4-1 隐私计算行业发展及合规发展思考 -闫树 信通院

隐私计算行业发展及合规发展思考

数据要素的重要性

• 数据被视为继土地、劳动力、资本、技术之后的第五大生产要素，对提高生产效率具有乘数作用。
• 数据要素能通过价值倍增、资源优化、投入替代等方式创造价值，成为最具时代特征的新生产要素。
• 数据要素与传统要素的区别在于其虚拟性、均质性、稀缺性、竞争性和产权性等特征。

隐私计算的发展背景

• 多重需求推动隐私计算加速发展，包括数据保护需求、机构间数据流通需求、数据要素市场化配置需求等。
• 隐私计算技术体系初步建立，主要分为基于密码学的多方安全计算、人工智能与隐私保护技术融合的联邦学习、基于可信硬件的可信执行环境三大方向。

隐私计算的挑战

• 性能瓶颈：密文计算导致计算和通信负载增大，同步性和可用性要求高，难以支持海量数据实时计算。
• 安全性问题：算法协议存在安全风险，生产化过程和第三方介入带来安全挑战，真实应用中的信任共识难以达成。
• 性能、安全、易用性提升：隐私计算一体机成为发展趋势，通过异构硬件加速和软硬结合提升性能和安全。

技术发展与创新

• 技术研究与创新成果数量持续上升，专利数量激增，开源成为趋势。
• 隐私计算应用进一步发展丰富，向多行业扩展，进入实施部署阶段的产品比例明显提升。

隐私计算在金融、政务、医疗领域的应用

• 金融领域：金融机构加大研究和应用，应用场景在金融风控、营销等传统场景下进一步细分、外延。
• 政务领域：政务大数据共享开放中发挥巨大作用，应用场景种类丰富，省、市级创新场景突出。
• 医疗领域：医疗数据政策相继出台，隐私计算助力互联互通，实践案例从概念验证到落地。

隐私计算探索新领域

• 物流运输、公共安全、智慧能源等领域开展隐私计算应用探索，利用隐私计算技术优势打造新模式。

隐私计算变革传统数据流通形态

• 传统数据集流通形式存在隐私信息暴露风险，普通API流通形式仍存在二次利用风险，API+隐私计算流通形式充分挖掘数据价值。

隐私计算的合规意义

• 有助于履行法定的安全保障义务，实现一定条件下的匿名化，开发数据的使用价值，践行最小必要原则，防止数据滥用，减轻授权同意合规隐患。

隐私计算的合规误区

• 使用隐私计算即可实现匿名化，使用隐私计算即无需授权同意，隐私计算处理的数据不属于个人信息。

隐私计算的合规及法律要点

• 明确数据处理的合法性基础，事先评估数据处理全流程的风险，参与方管理数据源合规，明确计算模型的归属，关注产出结果的安全与合规，关注自动化决策的风险，融入日志审计和监督机制，对技术方案进行安全性评估。

隐私计算合规发展的建议

• 多方参与，各尽其能，以点带面，逐步深入，加强对话沟通，不断修正发展方向，拓宽应用场景，形成健康有序的良性互动。

信通院隐私计算合规研究工作及计划

• 研究成果包括白皮书、法律与合规白皮书、数据交易合同示范文本、合规应用案例、沙龙、评估和咨询、行业合规指引等。