冲量网络 | 隐私计算:数据安全之盾

数据保护一直是大数据时代绕不开的话题,并且随着数据的价值不断提升,开发者们变得越来越关注数据的采集,由于数据的价值与数据维度有密切的关系,在挖掘数据的时候不可避免地会触及到个人关键的隐私信息。因此,需要一系列的技术来使得隐私和价值之间得到平很,根据IDC发布的数据,在2019年,全球市场的数据将创造超过3000亿美元的价值,因此,兼顾隐私保护和数据利用的技术便成为了人们关注的重点,而且,由于各国对于隐私数据的监管越严厉,隐私计算技术便成为了开发者们竞相争夺的高地。


在之前的文章中我们了解了隐私计算在数据保护中的作用,隐私计算广义上是指面向隐私保护的计算系统与技术,涵盖数据的生产、存储、计算、应用等信息流程全过程。其是面向隐私信息全生命周期保护的计算理论和方法。隐私计算将通过多方安全计算、联邦学习、可信硬件等一系列技术来守护用户的数据,在不暴露原始数据的情况下计算数据,且计算结果可被验证。


在隐私数据协作中,一般存在三个矛盾:

数据孤岛

由于大量的数据一般在不同的中心化企业手中,其也被认为是企业重要的护城河,但是对数据而言,其是互相独立存储并独立维护的,但既然涉及隐私,同时也作为商业壁垒的重要组成部分,隐私数据自然不能透露给第三者,因此形成了一个个数据孤岛,数据之间不能互通,数据的价值无法体现。甚至数据隐私本身的保护服务,就成为了不少公司业务开展的方向,因此,这类数据协作往往耗时耗力,也很难获得想要的结果。


安全

对于隐私数据来说,安全是一个亘古不变的关键词,目前的大数据行业主要依托于可信第三方的计算服务,大数据行业的高性能、高投入需求让规模化、集中化的运算成为了市场主流。但这些集中化、规模化的数据中心所存在的安全问题也一直被诟病,就在一个月前,50多家公司的源码遭到泄露,让人不禁为集中式存储的安全性打上一个大大的问号,并且由于担心泄露,所以面对外部协作,变得异常谨慎,也加剧了数据孤岛的程度。


效率

在早期,由于数据的量并没有非常大,隐私的加密化、匿名化和脱敏技术都已经非常成熟,可以大规模应用在隐私获取、储存、流转等环节中。但大数据的出现改变了这一切,大规模的加密数据处理一定会导致计算性能下降,而非加密数据处理又极大概率会导致隐私信息的泄露。


对隐私计算而言,其本身便包含了可信计算、联邦学习等关键词,但这些技术有点过于中心化,因此对隐私计算而言,首先要解决信任问题。因此区块链技术便成为了破局方法之一,当信息以加密方式都存在区块链上的时候,可以直接用加密方式提供。这样对方拿到了加密后的隐私信息后,可以直接拿到区块链上去验证。既可以确保你信息的真实性又避免拿到隐私数信息。


TEE可信执行环境也是重要的破局方式,TEE提供一个隔离的执行环境,提供的安全特征包含:隔离执行、可信应用的完整性、可信数据的机密性、安全存储等。加密数据进入可信硬件中进行解密、计算、加密,最终得到加密数据。通过链上与区块链的结合,其可以保证链上链下的同步更新,并非常高效的实现可信协作。


除此之外,MPC多方安全计算也是破局之路的关键一环,利用MPC技术,隐私计算便可以在在无可信第三方的情况下,安全地计算一个约定函数的方式,计算参与方只需参与计算协议,无需依赖第三方就能完成数据计算,并且各参与方拿到计算结果后也无法推断出原始数据。


相信隐私计算会在越来越多的领域得到运用,来帮助企业在可信的前提实现数据协作,打破数据孤岛,实现安全、隐私、公平、可追溯、可扩展、可定制、去中心化、可信任的多参与方数据协作能力。

冲量网络也将融合隐私计算、区块链、容器云和人工智能等多种技术,为用户提供了可信、安全、隐私、公平与高性能的数据互联解决方案。促进数据生产要素在社会间的互联互通,构建可信、安全、隐私、公平、高效的“数据互链网”,提升机构间的数据流通与业务协作效率。