数据要素已成为核心生产要素与推动经济发展的核心力量。数据要素的价值在不断得到释放,对提高生产效率的推动作用日益突出。日前,国务院办公厅印发《要素市场化配置综合改革试点总体方案》,此举标志着要素市场化配置改革进入向纵深推进阶段。其在“探索建立数据要素流通规则”方面中特别指出,要探索“原始数据不出域、数据可用不可见”的交易范式,实现数据使用“可控可计量”,推动完善数据分级分类安全保护制度。
此前,国务院办公厅印发《“十四五”数字经济发展规划》,强调数据要素是数字经济深化发展的核心引擎,到2025年数据要素市场体系初步建立,要充分发挥数据要素作用,加快数据要素市场化流通。工业和信息化部印发《“十四五”大数据产业发展规划》指出,推动数据安全产业发展,支持重点行业开展数据安全技术手段建设,提升数据安全防护水平和应急处置能力;加强隐私计算、数据脱敏、密码等数据安全技术与产品的研发应用,提升数据安全产品供给能力,做大做强数据安全产业。
数据要素
价值、安全、公平性如何平衡
在大数据和人工智能时代,如何在享受新技术带来的便利性的同时保护自己的隐私,是一个重要的问题。近年来越来越多的数据滥用和隐私泄露事件提醒着人们,不恰当地使用大数据也会带来灾难性后果:用户设备及其活动信息的泄露可能导致用户被软件“杀熟”;用户个人信息的泄露可能导致用户被犯罪分子精准诈骗。
另一方面,数据的确权和权益保障,即如何保障数据作为一个社会生活生产要素的公平性。公平性的另一个考虑是数据的可获得性和数据的可使用性。如果利用拥有的数据和别人合作,通常会希望数据“可用而不可见”,即数据能够被确权,而不是用完一次后数据的权益就大为降低。原因在于:数据一旦出手,被复制、传输、运用之后,用户就完全失去了对它的控制权。
顺应数字经济发展需求,推动数据要素价值释放,同时做好隐私保护及敏感数据安全保障,是当前亟待解决的关键命题。隐私计算便是解决这一问题的核心研究课题。其可以实现在保护数据隐私的同时实现计算任务为目的,所使用一系列广泛的技术的统称,使得在多方协作计算过程中,数据可用不看见,数据价值可流通、可度量、可保护、可管理。学习隐私计算的相关技术,建设隐私计算平台和系统,探索隐私计算的相关应用场景变得越发重要。
隐私计算数字经济时代生产力发展的共同思考
由香港科技大学副教授、智能网络系统实验室主任陈凯与香港科技大学讲席教授杨强联合主编的全球首部全面、系统论述隐私计算的中文著作《隐私计算》中提到:数据蕴藏智能,如何有效挖掘数据中的智能而不侵害数据本身的隐私和安全, 则是我们所处的这个“数据时代”推动社会进步和生产力发展需要共同思考和实践的一个课题。隐私计算的本质就是为了实现这 一目标,即“数据可用不可见”,过程中产生出的一系列理论和技术。
因此,隐私计算正成为企业机构需要深挖的重要战略科技趋势之一,并在诸多领域开始应用。
以金融为例,《隐私计算》提到,传统的金融领域营销和风控建模中,由于本地数据特征不足,银行需要借助外部数据源来提升建模效果。而数据使用方式一般是数据提供商携带数据进入银行,即直接的数据交易。随着隐私数据保护要求的提高和相关法律法规的完善,并且过去的数据交易方式存在很大的隐私问题,传统金融企业在逐渐失去外部数据源的链接。在这种场景下,通过联邦学习等隐私计算技术,可以使互联网公司的海量用户数据在隐私不泄露的前提下赋能金融企业,从而提升金融场景的机器学习建模效果,达成多方联合风控、联合营销的数据合作。
而在政务领域,政府部门作为天然掌握大量敏感数据的部门,也是隐私计算技术的重要使用者之一。政府部门拥有的数据不仅体量大,而且具有种类多、潜在利用价值高涉及大量隐私信息等特点。而政府部门众多且各司其职,数据往来和使用受限,因此利用隐私计算技术可以构建政府部门间安全数据共享平台,在确保隐私数据安全的情况下,实现隐私数据多方应用,提高政府部门工作效率。
关于《隐私计算》
《隐私计算》由香港科技大学计算机科学与工程系副教授、智能网络与系统实验室主任陈凯教授,加拿大工程院及加拿大皇家科学院两院院士、微众银行首席人工智能官杨强教授共同撰写的全球首部全面、系统论述隐私计算的中文著作,现已重磅上市。
作者介绍
陈 凯
香港科技大学计算机科学与工程系副教授、博导、研究生部主任,智能网络与系统实验室(iSING Lab)主任,香港科大-微信人工智能技术联合实验室(WHAT Lab)主任,香港人工智能与机器人学会(HKSAIR)执行副理事长,香港主题研究计划(Theme-based Reseach Scheme)首席科学家。主要研究方向包括数据中心网络、云计算、大数据和人工智能底层系统和基础架构。担任ACM SIGCOMM、USENIX NSDI、IEEE INFOCOM、IEEE/ACM Transactions on Networking、Big Data、Cloud Computing等国际顶尖会议和期刊的程序委员会委员和编委,亚太网络研讨会(APNet)的发起人和执行委员会主席。
杨 强
加拿大工程院及加拿大皇家科学院两院院士,微众银行首席人工智能官,香港科技大学讲席教授,AAAI 2021大会主席,中国人工智能学会(CAAI)荣誉副理事长,香港人工智能与机器人学会(HKSAIR)理事长以及智能投研技术联盟(ITL)主席。他是AAAI/ACM/CAAI/IEEE/IAPR/AAAS Fellow,也是IEEE Transactions on Big Data和ACM Transactions on Intelligent Systems and Technology创始主编,以及多个国际人工智能和数据挖掘领域杂志编委。领衔全球迁移学习和联邦学习研究及应用,最近的著作有《迁移学习》、《联邦学习》和《联邦学习实战》等。
本书特色
内容系统完整全面。呈现相对完整的隐私计算知识体系,系统阐述隐私计算关键技术,包括4大发展阶段,5大应用平台,9大落地实践案例。
理论应用价值兼备。系统讲解隐私计算的基础理论和关键技术,包括秘密共享、同态加密、不经意传输、混淆电路、差分隐私、可信执行环境和联邦学习。并介绍了基于隐私计算技术构建的五个前沿隐私计算平台,以及平台的效率问题和常见加速策略。
产业实践案例丰富。本书结合金融营销与风控、广告计费、广告推荐、数据查询、医疗、语音识别及政务等领域的产业应用案例,详细分析了相关技术的适用范围和落地方法,方便读者理解技术的优点和局限性,对实践者具有很高的参考价值。
全新法律法规解读。本书邀请观韬中茂律师事务所的资深律师,对最新的中国数据保护法律进行了详细解读,方便读者了解中国新的数据保护制度。
顶级专家学者力荐。中国科学院院士梅宏倾情作序,中国工程院院士高文,中国工程院外籍院士、加拿大皇家科学院院士罗智泉,创新工场董事长兼CEO李开复联袂推荐。
阅读收获
本书是为计算机科学、隐私保护、大数据和人工智能相关专业的学生,以及对隐私计算感兴趣的从业者,从事隐私计算研究的研究人员、法律法规制定者和政府监管者编写的。无论是入门还是探究隐私计算,本书都可作为阅读资料的第一本书。
l 对于数据要素相关研究的从业者,可将本书作为参考书,阅读后可对隐私计算各个具体技术的性质、性能有系统的认识,了解现有隐私计算技术存在的优点和不足,以及解决这些问题的思路,并掌握如何将隐私计算在各个场景中落地应用,同时了解当前的最新研究进展和发展方向。
l 对于高等院校计算机科学、隐私保护、大数据和人工智能相关专业的本科生及研究生,以及首次接触隐私计算的人士,可将本书作为学习教材、研究隐私计算的参考文献,阅读后可全面了解隐私计算的基础技术,对相关领域有系统的认识。
l 对于数据要素的立法者、监管者、运营者、参与者和交易者,阅读本书可进一步了解大数据和人工智能法律事务的进展。
专家力荐
《隐私计算》得到中国科学院院士梅宏作序,中国工程院院士高文,中国工程院外籍院士、加拿大皇家科学院院士罗智泉,创新工场董事长兼CEO李开复等联袂推荐。
梅宏院士在序言中指出,本书呈献给读者的是兼顾广度和深度的关于隐私计算的系统性介绍,从广度上看,涵盖了隐私计算的基础理论和关键技术,从深度上看,对现有隐私计算技术及其在应用中存在的问题进行了深入分析,并分享了解决这些问题的思路,兼具理论价值和实用价值。
高文院士评价,《隐私计算》作为首部全面、系统论述隐私计算的中文著作,重点介绍了隐私计算的定义、相关技术以及落地应用,从技术原理、最新研究进展等不同角度进行阐述,有助于感兴趣的读者全面理解和把握其关键技术,是隐私计算领域一本难得的、具有醍醐灌顶效果的专业参考书。
罗智泉院士评价,身处数据智能时代,每个人都是数据的制造者与使用者,但也在承受着数据隐私的风险。本书向我们展示了在数字经济时代构建兼顾隐私保护与流通应用的方法和技术——隐私计算,并对这个新的重要技术的技术原理、落地应用给出了系统、深刻的阐述与分析。对于每一个关注大数据、人工智能等领域技术发展的人来说,它都是一本值得阅读与学习的参考书。
李开复博士评价,隐私计算平衡了数据要素的经济效益与隐私安全的矛盾,为人工智能、大数据等产业提供了安全保障,具备广阔的前景与机会,十分值得关注。本书系统地梳理了隐私计算技术理论与应用场景,相信能够为广大科研工作者、企业开发人员、技术爱好者提供参考与启发。
