全球企业加码数据安全，正是智能时代的“基座”

数据,是人工智能技术的三大基础之一。而数据安全,或将成为智能时代更快到来的“铁轨”与“基座” 。
随着信息技术和人类生产生活交汇融合,各类数据迅猛增长、海量聚集,对经济发展、人民生活都产生了重大而深刻的影响。而数据在收集、存储、共享的过程中同时面临收益与风险。
如何确保数据安全,并做到“可用不可见”,至此隐私计算技术应运而生。

文章图片

文章图片
资料来源:国家工业信息安全发展研究中心发布《中国隐私计算产业发展报告(2020~2021)》
越来越多的企业正把目光投向隐私计算领域,隐私计算技术也已在不同场景中落地。
国外隐私计算代表案例:
谷歌 ——Password Checkup保护数据安全共享
【全球企业加码数据安全，正是智能时代的“基座”】2019 年2 月,谷歌推出密码检查器Password Checkup,一个Chrome扩展程序,帮助用户检测他们在网站上输入的用户名和密码是否已被盗用。
Password Checkup依赖于隐私集合交集(PSI)的加密协议,协议收集超过“40 亿个”的已知不安全或已外泄的账号和密码,在Chrome 用户安装这功能后,一旦用户登录某个网站时,Google 便会主动侦测帐户密码是否在外泄名单中。
Password Checkup程序体积小巧,功能简单,但背后却对大量数据进行高安全等级处理。本地加密、密文数据对比等可以说是隐私计算基本概念的教科书式展现,也令其成为数据安全共享的典型科普案例。
苹果——iOS10引入差分隐私技术保护用户数据
移动互联网时代,手机承载一个人所有的秘密。
早在2013年一位当时就读于美国西北大学的研究生,结合搜索引擎与纽约城市出租车和豪华轿车委员会对外公布的一份2013年全市的出租车行程数据,便锁定几位明星的行踪。
但要如何抵御对于个体用户隐私数据的“精确计算”,而又能提高数据共享和使用的效率?
苹果公司在当时推出的iOS 10系统中,用差分隐私收集法做出回答。
差分隐私的原理是用算法加扰个人用户数据,使追踪技术无法实现回溯。随后在无法获得原始数据的情况下对数据批量计算,输出计算结果。
在获得机器学习所需的数据资源的同时,实现用户隐私数据的保护。
目前国外,谷歌、苹果、facebook等企业都在进一步加强对数据安全的保护力度。
国内也有翼方健数、微众银行、蚂蚁金服、华控清交这“隐私计算四小龙”领跑行业,呈现出四超多强的局面。
国内隐私计算企业一览图:

文章图片

文章图片
资料来源:微众银行&毕马威发布《2021隐私计算行业研究报告》
国内隐私计算代表案例(以隐私计算四小龙为例):
翼方健数——厦门市城市级健康医疗大数据开放平台
在医疗资源总量不足,优质资源匮乏,分布也不够合理的大环境下,分级诊疗成为重要的解决方案。
如何将三甲医院医生积累的丰富临床经验转化为智能化的知识输出,并辅助诊断?医疗AI也许是很好的解决方案。
但囿于对数据安全、医学伦理和个人隐私方面的担心,数据的获取、治理以及合理应用仍是医疗AI行业的难题。
翼方健数基于隐私安全计算技术平台“翼数坊”(XDP),在厦门市卫健委的主导下,汇聚厦门市各医疗机构的健康医疗数据,引入第三方服务机构来处理和挖掘原始数据,提供应用服务。
“翼数坊”首先在厦门全市基层社区医院儿科诊疗过程中落地应用,通过学习海量的儿科电子病历,开发病例结构化、辅助诊断、辅助用药,辅助检查推荐等一系列深度学习模型,通过打通智能模型、电子病历EMR与其他信息系统,形成一套智能临床辅助决策和知识库体系。