目录
隐私计算概述
隐私计算概念
隐私计算背景
国外各个国家和地区纷纷出台了围绕数据使用和保护的公共政策
- 欧盟出台的 《通用数据保护条例》（GDPR）于2018年5月正式实行，加强对欧盟境内居民的个人数据和隐私的保护。
- 2021年7月，美国统一法律委员会通过了 《统一个人数据保护法案》 （UPDPA），明确提出了数据处理相关禁止行为，确立了个人数据保护的重要地位。
- 韩国在2020年1月通过了新修订的 《个人信息保护法》、《信用信息法》、《信息通信网法》 三部法律，确定了个人和企业可以收集、利用的个人信息范围。
国内近年来也出台了数据安全、隐私和使用相关的政策法规
- 2020年3月20日中共中央国务院发布 《关于构建更加完善的要素市场化配置体制机制的意见》，第六章第二十、二十一、二十二条，明确提出加快培育数据要素市场的意见。
- 2021年6月10日，《中华人民共和国数据安全法》 在十三届全国人大常委会正式颁布。明确指出坚持安全与发展并重，锁定支持促进数据安全与发展的措施；建立保障政务数据安全和推动政务数据开放的制度措施。该法自2021年9月1日起施行。
- 2021年8月20日，十三届全国人大常委会表决通过 《个人信息保护法》，规定任何组织、个人不得非法收集、使用、加工、传输他人个人信息，不得非法买卖、提供或者公开他人个人信息。该法自2021年11月1日起施行。
隐私计算技术发展
- 1982年姚期智提出百万富翁问题，安全多方计算概念被提出
- 1986年姚期智提出基于混淆电路的通用解决方案
- 2009年Gentry首次提出了全同态算法
- 2013年Intel推出SGX指令集扩展，提供软硬件一体的可信执行环境
- 2016年谷歌提出联邦学习，解决安卓手机终端用户的联合模型训练
- 2016年发布的《隐私计算研究范畴及发展趋势》首次提出了隐私计算概念
- 2021年信通院制定了隐私计算+区块链相关标准，并达成业内共识
- 。。。。。。
隐私计算技术
隐私计算（Privacy preserving computation）主要包括安全多方计算、可信执行环境、联邦学习三大类技术。
安全多方计算
从百万富翁问题说起：在没有第三方的情况下，如何判断两个富翁谁更富有？
不经意传输
算法优势
- 算法用途广泛，可以为各类算法提供支撑，如混淆电路等
- 算法效率高，是目前安全多方计算中效率最高的支撑算法
混淆电路
算法优势
- 算法通用，大部分计算逻辑都可以转化成布尔电路或算术电路，因此基于混淆电路技术可以构造出通用的安全多方计算协议
算法劣势
- 算法效率低，对于常见的算术运算，生成电路复杂，传输数据量很大，效率很低
秘密分享
算法优势
- 运算效率高且具有部分同态性质，被广泛运用于安全多方计算算法设计
- 某些秘密分享算法复原秘密时不需要使用到所有秘密分片，具有较强的鲁棒性
同态加密
算法优势
- 算法简单，交互少，容易理解
- 全同态算法通用性强，可以满足各类场景的需求
算法劣势
- 全同态算法效率低，不能满足实际场景的计算时延要求
可信执行环境
可信执行环境（TEE）：以硬件为载体，提供强安全隔离和通用计算环境。即可以把任务通用程序运行在TEE内部，保证不会泄露内部程序或数据，也无法干预程序的内部执行流程
现有的TEE方案：Intel SGX，ARM TrustZone，AMD SEV等等
特点 ：隔离的执行环境，安全性更高，即使操作系统或者虚拟机被攻破也无法获取TEE内部的程序或数据
功能介绍
- 可信安全沙箱：借助独立的硬件安全计算环境增强数据和算法的安全隐私性
- 双向隐私：保证数据方的数据隐私及算法方的算法隐私，任何一方的信息均只能使用己方私钥解密
- 远程认证：TEE提供远程认证功能，保障硬件环境安全，Intel认证信息签名上链，平台使用更放心
联邦学习
功能介绍
基于机器学习训练，将各方模型训练中的参数，通过同态加密、秘密共享、混淆电路和差分隐私的方式，通过区块链网络执行模型聚合并分发共享模型，并发放模型训练激励奖励。保护数据隐私的同时，公平，公正，公开的训练模型并评估各方贡献。
算法对比
最后
