信息技术

科技日报记者 张佳星

9月2日，十三届全国人大常委会第三十六次会议表决通过反电信网络诈骗法。这部法律自2022年12月1日起施行。

此前，各大银行已经开始搭建隐私计算的产品和框架以期服务于打击电信网络诈骗活动，各反欺诈单位通过密态数据的共享，提升打击电信网络诈骗的精准度和覆盖度。

那么，什么是隐私计算？隐私计算如何满足反电信网络诈骗的任务要求，在其中将发挥哪些作用？

隐私计算让密态数据也能共享

隐私计算等技术被认为可以化解反电信网络诈骗的新难题，其途径之一在保护数据本身不对外泄露的前提下，实现数据分析计算的技术集合，达到对数据“可用、不可见”的目的，从而消除信息“盲区”。

为什么隐私计算可以“不见”数据而使用数据呢？香港科技大学教授、智能网络和系统实验室主任、星云Clustar创始人陈凯表示，隐私计算在处理和分析数据的过程中均能保持数据的加密状态，目前实现隐私技术的技术方案主要包括三个流派，即多方安全计算、联邦学习、可信执行环境，它们都可以实现原始数据不用出“家门”就能进行可信流通和安全融合。

以联邦学习为例，如果把算法比喻成“羊”，把数据比喻成“草”，联邦学习的隐私计算技术就是，将传统机器学习、深度学习需要集中数据进行迭代训练的过程，改变为在多方并行同步进行训练。“这就好像让‘羊’到处跑着去吃草，而不是把‘草’运过来集中喂羊。”陈凯解释，在进行数据要素融合利用的整个过程中，联邦学习相互之间仅需对齐和同步梯度数据，由于训练算法过程采用了高安全性的加密算法，不仅原始数据是安全的甚至中间梯度的结果也是无法破解的。

跨区域调度成为可能

电信网络诈骗的实施往往是不受地域限制，具有组织严密、分工明确的特点，要满足诈骗治理的需求，急需发挥更大范围的大数据机制，进行多地信息共享、多区域联控。这一应用场景对数据隐私的安全防护提出了更高的要求。

隐私安全防护需要进行系统化设计，既有参与多方的安全基础设施保障，安全网络通信条件，安全策略，流程管理制度，也有隐私计算平台本身的安全算法设计。“我们提出了在隐私计算全流程的事前、事中、事后的安全防护策略，确保全流程监管和可追溯。”星云Clustar产品负责人赵彬表示，从硬件到软件及生态服务的系列服务体系将为金融领域提供星云隐私计算平台、安全数据网络、FPGA算力加速卡、隐私计算一体机等产品及方案，致力于建立隐私计算技术与金融业务场景的无缝连接，为企业间数据合作、应用与流通提供金融级数据隐私安全防护。

除此之外，随着相关法律和各部委在数据安全细则方面的落地以及行业标准的建立，数据要素在各个行业的流程和场景实现跨地域共享将逐渐可行。与此同时，在“东数西算”背景下，跨地域算力调度和数据传输、交换将成为可能。通过建设跨地域的算力网络可实现“削峰填谷”，既可以均衡各地算力，实现对隐私计算高算力的需求满足，也可以降低隐私计算实现的成本。

隐私计算需要开源支持迭代

据中国信通院调研数据统计显示，55%的国内隐私计算产品基于或参考了开源项目。中国信通院发布的《隐私计算白皮书（2021年）》指出，开源协同正加速隐私计算的技术迭代。

技术开源带来的公开透明也让隐私计算更有助于反电信网络诈骗相关的高密态数据的共享。赵彬解释，由于数据的高度敏感性，数据共享和协作必须采用一种双方都认可的安全性标准来进行交换。开源本身通过公开算法代码的方式，确保公开透明，算法安全性可验证。目前他们接触的绝大多数集团性客户均高度认可开源方案。

在日前召开的2022智能云边开源峰会上，Harbor开源项目创始人、联邦学习开源项目FATE开发专委会主席张海宁表示，构建隐私计算行业的互联互通是目前行业的一大趋势，制定互联互通规范，从多维度构建互联互通生态正在推进落地中。

【我们尊重原创，也注重分享。版权原作者所有，如有侵犯您的权益请及时联系，我们将第一时间删除。分享内容不代表本网观点，仅供参考。】