一款釋放資料價值的專案，開源了！

在巨量資料和 AI 的時代背景下，資料已經成為了重要財富，大到政務資料、企業核心資料，小到個人資訊、銀行卡餘額，這些資料無一例外都是「隱私資料」，如果在使用和流轉時發生洩漏都會造成巨大的損失。

那有沒有什麼方法，可以在不暴露資料隱私的前提下，讓資料流動起來發揮更大的價值呢？在這個問題的驅使下我們找到了今天的主角——隱私計算。

一、什麼是隱私計算？

隱私計算是指在不洩露資料本身的情況下，實現資料分析和計算的技術，具有「資料可用不可見」的特點，讓資料安全合規地流動起來。

下面用一個經典的百萬富翁問題，來幫助理解什麼是「資料可用不見」。

假設有兩個百萬富翁，他們都想知道誰更富有，但又不想讓對方或者第三方，知道自己具體有多少錢。

• 資料本身：具體的財富值（資料）
• 計算：比大小（可用）
• 不洩露：對方或第三方（不可見）

按照常理，進行比大小的計算是需要知道兩個數是多少，才能比較大小，但這裡不知道具體的數位。所以上面這個問題在普通人看來是無解的，但其實這是一個密碼學問題，也被稱為「多方安全計算」（MPC）問題，由姚期智院士在 1982 提出，並給出瞭解決方案——混淆電路，實現了資料的可用不可見。

從隱私計算的技術發展時間線，我們不難看出隱私計算還是一個比較「新」的技術。隨著零知識證明、差分隱私、全同態加密、聯邦學習等技術的相繼問世，目前已形成三大應用技術路線多方安全計算（MPC）、聯邦學習（FL）、可信執行環境（TEE），隱私計算作為資料流通的重要技術已應用於金融、醫療、政務、廣告等領域。

• 金融：聯合反洗錢、銀(行)證(券)資料共用等
• 醫療和健康：流行病接觸者追蹤等
• 政務：案件調查、人口普查等

隨著歐盟 2018 年生效的《通用資料保護法案》，Google、Facebook 等科技巨頭都收到了鉅額罰單。近兩年，我國也相繼出臺了 《資料安全法》 和 《個人資訊保護法》。因此，如何讓資料安全地流通起來，已經不再是一道附加題而是一道必答題。

如果我們把上面的「百萬富翁」換成企業/機構的話，就可以很容易得出隱私計算技術就是資料安全流通的答案