案例介绍

政策背景

• 数据成为新的生产要素，国家战略层面推动数据要素市场化配置，强调数据资源整合、安全保护、流通交易和隐私保护。
• 关键政策文件包括《关于构建更加完善的要素市场化配置体制机制的意见》、《十四五规划和2035年远景目标纲要》、《国务院办公厅<公共数据资源开发利用试点方案>》等，明确数据要素市场规则、交易范式和安全保护要求。

法律法规

• 各地纷纷出台数据条例，如《海南省大数据开发应用条例》、《深圳经济特区数据条例》、《中华人民共和国数据安全法》、《中华人民共和国个人信息保护法》等，构建多层次数据治理法律体系。

流通问题

• 数据价值释放与数据安全存在矛盾，主要问题包括数据泄露、滥用、难以流通、信任缺失等，困扰数据提供方、使用方和管理方。

技术路线

• 隐私计算技术包括多方安全计算（MPC）、联邦学习、可信执行环境（TEE）、安全沙箱等，核心能力在于数据不出域、纯密文计算、支持海量样本模型训练和联合查询。
• 技术路线对比：MPC实现多方数据融合计算；联邦学习保证本地数据不出库的联合机器学习；TEE构建安全区域保护数据和程序；安全沙箱提供封闭、安全的计算环境。

应用场景

• 政府内部数据共享：如某省自然资源厅与省委组织部、省监察委等部门的区块链不动产登记信息密查系统，实现细粒度权限管理和多方安全流程。
• 政府与企业数据开发利用：如商业银行通过隐私计算技术获取个人公积金、民政、社保等信息进行风险评估，保障数据隐私。
• 公共数据运营平台：合肥、成都、海南等地建设公共数据运营平台，推动数据资源整合和合规利用。
• 数据交易所/中心：北京国际大数据交易所和上海数据交易所创新交易模式，构建“数据可用不可见，用途可控可计量”的新型交易范式。

落地难点

• 经济性问题：厂商开发成本高，试点项目金额低。
• 安全性问题：厂商无法自证平台安全性，无权威机构出具安全认证。
• 实际应用场景问题：厂商不懂业务，参与方协调难。
• 平台性能、友好性问题：功能基础，客户使用开发难度高。

建议思路

• 完善平台业务层功能，提升实用性。