2021年中国隐私计算市场研究报告.pdf

2021年中国隐私计算市场研究报告蓝海壮阔，扬帆起航出品机构：甲子光年智库研究指导：宋涛研究团队：马诗晴、彭子珉发布时间：2021.12C O N T E N T S隐私计算市场现状隐私计算技术分析隐私计算应用场景发展趋势展望隐私计算变革010203040531.1市场环境分析个人隐私、产业机密数据保护日趋完善，为隐私计算发展提供制度支撑p近年来，一系列政策出台和布局落地，从法律层面明确了数据安全和个人隐私保护的重要性。隐私计算及其相关技术作为平衡数据利用和安全的重要方式，多次被政府等国家监管部门在相关政策文件中提及。发布时间文件名文件类型发布机构核心内容2016年11月网络安全法法律文件第十二届全国人民代表大会常务委员会第二十四次会议强调收集的用户信息严格保密，维护网络数据的完整性、保密性和可用性，实行网络安全等级保护制度2016年12月大数据产业发展规划（2016-2020年）政策文件工业和信息化部支持企业加强多方安全计算等数据流通关键技术攻关和测试验证2019年9月金融科技发展规划（2019-2021）政策文件中国人民银行提出利用多方安全计算技术提升金融服务安全2019年9月工业大数据发展指导意见（征求意见稿）政策文件工业和信息化部在工业领域积极推广多方安全计算技术2020年2月个人金融信息保护规范政策文件中国人民银行对个人金融信息保护提出了具体明确的要求2020年4月关于构建更加完善的要素市场化配置体制机制的意见政策文件中共中央，国务院将数据列为一种新型生产要素2021年5月 中国一体化大数据中心协同创新体系算力枢纽实施方案 政策文件国家发改委、中央网信办、工业和信息化部、国家能源局提出“试验多方安全计算、区块链、隐私计算、数据沙箱等技术模式，构建数据可信流通环境，提高数据流通效率2021年6月数据安全法法律文件第十三届全国人民代表大会常务委员会第二十九次会议强调数据安全与开发利用并重，确立数据分类分级管理制度，多种手段保证数据交易合法合规2021年7月网络安全产业高质量发展三年行动计划（2021-2023）（征求意见稿)政策文件工业和信息化部提出推动隐私计算等数据安全技术的研究攻关和部署应用，促进数据要素安全有序流动2021年8月个人信息保护法法律文件第十三届全国人民代表大会常务委员会第三十次会议强调个人信息在数据流通过程中的安全合规数据来源：甲子光年智库整理；41.1市场环境分析数字经济版图持续扩张，隐私计算产业顺势成长p根据甲子光年智库测算，2025年中国数字经济核心产业增加值规模将达13.4万亿。在数字经济发展背景下，深挖数据价值、保护数据全生命周期安全成为重中之重，隐私计算产业得以在这一浪潮中乘风而起。6.9 7.5 7.9 8.8 9.8 10.9 12.0 13.4 7.5%7.6%7.8%8.2%8.6%9.0%9.5%10.0%2018201920202021E2022E2023E2024E2025E数字经济核心产业增加值规模（万亿元）增长率图：2018-2025年中国数字经济市场规模数据来源：甲子光年智库，2021；备注说明：数字经济核心产业包括数字产品制造业、数字技术应用业、数字要素驱动业、数字产品服务业；51.1市场环境分析数据要素市场改革推动数据协同模式、商业模式转变p2020年4月，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，将数据同土地、劳动力、资本、技术等传统生产要素并列，作为一种新型生产要素参与分配。伴随着数据要素市场改革推进，传统数据流通机制进一步升级，数据协同模式由一次交易向多次安全应用演进。此外，数据要素市场改革推动了数据产业的商业模式创新，从而对数据安全也提出了新出的需求。通过数据交易平台对数据所有权进行交易1.0 模式：数据包时代2.0 模式：明文数据API接口时代将加工处理完的单方结果数据以API（应用程序接口）形式输出3.0 模式：隐私计算时代通过协议或算法使得数据计算服务在不泄漏原始数据的前提下充分挖掘数据价值，实现数据所有权与使用权的分离直接交易模式授权转移模式数据市场模式一般数据平台模式具备授权和问责式数据平台模式数据银行模式图：数据协同模式演进图2:七种数据交易商业模式数据来源：甲子光年智库，2021；数据信托模式61.1市场环境分析企业数字化进程面临数据安全困境，隐私计算需求迫切p随着企业数字化转型深入渗透，企业累计数据资产增多，平均数量级达到3.2PB，海量数据资产一方面意味着存在大量价值等待挖掘，另一方面意味着对数据安全防护能力提出了更高的要求，隐私计算的应用能够帮助实现数据“可用不可见”。企业数字化需求高图1：企业数字化需求度数据资产累积多5%4%36%18%12%16%8%5TB以下5TB-10TB10TB-100TB100TB-500TB500TB-1024TB1PB-10PB10PB以上图2：企业累积数据资源分布情况3.2PB平均数据量级39%32%30%27%20%16%缺乏完整的安全体系数据风险应对机制落后缺乏健全的数据安全服务数据治理能力弱系统高度离散缺乏统一管控防护数据可控性受限数据安全面临多重挑战高需求31%有需求60%无需求9%图3：企业数据安全困境数据来源：甲子光年智库，2021；7p从20世纪80年代多方安全计算提出至今，隐私计算相关技术发展已经将近半个世纪，商业化也已经十余年。2021年以来，相关政策出台催化了行业发展进程，隐私计算行业开启加速发展模式。1.2隐私计算发展历程技术发展近半个世纪，商业化进程开启加速模式20世纪80年代姚期智等人提出多方安全计算2008年第一家专攻多方安全计算解决方案的技术厂商Partisia在丹麦成立2011年-2015年微软开始深入研究多方安全计算王爽教授提出全球首篇医疗在线联邦学习底层框架文献；全球iDash国际安全计算竞赛发起；英特尔推出Intel SGX2016年国内开始出现独立的隐私计算商业项目谷歌提出联邦学习2018年微众银行开发了全球首个工业级联邦学习开源框架FATE2021年关键信息基础设施安全保护条例、数据安全法、个人信息保护法开始实施隐私计算迎来融资热潮，行业发展全面加速数据来源：甲子光年智库整理；图：隐私计算发展历程81.3隐私计算特征致力于实现数据“可用不可见”，破解数据保护与应用矛盾p隐私计算（Privacy Computing）是“隐私保护计算”（Privacy-Preserving Computation）的简称，有时也被称为“隐私增强技术”（Privacy-Enhancing Computation），指的是由两方或者多方联合计算的技术或系统，参与方在不泄露各自数据的前提下通过协作对数据进行联合学习和联合分析，且计算结果可被验证。p数据价值挖掘对于个人、企业、政府来说具有显著意义，而如何兼顾数据应用和安全，平衡效率和风险是数据价值挖掘过程中的核心问题，隐私计算有助于破解这一难题。个人消费者企业政府随着个人信息保护法落地，提升个人数据所有权，实现授权机制下的数据使用是大势所趋。隐私计算能够降低个人隐私数据在应用过程中泄密风险。数据作为一种生产要素，越来越多的业务场景需要多方数据流通和共享，打破“数据孤岛”。隐私计算能够兼顾多方协作过程中的安全性与效率性。数据开放已成为提升政务服务的关键。隐私计算能够在保障数据安全的同时，增强全社会的数据协作，推动数据要素赋能产业升级。数据来源：甲子光年智库，2021；91.4隐私计算行业发展痛点行业生态发展处于早期，政策、技术、商业模式仍需成长适配p 由于正处于发展早期，隐私计算产业在走向壮大的过程中面临许多挑战。比如政策和法规落地的迟滞；技术和产品成熟度欠缺；未来商业模式走向不明晰等。数据源数量和质量法律法规落地算力安全性计算精度数据源是隐私计算的基础，获取足够多的数据源才能展开更多应用。目前，隐私计算网络上数据源节点占比较低。并且，数据源中存在数据质量不高的问题，比如数据缺失、数据错误等，均将影响计算结果。隐私计算所采用的一些密码学加密算法，对于平台的算力和通信开销很大，尤其是在面临跨行业、大规模、多模态的计算任务时，往往是以牺牲性能换安全，需要算力平台从通用型向专精型演进。隐私计算对于数据调用的全链路安全要求提升，比如数据安全、密码安全、模型安全、协议安全等。随着对应用场景深入，隐私计算对计算精度的要求持续提升，比如同态加密技术中，如何解决复杂函数的浮点运算等。2021年以来实施数据安全法和个人信息保护法，但数据分级、技术标准落地应用仍需时日。商业模式目前商业模式有待进一步分野，销售模式、服务模式、分润模式等商业模式仍然缺少标杆性案例。数据来源：甲子光年智库，2021；C O N T E N T S隐私计算市场现状隐私计算技术分析隐私计算应用场景发展趋势展望隐私计算变革0304050201112.1隐私计算产业链分析隐私计算行业玩家丰富，各领域企业跑马圈地p 隐私计算产业链包括数据提供方、隐私计算厂商、数据使用方、第三方应用提供商、监督方五大角色。其中，数据提供方、隐私计算厂商、数据使用方是主要角色，分别占据产业链上中下游。第三方应用将为这三大角色提供技术支持也能参与分润，监管方则对产业链各环节进行监管，有时也作为数据源存在。数据使用方隐私计算厂商数据提供方第三方应用提供商医疗机构金融机构政府初创专精型厂商人工智能/金融科技厂商互联网厂商区块链厂商网络安全/大数据厂商人工智能厂商大数据服务商医疗数据各级医院、医保机构、医药公司等金融数据各级金融机构、银联、互联网公司等政务数据各地大数据局、税务、司法、工商等云厂商监管方经信委网信办银保监会卫监委数据来源：甲子光年智库，2021；122.2隐私计算市场竞争格局大型厂商占据先发优势，顶尖科研背景初创型企业潜力无限p 目前，隐私计算市场正面临一片蓝海，从隐私计算总体竞争格局来看，第一象限企业包含各类型隐私计算厂商。蚂蚁集团、微众银行等大型厂商具备技术和市场积累，在竞争中具有一定先发优势，而像锘崴科技、瑞莱智慧等厂商，凭借顶尖科研团队，能够在市场竞争不充分时占领一席之地。蚂蚁集团微众银行技术领先性市场竞争力图：隐私计算厂商市场竞争格局潜力象限数据来源：甲子光年智库，2021；富数科技瑞莱智慧PlatON锘崴科技洞见科技趣链同态信息致星科技百度翼方健数华控清交蓝象智联冲量在线慢雾科技神谱科技矩阵元同盾控股132.2隐私计算市场竞争格局金融科技大厂专利数量积累丰富，初创专精型企业是技术提供主力军p 甲子光年智库通过统计隐私计算核心技术专利数量TOP15申请人，从专利数量来看，蚂蚁集团、微众银行、平安科技等金融科技大厂占据优势；从厂商数量来看，初创专精型厂商占据半壁江山。672 258 115 92 58 57 45 38 38 37 28 19 16 15 12 蚂蚁集团微众银行华为腾讯科技华控清交平安科技翼方健数百度致星科技同态信息趣链科技洞见科技锘崴科技矩阵元瑞莱智慧图1：隐私计算核心技术专利数TOP15企业数据来源：智慧芽、甲子光年智库，2021年；图2：隐私计算核心技术专利申请人TOP15各类型企业占比初创专精型厂商,40%人工智能/金融科技厂商,27%互联网厂商,20%区块链厂商,13%142.3隐私计算市场规模2025年整体市场规模超200亿元，2021-2025年CAGR超100%p 随着中国大数据产业发展以及隐私计算技术不断实现商业化，隐私计算市场规模将持续增长。目前数据使用方支出主要为产品及服务费，根据甲子光年智库测算，到2025年该领域市场将超过200亿，2021年至2025年年均复合增长率达133.4%。图：2020年-2025年中国隐私计算市场规模（单位：亿元）数据来源：甲子光年智库，2021；4.0 7.4 25.9 67.4 133.5 220.3 400.0%250.0%160.0%98.0%65.0%54.0%20202021E2022E2023E2024E2025E市场规模（亿元）增长率152.3隐私计算市场规模初创专精型厂商和人工智能/金融科技厂商是主力军，金融行业占比最高p 根据甲子智库统计，2021年各领域隐私计算厂商中，初创专精型厂商市场规模总量最高，其次是人工智能/金融科技厂商；从聚焦行业来看，金融行业占比最高。初创专精型厂商,31%人工智能/金融科技厂商,22%区块链厂商,21%互联网厂商,14%网络安全/大数据厂商,10%金融,39%政务,28%医疗,22%其他,10%图1：2021年各领域隐私计算厂商市场规模占比图2：2021年隐私计算各行业市场规模占比数据来源：甲子光年智库，2021；162.3隐私计算市场重点行业规模：金融、政务、医疗p 甲子光年智库通过对金融、政务、医疗领域隐私计算市场规模进行测算，2021年至2025年，年均复合增长率均在130-150%左右，呈现高速增长态势。图1：2020-2024年隐私计算金融领域市场规模（单位：亿元）图2：2020-2024年隐私计算政务领域市场规模（单位：亿元）图3:2020-2024年隐私计算医疗领域市场规模（单位：亿元）0.3 1.7 5.9 17.3 38.5 61.6 2020 2021E 2022E 2023E 2024E 2025E0.6 2.1 6.5 18.1 37.6 59.5 2020 2021E 2022E 2023E2024E 2025E0.62.911.13170.5116.22020 2021E 2022E 2023E 2024E 2025E数据来源：甲子光年智库，2021；172.4隐私计算产业图谱p 目前，隐私计算已经成为各领域企业跑马圈地的赛场，互联网厂商、人工智能/金融科技厂商以及网络安全/大数据厂商基于其原有资源生态和技术路线，切入到隐私计算领域。初创专精型厂商则专注于提供隐私计算技术和服务；区块链厂商基于原有技术积累，开始在隐私计算领域寻求第二条增长曲线。互联网厂商人工智能/金融科技厂商网络安全/大数据厂商初创专精型厂商区块链厂商C O N T E N T S隐私计算市场现状隐私计算技术分析隐私计算应用场景发展趋势展望隐私计算变革0205010304193.1隐私计算核心技术p 隐私计算不是某一具体技术，其由密码学、人工智能、安全硬件等许多领域交叉融合而成。从技术原理上看，隐私计算主要分为密码学和安全硬件两大领域。密码学技术目前以多方安全计算为代表，同态加密还在研发早期；安全硬件领域主要指可信执行环境；此外，还有由人工智能和密码学衍生出的联邦学习等技术。联邦学习（FL）l2012年，王爽教授开创性地提出了全球首篇医疗在线联邦学习底层框架的文献；l2016年，Google提出联邦学习在移动互联网上应用的概念，联邦学习技术开始广为人知；l2018年，微众银行应用“联邦学习”技术，发布开源项目FATE。可信执行环境（TEE）同态加密（HE）多方安全计算（MPC）l1978年，随着非对称式加密算法RSA出现，同态加密的概念被首次提出l2009年，Gentry提出首个实用全同态加密算法，标志着全同态加密时代开启l2017年，国际同态加密标准委员会成立。l1982年，姚期智提出百万富翁问题，引入安全两方计算；l1987年，GMW将安全两方计算拓展到多方安全计算；l2008年，多方安全计算技术首次被应用到拍卖比价过程中；l2019年，由阿里巴巴牵头的MPC联盟成立，并推进相关IEEE国际标准。在保障大数据交换时的信息安全、保护终端数据和个人数据隐私、保证合法合规的前提下，在多参与方或多计算结点之间开展高效率的机器学习。在保障隐私的前提下，多个参与方各自输入信息，并得到一个运算结果。多方安全计算的实现包含多个关键的底层密码学协议或框架，主要包括不经意传输、混淆电路、秘密分享等。基于硬件防护能力的隔离执行环境中计算，实现数据安全和隐私保护功能。对密文进行特定的代数运算后得到仍然是加密的结果，将其解密所得到的结果与明文计算的运算结果一样。l2009年，OMTP提出TEE标准；l2015年，Intel发布首款商业化支持TEE方案的CPU Intel SGX；l2018年，Mesa TEE借鉴方案；l2020年阿里巴巴发布Occlum TEE系统。人工智能密码学安全硬件203.2技术成熟度分析多方安全技术计算发展最为成熟，其他技术均处高速成长期技术可信执行环境多方安全计算同态加密联邦学习性能高低中低高通用性中高中低高效性中中高低准确性高高高中高保密性中高高高中整体描述通用性强，性能佳，但需要信任芯片厂商（Intel、ARM）等通用性强，安全性高，研究时间长，性能不断提升，目前应用广泛计算开销大，通信开销小，安全性高，开发难度大，目前实用性较低综合运用密码学各类方法，应用已进入相对成熟阶段技术成熟度处于技术发展快速成长期已达到技术成熟的预期峰值处于技术创新早期，快速发展阶段处于技术发展快速成长期2820191356%40%38%26%多方安全计算可信执行环境联邦学习同态加密企业数量占比图：隐私计算服务商技术分布及占行业整体数量比重p 甲子光年智库根据对50家隐私技术服务商核心技术分析，56%的厂商应用了多方安全计算技术，其次是可信执行环境、联邦学习、同态加密。从技术成熟度来看多方安全计算已经达到成熟的预期峰值，可信执行环境和联邦学习均处于高速发展阶段，同态加密处于早期快速发展阶段。图：隐私计算核心技术发展情况数据来源：甲子光年智库，2021；213.3技术架构分析为底层计算到数据运营全流程安全保驾护航p 技术架构可分为平台层、计算层、安全层、应用层和运营层，平台层由云厂商组成，大多数隐私计算服务商覆盖计算层、安全层，应用层厂商则需要与金融、医疗场景深度融合，运营层则侧重于数据流通过程中的运营服务。图：隐私计算平台技术架构体系安全层计算层 数据模型安全平台层运营层 用户安全 计算安全 结果安全应用层 数据查询 联合模型 模型评估 安全决策 深度学习 目标匹配 统计分析 统计决策 公有云 私有云 混合云 联盟学习 隐私计算 区块链 数据查询 数据分析 模型结果分析 数据授权 数据管理 数据追溯 数据托管 数据流通典型代表数据来源：甲子光年智库，2021；223.4产品形态分析：平台类产品为市场主力特点一种是数据流通基础设施平台，提供底层技术平台，一般不直接接触数据和提供具体应用开发服务；另一类则与业务结合紧密主要应用于业务场景，比如智慧风控、疾病防控、新药研发等受限于对国外芯片的强依赖，国内该产品较少，但仍有部分厂商已开始开展在国产化硬件方面的合作探索基于多方安全计算的隐私计算平台基于联邦学习的隐私计算平台可信执行环境类产品代表厂商产品类型平台类产品硬件安全产品数据来源：甲子光年智库，2021；p 目前市场上隐私计算产品以平台类产品为主，主要包括基于多方安全计算的隐私计算平台、基于联邦学习的隐私计算平台以及可信执行环境类产品。其中，基于联邦学习的隐私计算平台在金融领域应用广泛。C O N T E N T S隐私计算市场现状隐私计算技术分析隐私计算应用场景发展趋势展望隐私计算变革0205010403244.1商业模式分析销售和服务模式为主，多种模式混合搭配p 目前，隐私计算服务商主要有三种商业模式，通常三种模式混合搭配。由于行业发展处于早期，对于大多数公司来说，软硬件以及服务是主要的营收来源。随着数据源节点不断丰富、行业生态日趋完善，隐私计算服务商与数据使用方或提供方合作，能够获得长期持续性收入。软硬件销售模式服务模式分润模式图：隐私计算主要商业模式一次性收取产品、系统搭建费按年度收取系统维护费用与数据使用方联合运营方，与数据提供方合作，实现利润共享模式一模式二模式三数据来源：甲子光年智库，2021；254.1商业模式：软硬件销售模式/服务模式硬件产品软件产品主要特点l 产品类型：隐私计算一体机、隐私计算平台、FPGA加速卡l 维护和服务：算法和模型更新，按年度收取服务费l 收费方式：根据客户需求按照系统所消耗的计算存储资源、数据源节点数量收费，每单数十万到数百万不等。典型企业及其产品数据调用销售隐私保护及其学习平台RealSecure锘崴信隐私计算平台星云Cluster隐私计算软硬件一体机PrivPy多方安全计算平台维护和服务数据使用方业务应用隐私计算技术服务商数据提供方数据来源：甲子光年智库，2021；图：隐私计算软硬件销售/服务模式264.1商业模式：分润模式l 收费方式：1）早期数据使用方无需承担大额平台系统搭建费用，技术服务方从数据使用方业务应用的收益中分润；2）根据数据使用方的数据调用量，从数据源收益中分润；3）目前该模式还在探索当中，还未被广泛使用。主要特点隐私计算技术服务商数据使用方数据提供方数据源分润收益分润业务应用数据来源：甲子光年智库，2021；图：隐私计算分润模式274.2应用行业分类政务、金融、医疗为主要应用行业p 从50家隐私计算服务商服务客户领域来看，占比较高的有金融、政务、医疗、营销等，其中金融占比较高，达39家，其次是政务、医疗。39292282278%56%44%16%4%4%金融政务医疗营销电信互联网企业数量占比图：隐私计算各行业应用企业数量及占整体企业数量比重数据来源：甲子光年智库，2021；284.2应用行业分类各领域有代表性场景出现，大量场景仍待挖掘落地政务数据能力开放、一网通管、联合安防、政企互联、智慧医疗、智慧城市、应急管理和应急响应等金融医疗联合征信、精准营销、联合风控、客户画像等新药研发、临床辅助诊断、疫情防控、基因分析、医保风控、科研、医疗AI等数据来源：甲子光年智库，2021；p 目前隐私计算各领域场景应用比较单一，比如金融领域多集中于风控和营销，医疗集中于疫情防控、医保风控等。未来在这些赛道还有大量场景可以挖掘。294.3典型厂商分析：锘崴科技p杭州锘崴信息科技有限公司(锘崴科技)团队由联邦学习开拓学者王爽教授、前硅谷知名科学家和工程师组成。锘崴科技致力于为我国开发一整套自主、安全、可控的隐私计算基础设施平台，实现数据“可用不可见”和”数据不动价值动“的新型计算范式，赋能医疗、保险等多个行业，促进多方的数据协作和计算。技术能力 联邦学习 可信执行环境 多方安全计算 同态加密标杆客户医疗金融政务l 2011年开始研究隐私计算，2013年开创性地提出了全球首篇医疗在线安全联邦学习底层架构l 隐私计算领域发表超300余篇学术论文，总引用量超2万余次行业应用农村精准扶贫医保核保或者医保控费政务数据开放共享生物基因联合分析医学影像分析及辅助诊断医疗数据匿踪查询临床数据多中心研究多中心跨机构金融联合征信及风控交易策略隐私保护及知识库联合营销、供应链金融数据来源：锘崴科技；304.3典型厂商分析：锘崴科技容器化、云原生部署+端部署服务安全/健康监控各组件/各层级的高可用、松耦合各种虚拟机或物理机的部署多种CPU及国产化架构部署灵活强大技术平台通用平台-支持自主开发应用软硬件结合，联邦学习、MPC、同态加密等技术集成方案面向政务、金融、医疗、安防等行业垂直应用场景解决方案支持横向扩展和数据并行，TB级数据处理能力支持细粒度并行计算支持多种高级开发语言常用数学计算函数库机器学习、深度学习算法库特定行业（医疗、金融等）算法库开发-授权-发布全流程方案具有完备计算及结果可以验证证明支持恶意安全假设模型数据应用授权管理流程系统通信安全：SSL、CA认证等开发便利安全保证兼容国际开源和国产密码体系支持区块链存证审计功能，且可替换核心协议设计简洁，支持可信第三方开放p锘崴科技以锘崴信隐私计算平台为核心，包括医疗保险（NovaVita），金融(NovaFintech)、政务（NovaGov）等系列产品。产品具备部署灵活、强大技术平台、开发便利等特征。锘崴信隐私计算平台数据来源：锘崴科技；代表产品产品特色314.3典型厂商分析：瑞莱智慧p瑞莱智慧RealAI是第三代人工智能技术基础设施和解决方案提供商，提供一站式赋能平台。其隐私保护计算平台RealSecure是一款基于安全多方计算、联邦学习、匿踪查询等核心技术打造的数据安全共享基础设施，能够帮助金融机构完成联合风控、联合营销、联合科研等跨机构数据合作任务。联邦学习 多方安全计算 匿踪查询l 团队孵化自清华大学人工智能研究院，由张钹院士、朱军教授共同担纲首席科学家。自主研发的联邦AI编译器直观可验证的安全性智慧风控智能营销隐私保护计算平台RealSecure联合科研代表产品应用场景技术能力数据来源：瑞莱智慧；324.3典型案例分析锘崴科技：基于隐私保护的超大规模医学科研网络p锘崴科技基于隐私保护的超大规模医学科研网络pSCANNER在全球属于首创，该项目始于2014年，通过创建一个大型、具有高度代表性的医疗网络来辅助临床结果研究，提高国家进行比较有效性研究（Comparative Effectiveness Research）的能力。来自17个卫生系统超过三千万人?OMOP?pSCANNER 利用联邦学习等隐私计算技术，通过“数据可用不可见”的方式，连接了17家现有医疗卫生系统的数据源，覆盖了超过 3700 万患者。方式一：不同的数据源的数据脱敏后，汇总进行分析传统数据共享方法pSCANNER通过使用可扩展的联邦式网络基础设施以及新颖的隐私计算能够对从多中心临床数据库收集的数据进行近乎实时的比较有效性研究和前瞻性分析。OMOP公共数据模型方式二：数据存在不同数据源的沙箱进行独立分析，对于分析结果通过荟萃分析的方式整合影响数据质量影响时效性影响数据的覆盖范围基于每个数据源的独立结果的荟萃分析的精度有限，影响实验结果。数据来源：锘崴科技；334.4典型案例分析瑞莱智慧：联邦反欺诈建模和黑名单共享案例p风控一直被视为银行的核心能力，数据是关键要素，但是银行自身能拥有与收集到的数据只是“小数据”，尤其在合规要求下，各家机构面临“不愿、不敢、不能”共享数据的困境，导致无法支撑效果优异的风控模型。瑞莱智慧通过隐私计算保护平台RealSecure，让参与方银行完成数据安全合规的互联对接。在此基础上，基于横向联邦和匿踪查询等功能分别实现了反欺诈模型共建和黑名单共享，帮助银行机构提升风控能力。0.71 0.72 0.74 0.23 0.32 0.36 银行A银行B联邦建模aucks图：应用RealSecure前后银行反欺诈效果差异使用隐私保护计算平台，银行A和银行B可以分别准备相关反欺诈样本数据，包括标签和特征，上传至隐私保护计算节点，通过横向联邦的方式，基于双方银行准备的反欺诈样本数据进行特征对齐及建模。在双方数据可用不可见的情况下，构建一个双方可用的效果更优的反欺诈模型。基于匿踪查询技术，银行之间可发起隐私黑名单查询服务。匿踪查询技术是在发起方不暴露查询ID的前提下，能够获得该ID在其他机构的信息。查询方可获得黑名单信息的密文结果，并解密获得和名单标签信息。在黑名单共享匿踪查询场景中，银行拥有数万量级黑名单的情况下，匿踪黑名单服务单次查询的平均耗时为720ms，通信数据量为420M，满足了业务场景时效性的要求。图：数据来源：瑞莱智慧；银行间基于匿踪查询技术查询黑名单示意图RealSecure横向联邦交易反欺诈示意图应用客户应用效果核心技术C O N T E N T S隐私计算市场现状隐私计算技术分析隐私计算应用场景发展趋势展望隐私计算变革0204010504355.1技术发展趋势区块链技术、联邦学习深度应用，开源框架开创新商业模式p 隐私计算行业在中国发展正处于发展早期，底层技术很大程度影响产品的性能和功能，一方面多方安全计算等密码学技术将不断迭代发展；另一方面，区块链、联邦学习与密码学相关技术的融合成为未来发展趋势。此外，未来开源框架将如何推动产业发展、构建新的商业模式同样值得期待。区块链技术联邦学习隐私计算和区块链能够形成互补的技术体系。隐私计算解决的是计算过程可信问题，但不能确保数据本身可信。引用区块链技术能够解决这一问题。数据使用方能够将得到的加密信息在区块链中进行验证，既能确保数据真实性又能确保安全性。联邦学习最大的特点是能够在数据不出本地的前提下，构建共有模型，其或将成为下一代人工智能协同算法和协作网络的基础。目前，其与隐私计算重合度越来越高，尤其在金融领域应用广泛。开源框架中国隐私计算开源是从微众银行的FATE开始。开源一方面能够帮助产业发展，另一方面开源的企业也能从中获利。未来，开源将逐渐发展成熟的商业模式，比如以软件的运维、部署盈利，或以订阅制的方式收费。数据来源：甲子光年智库，2021；365.2产品发展趋势构建安全数据底座，健全数据要素关键基础设施建设p 隐私计算核心是为了解决数据流通和使用问题，未来3-5年内，隐私计算有望成为数据要素市场建设的关键基础设施，一批隐私计算厂商将致力于打造数据底座，并逐步按照数据流量进行收费。夯实产业发展基础。适度超前部署通信、算力、融合等新型基础设施，提升技术攻关和市场培育能力，发挥标准引领作用，筑牢产业发展根基。“十四五”规划提到：隐私计算数据底座特征 数据安全流通的“高速公路”，按照数据流量进行收费；倾向于为其他公司提供底层技术平台，一般不直接与业务应用进行关联。数据来源：甲子光年智库，2021；375.3投融资趋势早期投资占比高，短期内资本仍将聚焦金融、医疗、政务三大领域p对隐私计算厂商融资情况分析，我们可以发现早期轮次的企业数量占比最高，其次是战略融资/股权融资以及Pre-IPO/IPO阶段企业占比较高，整体行业呈现出“两头大，中间小”的趋势。随着早期轮次企业发展，我们可以预计2022年隐私计算行业Pre-B/B/B+轮企业数量将有所增加。p在已经融资的企业当中，由于金融、医疗、政务三大领域具备广阔成长空间，因而备受资本青睐，短期内资本投资将在这三大领域集中。未来，伴随各行业相关规范落地、技术应用成熟，隐私计算将向其他领域渗透。36%28%16%10%8%2%天使/Pre-A/A/A+轮战略投资/股权融资Pre-IPO/IPO未融资Pre-B/B/B+/轮Pre-C/C/C+/Pre-D/D/D+轮图1：隐私计算厂商最新一轮融资轮次占比72%56%42%14%4%金融医疗政务零售互联网图2：已融资隐私计算厂商涉及行业占比数据来源：甲子光年智库，2021；385.4未来行业应用趋势数字经济发展是推手，数据治理是刚需，隐私计算渗透万亿产业蓝海p目前，隐私计算应用只窥见冰山一角，随着数字经济发展，发挥数据价值、保护数据安全对于各行业来说都是刚需。未来隐私计算行业发展一方面基于已布局行业的持续性开拓，比如医疗、金融领域还有许多应用场景可以挖掘；另一方面，伴随着应用成熟，隐私计算应用也能向其他领域拓展。根据2021年中国数字经济核心产业值增加规模，数据产品制造业占比超一半，未来将有大量的需求在制造业领域释放；除此之外，农业、教育、互联网等行业仍具备想象空间。工业工业数据不仅涉及企业商业机密与竞争信息，更关乎国家安全。工业生产智能化需要更多工业生产数据的统计分析，隐私计算若能应用在工业领域，将解决这一难题。51%24%15%10%100%数字产品制造业数字技术应用业数字要素驱动业数字产品服务业整体图1：2021年中国数字经济核心产业增加值各领域占比农业教育互联网图2：隐私计算未来行业应用数据来源：甲子光年智库，2021；谢 谢T H A N K Y O U