糖糖隐私计算技术的三大主流门派( 十 )

【糖糖隐私计算技术的三大主流门派】
隐私计算和联邦学习的技术还将逐步与其他不同领域的融合，满足金融征信、供应链?融、物流、存证溯源、物联网及慈善行业等多种应用场景。未来，金融行业数据也将和税务、公安、社保、劳动、社会保障、环境保护、安全生产等政府数据的打通，通过建立在金融行业数据共享以及和政府数据打通基础上的征信系统，打破不同行业的数据孤岛，实现社会运行机制健康发展，对社会生活方式和国家治理能力产生深刻影响
3. 开源与安全性
随着隐私计算作为数据安全流通的解决方案越来越被大数据行业所认知，越来越多的机构开始研发搭建自己的隐私计算系统，甚至出现有些科技公司直接采用开源框架如TensorFlow或者FATE ，包装一下然后推向市场。开源框架作为教学和研究的工具教育了市场，让大数据行业接受隐私计算相关技术，这是功不可没的。同时，开源并不意味着安全，因为对“黑客”或者恶意者也是开源的，在漏洞被暴露、被修补之前必然面临更多的攻击。对于政府机关、工业大数据、金融机构等涉及国家安全的领域，真正要做到安全还是需要经过专业第三方的代码安全审计、权威机构的产品认证和检测。隐私计算项目是否具有自主产权、具备核心技术能力，才是更加重要的安全保障。如果基于TEE、Tensorflow这些国外的核心技术，有可能从一开始就埋下了定时炸弹。
4. 建立互联互通行业标准
虽然隐私计算的目标是打破数据孤岛，但目前却由于不同技术流派和框架不能兼容而形成新的围墙。
因此，行业领导者不仅仅建立隐私计算的框架规范，还需要建立互联互通的接口规范。联邦学习、安全多方计算等都需要对应的接口规范。一个机构无需部署多个系统，而是通过一套接口服务，与外部各种机构进行大数据协同的连接合作。
建立大数据隐私计算和联邦学习生态
行业的健康发展，需要良性循环、正向激励的生态。
一是技术和标准的健康发展。
二是应用场景和商业落地的促进。
三是法律法规的进一步健全。