由中国人工智能学会、星云Clustar联合举办的2021年中国人工智能大会（CCAI 2021）人工智能产业论坛已于近日在成都举行。在会议中，不少专家以“数据要素与隐私计算”为主题，主要探讨如何通过技术手段让数据合规运行。

本次会议的参与方包括图灵奖获得者，科学院和工程院院士，大学教授和企业的创始人和科学家。各个参与者从技术、产学研结合、隐私计算初创公司发展以及隐私计算客户方体感出发，讨论相关议题。

今年，《数据安全法》和《个人信息保护法》相继落地，让各行各业进一步意识到合规使用数据的必要性。尤其，人工智能以大数据的能力为基础，在此时点上讨论如何"让数据在阳光下使用"的话题也较为适时，36氪也整理了一些会议嘉宾的观点，以供读者了解和参考：

恒生电子研究院院长、原上海交易所总工程师白硕：

“跑马圈数据”时代的两大痛点，是合作难和链条长。解决方案是加宽加高底座，打造一个开放的生态。数据智能革命会从数字化的中台开始，数据是基础，中台是关键场景的规划，隐私计算是当中较为突出的技术之一。

数据容易被复制、泄露、扩散，这种特性对市场非常不利，以至于有些人认为数据的经营和交易有可能是一个伪命题。数据的构成也相比之前变化颇大。例如资本市场，从资讯商提供主流数据行情、上市公司标准化解决数据等，进入到非标数据分析的时代，大量的另类数据、非结构化数据出现。

数据生态起了根本性变化，为此有四种选择诞生：过去互联网平台的发展模式；政府数据所谓的数据服务模式；万德、同花顺这类私有终端的传统模式，单一厂家掌控所有的数据来源；数据联盟。

传统打法可能不再是主流，私有终端也未必能应对另类数据的庞大体量，联邦化的技术发展正值窗口机遇期。

CAAI名誉副理事长、加拿大皇家科学院院士、加拿大工程院院士、香港科技大学讲席教授杨强：

就像人工智能经历了60年的发展，隐私计算经历了40年的发展。

第一阶段是上世纪七八十年代提出的安全多方计算；第二阶段针对效率的问题，业界提出差分隐私的概念，引入噪音；第三阶段硬件厂商提出一种新的方案，使得数据可以进入一个安全域加以计算；第四阶段就是我们今天讲的联邦学习。

应用方面，首先在金融的交叉营销、反洗钱，可以通过联邦学习把他们的数据联合建筑，把模型的特征空间加以扩充，完成联合建模；以及医疗诊断、物联网、无人车网络等。

总体来说，联邦学习是多学科的交叉，包括安全合规，如何防御攻击和提升教育，如何广泛的来进行技术应用，还有如何建立这种联邦机制联盟的机制，以鼓励大家持续的为经济体为生态贡献。

而隐私计算的商业模式也逐渐形成，例如平台建设方靠硬件产品部署和提供利用项目建设的方式收费；咨询服务商帮助大平台进行数据价值解读，利用数据运营等。

香港科技大学智能网络系统实验室主任、副教授，香港人工智能与机器人学会副理事长，星云Clustar创始人陈凯：

隐私计算行业可以说是一个风口。新的风口出现的时候，必然会机会和挑战并存。

从机会的角度来说，新的技术让一些之前没有或者不敢尝试的一些应用，变成一种可能。

不过另一方面从历史上看，很多新技术在实际应用中面临挑战的首先是产品。在其他方面，市场教育的推广，以及法规的制定和完善也影响我们技术的发展方向。

当然要想把隐私计算推广到下一个阶段，其实还需要一些时间。就像我刚才说的，任何一个新技术的推广，都需要时间被更多的人和行业接受。同时隐私计算又是一个很敏感的、和隐私安全相关的一个方向。总体来看，我觉得随着今年各种法规的明确，包括各种企业的进展，我觉得会有更多的会来理解隐私计算的价值。

清华大学交叉信息研究院副教授，清华大学金融科技研究院副院长、区块链研究中心主任，华控清交创始人徐葳：

数据安全的挑战重点是给AI行业和大数据行业，甚至整个数字化行业带来的挑战。那么隐私计算其实不是一个独立的技术，它是为AI这些东西服务的一种基础。

从短期来看，它是有一些技术挑战和有一些需要解决的产品的问题，环境的问题，成本的问题等等。但就像我们说的，我们过去科研里面做了很多探索，解决了很多技术上的问题。但是长远来看，我想这个东西的挑战，仍然在于数据能不能带来价值，我相信这个事情是隐私计算和数据行业共同需要面对的挑战。那么隐私计算或许能够帮助大家把安全和信任这方面的阻碍降低一些，这就是我们希望能做的事。

百度安全产品总经理韩祖利：

数据要素呈现几大趋势特性——规模上升，类型增加，数据价值密度降低，应用场景也在泛化。当代数据安全的核心要义是应对强对抗的安全问题，非对抗安全和内部使用的权限、审计，隐私保护。因此一个方案如果诞生，应具备三个特点：覆盖数据全生命周期，一体化的集中治理平台，和合规的数据使用、流通形式。

建信金融科技有限公司创新实验室总经理王雪：

金融机构在开展信贷业务过程中，客户画像等场景下均对多方数据融合有着关键需求。在隐私计算技术出现之前，更多是通过数据直联等方式接触到外部数据。在数据隐私保护这一趋势下，随着全球数据保护法律法规的成熟，机构面临数据合规监管的压力远超以往。隐私计算可以在确保数据保密性和隐私的同时，实现数据共享。

具体而言，我们在建设的平台叫数易联平台，这一平台下，我们支持联合查询、联合运算和联合建模。其也具备数据隐私保护、可追溯可审计、部署灵活、分布式计算的优势。

星云Clustar CEO陈沫：

金融行业数字化水平在快速提高，这也意味着金融业非常需要其他行业的数据来为其赋能，所以如何实现多方数据融合成为挑战。

当前，很多金融机构特别是中小银行更需要一站式的解决方案：除了数据融合，还要解决算力瓶颈。所以对于中小银行的痛点，星云Clustar给出全栈式的解决方案，并且公司也专注于底层技术，未来会持续加大密码学等硬核技术的突破。



来源：真梓