實(shí)現(xiàn)隱私計(jì)算的相關(guān)技術(shù)

一、隱私計(jì)算（Privacy Computing）

隱私計(jì)算，廣義上是指面向隱私保護(hù)的計(jì)算系統(tǒng)與技術(shù)，涵蓋數(shù)據(jù)的產(chǎn)生、存儲(chǔ)、計(jì)算、應(yīng)用、銷毀等信息流程全過程，想要達(dá)成的效果是使數(shù)據(jù)在各個(gè)環(huán)節(jié)中 “可用不可見”。目前最先落地于金融、醫(yī)療等行業(yè)。

二、實(shí)現(xiàn)隱私計(jì)算的相關(guān)技術(shù)

從技術(shù)角度出發(fā)，和隱私計(jì)算相關(guān)聯(lián)的概念很多——多方安全計(jì)算（MPC）、可信硬件（TEE）、聯(lián)邦學(xué)習(xí)、差分隱私、區(qū)塊鏈等。目前業(yè)內(nèi)采用的主流技術(shù)包括三類：多方安全計(jì)算（MPC）、聯(lián)邦學(xué)習(xí)和可信執(zhí)行環(huán)境（TEE）。

當(dāng)前實(shí)現(xiàn)隱私計(jì)算的技術(shù)主要可分為可信計(jì)算和密碼學(xué)兩大方向。

• 可信硬件
  • 可信硬件指可信執(zhí)行環(huán)境，核心思想是構(gòu)建一個(gè)安全的硬件區(qū)域，各方數(shù)據(jù)統(tǒng)一匯聚到該區(qū)域內(nèi)進(jìn)行計(jì)算。
• 密碼學(xué)
  密碼學(xué)指用算法實(shí)現(xiàn)對(duì)計(jì)算過程中的數(shù)據(jù)保護(hù)，以多方安全計(jì)算、聯(lián)邦學(xué)習(xí)等為代表。

1. 多方安全計(jì)算（Secure Multi-Party Computation MPC）

多方安全計(jì)算（Secure Multi-Party Computation，簡(jiǎn)稱MPC）是指在無(wú)可信第三方情況下，通過多方共同參與，安全地完成某種協(xié)同計(jì)算。即在一個(gè)分布式環(huán)境中，多個(gè)參與者共同完成對(duì)某個(gè)函數(shù)的計(jì)算，該函數(shù)的輸入信息分別由這些參與者提供，且每個(gè)參與者的輸入信息是保密的，在計(jì)算結(jié)束后，各參與者獲得正確的計(jì)算結(jié)果，但無(wú)法獲知其他參與者的輸入信息。這種方式主要基于密碼學(xué)的一些隱私技術(shù)，相關(guān)概念還包括同態(tài)加密(Homomorpgic Encryption)、不經(jīng)意傳輸(Oblivious Transfer)、混淆電路(Garbled Circuit)和秘密共享(Secret Sharing)等。

核心在于計(jì)算參與方在數(shù)據(jù)加密狀態(tài)下進(jìn)行計(jì)算。彼此不知對(duì)方數(shù)據(jù)，卻能得到正確的計(jì)算結(jié)果。

圖1：安全多方計(jì)算（Secure Multi-Party Computation）

圖2：安全多方計(jì)算的相關(guān)概念

2. 聯(lián)邦學(xué)習(xí)(Federated machine learning/Federated Learning)

聯(lián)邦機(jī)器學(xué)習(xí)(Federated machine learning/Federated Learning)，又名聯(lián)邦學(xué)習(xí)，聯(lián)合學(xué)習(xí)、聯(lián)盟學(xué)習(xí)。聯(lián)邦機(jī)器學(xué)習(xí)是一個(gè)機(jī)器學(xué)習(xí)框架，能幫助多個(gè)機(jī)構(gòu)在滿足用戶隱私保護(hù)、數(shù)據(jù)安全和政府法規(guī)的要求下，進(jìn)行數(shù)據(jù)使用和機(jī)器學(xué)習(xí)建模。有觀點(diǎn)認(rèn)為，基于多方數(shù)據(jù)進(jìn)行聯(lián)合建模，各自原始數(shù)據(jù)不對(duì)外輸出，由中心方進(jìn)行協(xié)調(diào)的建模，都可稱為聯(lián)邦學(xué)習(xí)。

聯(lián)邦學(xué)習(xí)的系統(tǒng)架構(gòu)大致分為橫向聯(lián)邦學(xué)習(xí)、縱向聯(lián)邦學(xué)習(xí)、遷移學(xué)習(xí)三類，分別對(duì)應(yīng)不同數(shù)據(jù)集的差異情況。

核心：“數(shù)據(jù)不出門，算法滿地跑”

圖3：聯(lián)邦學(xué)習(xí)(Federated machine learning/Federated Learning)

3. 可信執(zhí)行環(huán)境（Trusted Execution Environment TEE）

以上兩種方式主要是在軟件和算法層面實(shí)現(xiàn)隱私計(jì)算。可信執(zhí)行環(huán)境（TEE）則基于硬件實(shí)現(xiàn)。

這種方式的思路是在CPU 上構(gòu)建一塊安全區(qū)域，這塊區(qū)域的作用是給數(shù)據(jù)和代碼的執(zhí)行提供一個(gè)更安全的空間，在這個(gè)安全區(qū)域內(nèi)進(jìn)行相關(guān)的計(jì)算。比較有代表性的是Intel-SGX、ARM-TrustZone等。

三種技術(shù)的對(duì)比

這三種方式在安全性、工程能力和落地場(chǎng)景等方面存在不同的特點(diǎn)，我們可以通過下文這張對(duì)比圖，了解不同技術(shù)思路的優(yōu)劣勢(shì)。

圖4：三大技術(shù)對(duì)比圖