零点课堂 | 隐私计算大爆发是挑战更是机遇（2）
tao落地进行时
隐私计算在经历了2019年的技术普及和市场教育阶段，2020年的大规模概念验证和试点部署阶段之后，于2021年开始进入真正尝试规模化应用的阶段。
以医疗领域为例，患者数据较为敏感，并且基于医疗数据的各项科学研究通常需要大量样本，单一数据源的数据量很难满足海量的数据需求，而数据共享过程中又会带来隐私泄露的风险。应用隐私计算技术进行多方协同过程中，能够有效的防止关联敏感信息的医疗数据被泄露，保证数据安全。
目前，已有多家医疗机构通过横向联邦学习的解决方案，在各医疗机构数据不出域的前提下，联合构建了一个目标检测模型，使得有效训练数据显著增加。据悉，多方联邦训练的模型的性能，比单个医疗机构训练的模型的性能提升30%以上。
在金融行业，富数科技合伙人、高级总监黄奉孝曾对媒体表示，隐私计算技术有可能会成为私域流量平台之间的边界，它有可能会重新构造流量业务的内部逻辑和商业模式。
举个简单的例子，银行存款用户数量庞大，但是单纯依赖行内的客户数据，很难圈出对购买理财感兴趣的用户。一般的操作都是通过API或者离线库的方式采购第三方数据公司的标签，API查询动作很大程度上会对银行客户ID隐私造成威胁。而隐私计算，可以从技术上保证这类业务的隐私数据安全性。
通过对案例的分析可以发现，当前隐私计算技术主要应用在金融、互联网、政务、通信、医疗等领域，主要的应用场景有精准营销、金融风控、医疗健康、身份验证等等。
“隐私计算结合到区块链技术领域大约有几年的时间了，但过去由于应用场景不凸显，痛点不清晰，所以在实际商业场景的落地中，一直找不到最佳的价值发挥。”德鼎创新合伙人王岳华坦言，隐私与安全是区块链协议里最基本的存在，但是由于过去分布式数据的实际落地场景并不凸显，隐私计算也就乏人问津。“数据的价值是无限的，但唯有在数据的隐私与安全获得相应的保障下，其价值才能体现并发挥。”
是挑战，也是机遇
毋庸置疑，隐私计算本身有非常大的价值和应用前景，但是想要达到百亿级的市场规模，突破商业化的发展瓶颈，还有非常长的路要走。
一方面，目前市场对于隐私计算的认知度、认可度仍然不足。由于隐私计算技术复杂且常常呈现“黑盒化”现象，大部分用户对隐私技术难以理解和信任。如果对技术理解得不够全面，会导致用户会对技术应用的效果产生过度预期。
以“区块链+数字身份”行业应用为例，“目前落地效果一般”，一位区块链行业资深产品经理对《链新》表示，主要的发展瓶颈就在于：一是区块链技术和数据隐私保护技术存在性能偏低的问题；二是用户隐私保护和企业数据变现的商业模式存在冲突，在安全多方计算很不成熟的前提下，目前要保护用户隐私只能授权身份验证，无法授权身份信息，可能导致企业没有参与的动力；三是DID和私钥都很难记忆，且需要用户自己保存，对用户的使用门槛较高。
另一方面，技术推广所需的成熟商业模式仍在形成。当前市场正处于快速发展的早期阶段，明确的激励机制、利益分配机制、通用的平台收费机制等商业化落地模式尚未形成，难以支撑技术的大规模推广。
以“区块链+不动产登记”行业应用为例，目前主要针对信息登记，实现信息层面的互通，并未实现资产和价值的流转。
“其社会效益和示范价值巨大，但是从目前的商业模式看，盈利性相对有限。”中国通信工业协会区块链专委会轮值主席于佳宁向《链新》分析，其中一个制约因素就是信息共享和隐私保护存在一定程度上的矛盾。
“不动产登记涉及到了多方参与，在多方参与的过程中需要进行区块链多方账本的信息共享，但共享后如何保护每个参与方的数据隐私？如何用好隐私计算等技术，在信息共享的前提下保护隐私安全，实现数据可用不可见，也是未来我们亟待解决的问题。”于佳宁向《链新》表示。
此外，相关法律、标准、规则缺失，数据审计、保险等配套产业仍不完备，也是制约隐私计算发展的重要原因。
值得注意的是，目前隐私计算尚无真正意义上的杀手级应用，远未到分出胜负的时候，因而发展潜力巨大。随着当前大数据产业的迅速发展，效率、性能、成本等综合能力将是各类主体在隐私计算产业竞争的重要抓手。
©本文为趣币网官方代发，零点财经收录，观点仅代表作者本人，绝不代表零点财经赞同其观点或证实其描述。
