来源：金融时报李国辉
不同历史时期有着不同的核心生产要素，农业社会的核心生产要素是土地和劳动力，工业社会的核心生产要素是资本、技术与管理，而如今的数字经济时代，数据成为核心生产要素之一。近期国务院办公厅印发《要素市场化配置综合改革试点总体方案》，围绕土地、劳动力、资本、技术、数据等要素市场化配置改革提出了8个方面任务。
“数据天然是数字经济的核心要素。但数据不会天然成为生产要素，要解决两个核心问题才会真正成为生产要素。一是流通，二是确权。”华控清交董事长兼CEO张旭东表示。
上海市：探索借助区块链、隐私计算等新技术，加强公共数据安全保护技术能力:据上海市人民政府官网1月13日消息，为深入贯彻党中央、国务院关于数字中国建设的战略部署，全面落实市委、市政府关于全面推进上海城市数字化转型的要求，加强数字政府建设，推进治理数字化转型，制订了推进治理数字化转型实现高效能治理行动方案。优化安全制度保障，按照相关法律法规要求，落实数据分类分级保护、信息安全等级保护和个人信息保护制度，健全安全风险评估、安全责任落实、安全应急处置等相关机制。加强安全技术运用，探索借助区块链、隐私计算等新技术，加强公共数据安全保护技术能力。[2022/1/13 8:47:26]
《方案》在“探索建立数据要素流通规则”方面中提出了四项任务：完善公共数据开放共享机制；建立健全数据流通交易规则；拓展规范化数据开发利用场景；加强数据安全保护。其中特别提到，探索“原始数据不出域、数据可用不可见”的交易范式，在保护个人隐私和确保数据安全的前提下，分级分类、分步有序推动部分领域数据流通应用。
波卡生态身份协议Litentry与隐私计算平台zCloak Network达成合作:据官方消息，波卡生态身份协议Litentry宣布与波卡生态隐私计算平台zCloak Network达成合作。根据合作协议，zCloak Network将使用零知识证明为Litentry中聚合的用户身份数据提供隐私保护。[2021/4/16 20:28:04]
数牍科技资深数据安全专家裴超表示，“原始数据不出域、数据可用不可见”的描述正对应着近两年崛起的隐私计算技术。《方案》的出台，对于隐私计算及相关产业是一个重大利好信号。
香港科技大学智能网络系统实验室主任、副教授、星云Clustar创始人陈凯表示，开展隐私保护计算技术创新与成果应用是落实国家数据要素市场化配置改革要求的有益举措。
Jerry：CyberVein用加密隐私计算破解数据隐私难题，实现数据价值:12月2日消息，CyberVein的中国区运营理事Jerry在《区块链开源技术（中国行）》活动上发表了《大数据的加密隐私计算》的主题演讲，并在圆桌论坛环节就“加密隐私计算”和“跨链”两大区块链底层通用技术发表了个人看法。
Jerry表示：“加密隐私计算能做到不泄露原始数据，在保护数据隐私安全的前提下，实现多个维度数据的跨界融合，破解数据保护与数据应用之间的矛盾！”
同时，Jerry表示CyberVein的加密隐私计算通过与分布式算力和联邦学习的通力合作，可以实现数据的所有权和使用权分离，促进数据资产化；让CyberVein的DAVE 作为桥梁，打破数据孤岛，也打破城市孤岛；让CyberVein新创的DAVE数据交换机在智慧城市的搭建中发挥数据最大潜力。[2020/12/2 22:51:29]
实现“数据不动价值动”
谢翔博士：区块链和隐私计算既相对独立又必须联系在一起:在“对话首席”视频直播活动中，区块链技术是否天生适合隐私计算的问题，PlatON的算法科学家谢翔博士表示：区块链共识的本质是所有数据完全备份，并向所有人公开，从一开始就不具有隐私保护的功能。当然，区块链为我们提供好的东西，有可能提供分布式基础设施，实现支付功能。
因此，区块链和隐私计算是相对独立的，但又必须联系在一起。简单来说，隐私计算在上层和业务联系，能够保护数据的隐私；区块链在下层作为分布式经济体基础设施，提供支付和结算的功能。[2020/3/26]
“传统的公开数据搜集、原始数据共享等都是广义上的数据融合方式，但这些传统融合方式在应用场景、隐私保护等方面存在一定的局限性。”陈凯说。对于这一问题，张旭东表示，传统的信息共享的方法是基于明文数据；而明文数据一旦被看见就会泄露具体信息，难以限制其用途和用量，难以厘清“责、权、利”；这导致了明文数据难以通过供需关系定价，难以大规模市场流通。
以金融业为例，陈凯认为，金融业作为数据密集型行业，其产生和使用的各类金融数据与客户信用水平、资产财产状况等高度相关，涉及消费者个人隐私，如何在确保安全合规的前提下加强融合应用历来是一个两难问题。
张旭东提出，数据的价值，一方面在于其可见的信息价值；另一方面在于其参与计算得出的结果价值，即其计算价值。在大数据、人工智能得以广泛应用的今天，数据的价值被更多的地体现在其计算价值上。
随着科技的进步，依托多方安全计算、联邦学习等隐私计算技术，探索实现“数据可用不可见，数据不动价值动”的数据流通交易新范式，成为数据融合创新的新途径、新方向。所谓隐私计算，是一种由两个或多个参与方联合计算的技术和系统，参与方在不泄露各自数据的前提下通过协作对他们的数据进行联合机器学习和联合分析。在隐私计算框架下，参与方的数据不出本地，在保护数据安全的同时实现多源数据跨域合作，可以破解数据保护与融合应用难题。
落地金融风控等场景
近期，人民银行发布的《金融科技发展规划》提到，在技术方面，积极应用多方安全计算、联邦学习、差分隐私、联盟链等技术，探索建立跨主体数据安全隐私计算平台，在保障原始数据不出域前提下规范开展数据共享应用，确保数据交互安全、使用合规、范围可控，实现数据可用不可见、数据不动价值动。
裴超介绍说，2021年，隐私计算已经在通信、金融、政务等场景尤其是关键基础设施行业开展了探索和实践，一些银行、运营商都进行了立项招标。
根据中国工商银行金融科技研究院协同华控清交共同编写的《隐私计算推动金融业数据生态建设》白皮书，国内隐私计算金融应用领先国际。我国互联网企业、科技公司及金融机构近年来相继研发多款成型隐私计算产品，相关产品呈现平台化发展趋势，技术组合应用日益明显。国内示范场景已包含授信风控、产品营销、移动支付人脸识别、跨境结算、反等。
以银行业为例，风控一直是银行业务运营的一个重要任务。近年来，银行业一直在探索如何在充分保障用户隐私和数据安全的前提下，将高价值数据应用于智能风控业务场景，建设风控模型精细化、用户画像精准化的智能风控能力。
陈凯介绍说，传统风控方式通常采用的是评分卡模型和规则引擎等“强特征”进行风险评分，效率比较低，覆盖范围也比较小。而利用隐私保护计算技术，银行便能合规、安全地引入更多维度的数据优化迭代风控模型，构建贷前价值成长、贷中数字信用及贷后风险预警的全生命周期风控模型，更好地实现精准风控。
来源：金色财经
郑重声明： 本文版权归原作者所有， 转载文章仅为传播更多信息之目的， 如作者信息标记有误， 请第一时间联系我们修改或删除， 多谢。