隱私保護計算平臺全新升級 保護數據隱私和數據安全

作為數字經濟時代的關鍵要素，數據資產的重要性被提升到前所未有的高度。但數據安全、數據孤島等問題讓釋放數據價值掣肘頗多，如何充分保證數據安全并提升數據融合能力已成為一項重要課題。

9月17日，第四屆全球智博會期間，瑞萊智慧發布全新升級的隱私保護計算平臺RealSecure。瑞萊智慧合伙人朱萌表示，隱私計算正成為一項必備的技術基礎，此次發布的平臺能夠在確保數據隱私保護的前提下促進數據流通，實現“數據不出庫、模型多跑路”，以保護數據隱私和數據安全。

數據通過流通共享與協同計算將更好地釋放價值，隨著人工智能等新技術的發展，數據本身的底層價值在快速井噴。但朱萌表示，現有的數據流通模式面臨三大困境，一是數據權屬的不可分割導致數據擁有方不愿共享，二是針對數據安全的法律框架正全面構筑，監管日漸趨嚴，數據合規風險讓企業機構不敢共享數據，三是技術不成熟與協議不統一導致數據仍無法實現互通互聯，數據資產割裂、自成體系。

海量數據散落在眾多機構和信息系統中，形成“信息孤島”和“數據煙囪”，數據要素的經濟社會價值無法得到充分發揮。同時在強監管和行業規范的要求下，數據的價值和安全性陷入二元對立的狀態。在此背景下，隱私保護計算為實現數據安全合規的互通互聯提供了技術最優解。

據介紹，該平臺就是一款基于安全多方計算、聯邦學習、可信執行環境等技術打造的數據安全共享基礎設施，通過將計算環節移動到數據端，實現“數據可用不可見”。朱萌表示，“數據不出庫，模型多跑路”是該平臺的核心功能，在數據不出本地、無中間方作為協調者的前提下，完成多方參與的模型訓練并獲得可投入生產的模型，既保障數據隱私安全，又以AI的方式驅動整個數據處理閉環。

當前，隱私計算作為近年來的熱門賽道，各類玩家紛紛入局。但從效果來看，隱私計算市場仍處于早期階段，規模化的商業落地面臨挑戰。朱萌分析，隱私計算不同于傳統機器學習，是分布式與可信芯片、密碼學、人工智能三個領域的結合，在投入商用的過程涉及技術適配的工作。具體來說，大部分隱私計算的技術棧在遇到不同算法時，需要堆人力對算法進行一對一的剖析和改寫，來將其聯邦改造或“隱私計算化”，這就導致這項工作成為一項勞動密集型工作，投入與代價之大。

針對這一問題，平臺通過自研的隱私保護AI編譯器架構實現與傳統算法的自動編譯和一鍵適配。通過將隱私保護計算算法公式表達向更細顆粒度解構，解構成“算子”，基于算子的靈活組合來自動將普通機器學習算法程序轉換為分布式的隱私安全程序，擺脫重復改寫的繁瑣工作，實現機器學習生態與隱私保護計算生態的相統一。

“傳統的做法可理解為‘雕版印刷’，RealSecure平臺實現的是‘活字印刷’，兼容主流機器學習算法，無需改寫，只要調用函數，在編譯器里重新編譯一遍就可以。”朱萌解釋，“可以讓數據科學家以最熟悉的方式使用隱私計算，大幅提升易用性，這也是加速隱私計算落地的最優路徑。”(科技日報記者 付麗麗)

關鍵詞： 數據安全 隱私保護計算平臺 升級 隱私保護