在10月31日，萬向區塊鏈蜂巢學院聯合矩陣元舉辦了“區塊鏈+隱私計算與數據隱私保護”的分享活動，矩陣元高級副總裁謝紅軍發表了《基於MPC的隱私計算如何保障數據隱私》的主題演講，分享了數據面臨的挑戰，帶來的問題，也介紹了MPC算法。通過隱私計算的能力釋放整個數據的價值，使其變得更有價值，帶領大家從技術及商業的角度深入瞭解數據隱私保護。以下為謝紅軍先生演講全文，有部分不影響原意的刪減：

謝紅軍在演講

今天我的演講題目是“基於MPC的隱私計算如何保障數據隱私”，我會分享目前數據隱私的現狀，數據隱私洩露所面臨的問題，以及矩陣元目前正在做的“隱私計算”如何解決這個問題。

數據隱私保護的嚴峻挑戰

隨著互聯網的發展，數據已經成為一種重要的“戰略資源”。大數據環境下，誕生了新型的“流量經濟”，同時催生了大批依賴數據的“廣告”公司。

當前互聯網企業一個重要的盈利模式是：通過採集分析龐大的用戶數據，對用戶進行數據畫像，之後“投其所好”進行“精準”廣告投放，以此獲得不菲廣告收入。

其中，最典型的是我們所熟知的互聯網巨頭Google和Facebook，Google多年的廣告收入佔整體收入的90%以上，而Facebook廣告收入甚至佔到了整體收入的98%。據eMarketer估測，2018年，Google廣告收入較去年將增長14.5%，達到399.2億美元；Facebook廣告收入較去年將增長16.9%，達到210億美元。

數據隱私洩露帶來的問題

科技推動人類文明進步，我們應當充分挖掘並利用數據價值讓生產生活更便捷，但同時也應當看到在數據採集、使用過程中不斷湧現的新問題，如：

1、數據的過度採集和濫用

此前曝出的“大數據殺熟”事件，就是濫用數據的一種表現，部分企業不只是利用我們的數據為我們提供便利，還可能趁我們不注意“宰”我們一筆。

2、數據的管理不規範與混亂

以共享單車為例，最近兩年出現了數十家共享單車公司，每家都收集了大量用戶數據，包括手機號、所在地、騎行路線等等。而那些已經退出業務運營的共享單車公司，他們採集的海量數據現在都在哪裡？這很可能也會引起接下來要講的隱私洩露的問題。

除了大家熟知的Facebook劍橋分析醜聞事件，Facebook最新數據洩露的消息是：9月30日，黑客竊取數字登入碼，侵入了近5000萬用戶的帳號，連扎克伯格本人都未能倖免。

4、數據的流動困難

越來越多的企業、機構把數據視為其核心資產，再加上擔心數據隱私洩露帶來麻煩，不願進行數據共享和交換，形成一個個“數據孤島”。而數據只有充分利用才能發揮價值，不流動的數據只會成為被鎖死在服務器裡的無用代碼碎片。

顯然，數據隱私洩露是最需要被關注的問題。數據利用帶來的便利性，不應該成為犧牲數據隱私性的藉口。尤其是近年來各種數據隱私洩露事件的頻發，人們對數據的隱私保護愈加重視。解決數據隱私保護問題，已經成為企業乃至整個社會必須面對的挑戰。

歐盟已經率先從法律層面對數據隱私保護進行了響應，今年5月25日生效的《通用數據保護條例》（GDPR），被稱為“史上最嚴格的隱私保護”法案，其要求企業必須通過技術手段保護用戶數據隱私，保障用戶對自身數據的控制權。不少國家和地區也表現出了“跟隨”GDPR的趨勢。

站在企業的角度，不論是為了尊重用戶、遵守法律，還是為了保護自身聲譽和利益，都迫切需要找到數據利用和隱私保護之間的平衡方案。

信任與評價

數據的流動、交易，面臨著信任的難題，信任是數據高效流動、交易的基礎。整個數據的生產、服務以及全壽命週期有幾個階段。生產，包括個人、互聯網、物聯網等企業。還有存儲+計算階段，這個階段出現了雲存儲、雲計算公司。還有利用機器學習、人工智能對算法進行操作和處理。

數據越來越多，節點爆發式增長的時候，任何機構、組織、個人沒有能力獲得全域的數據。

我們提出了數據的“三權分立”的概念：第一個是所有方，所有方是數據的產生方，同時也可能是數據的需求方；使用方是需要進行計算的這一方，同時也可能是數據所有方；還有

如何才能解決這個問題？我們應改變單一依賴第三方的信任和制度性、模型化的評價方式，從技術機制上打造新的信任和評價機制，用機器的語言進行統計和評估。

下一代計算架構的對策

矩陣元想打造“計算工廠”和“服務集市”，而不是簡簡單單的數據集市。我們做的一項工作是以電路為表現形式的公共基礎設施，還原計算的本源。我們的整體技術架構包含零知識證明、同態加密、安全多方計算（MPC）等大量密碼學算法，主要通過MPC來實現數據的安全共享與協同計算。MPC其實是密碼學上的概念，由姚期智院士在1982年以“百萬富翁問題”實例提出。MPC價值在於：可以保證在利用數據的同時，最大限度地保護用戶對數據的所有權，避免數據的濫用與隱私洩露。

矩陣元已經在密碼學和區塊鏈相關技術上進行了兩年多的研發投入，今年6月份已經上線了以MPC為核心的JUGO安全多方計算平臺。通過部署MPC節點，各參與方可以在本地數據不被歸集、隱私數據不被洩露的前提下，共同執行既定邏輯的運算，獲取共同想要的數據分析結果。

在MPC整個計算協議執行過程中，各參與方對自身數據始終擁有控制權，只有計算邏輯公開。計算參與方只需參與計算協議，無需依賴第三方就能完成數據計算，並且各參與方拿到計算結果後也無法推斷出原始數據。

我們的實踐

示範項目：強隱私保護數據的協同計算。

項目背景：科研期間研究機構需要採集大量的基礎數據，但因為政策壁壘，數據隱私等約束，機構持有的數據無法交互，造成數據採集工作重複，歷史數據採集難度大，進而導致行業內大量的數據資源沒有得到有效使用和深度分析。

客戶需求：在保護計算數據安全的條件下，強隱私保護數據方之間的協同計算。雙方無法看到對方的具體數據，但同時可以獲取到最終計算結果。

解決方案：在兩地機構的服務器部署JUGO-SDK，任意方使用在JUGO-IDE中編寫的計算邏輯發起計算任務，雙方在JUGO-SDK中輸入計算數據後，執行MPC計算。最終可以指定某一方，或雙方都獲得最終計算結果，MPC計算即完成。在此過程中，雙方數據都未離開本地，除了計算結果以外，無法獲取另一方的任何數據。

除此之外，矩陣元已為廣告、醫療、徵信、機器學習等行業客戶，提供了基於數據隱私保護的跨機構數據分析、多源數據模型訓練、圖像身份認證等多種服務。

歡迎大家持續關注矩陣元的官網，今年年底，我們會做全國性的大型研討會，聚集學術界、技術界、法律界以及業內專業人士，一起來探討數據隱私保護和隱私計算，歡迎大家前來參與。

閱讀更多 萬向區塊鏈 的文章

關鍵字: Google 人工智能 大數據