隐私数据保护的主要途径？

目前对于隐私数据的保护主要有两个途径，一是技术保护，二是政策保护。

• 首先在技术保护方面，常用的隐私保护算法主要有三类，分别为多方安全计算（MPC）、联邦学习（FL）和可信执行环境(TEE)，通过建立可靠的模型，最终达到保护数据的目的。

  • 可信执行环境

    可信执行环境通过在硬件计算平台上引入安全软硬件协同设计架构来提高系统的安全性。通过基于硬件密钥的安全代码加载，强制硬件环境中计算行为不可作恶。其优点是速度较快，缺点是过于中心化，需要信任硬件提供方，并且存在设计漏洞，易被侧信道攻击等安全风险。

  • 安全多方计算

    安全多方计算研究的是在无可信第三方的情况下，几个相互不信任的参与方如何安全地计算一个约定函数的问题。

    安全多方计算可在明文数据不离开各自节点的前提下，完成多方协同分析、处理和结果发布，适合以下应用场景：多个机构之间想共享数据以供信息联合查询，但又互不信任，每个机构都需要防止数据泄露。利用安全多方计算技术，可以实现数据的安全查询，即在不泄漏任何一方数据的情况下对数据整合和分析，如此，企业可以在我们的技术的帮助下打通这一原本不可能的场景，并且满足法律合规的需求。

  • 联邦学习

    联邦学习本质上是一种分布式机器学习技术，或机器学习框架。联邦学习的目标是在保证数据隐私安全及合法合规的基础上，实现共同建模，提升AI模型的效果。

• 在技术方面外，就是政策保护。国内外都出台了一系列的数据保护政策来进一步规范数据的提取与使用，在法律的支持下，我们的隐私数据将会更加安全。