大数据时代，个人隐私容易在毫无防备的情况下四处“裸奔”。骚扰电话、诈骗信息等社会热点问题背后暴露了隐私保护不力的痛点。

在今年9月份的中国数字金融论坛上，央行副行长范一飞曾提到应用多方安全计算、联邦学习等隐私计算技术能够实现“数据可用不可见、数据不动价值动”，通过这种方式来保护我们的个人隐私安全。

什么是隐私计算技术？

如何实现数据不动价值动？

未来这项科学技术真的能大规模应用吗？

针对这些问题，在第四届世界顶尖科学家论坛上，香港科技大学智能网络系统实验室主任、副教授陈凯接受央视新闻专访，介绍了隐私计算的解决路径。

什么是隐私计算？

陈凯表示，隐私计算的本质，其实就是在数据安全流通和计算过程中用到的一系列的技术，包括密码学技术、统计学、人工智能、计算机体系结构等等。这一系列技术，在大数据和人工智能领域，扮演着越来越重要的角色。

现实生活中的大数据分布在不同的机构、不同的银行、不同的医院。由于隐私或者数据安全的担忧，我们不能把不同分布的大数据放在一起来建立和训练人工智能模型，所以就需要隐私计算技术，在不泄露数据隐私的情况下，给数据加上一层“隐形衣”。从而可以用到这个数据的价值，但是看不到数据本身。

如何实现“数据不动价值动”？

隐私计算中，有多种方式能让原始数据在不出域的情况下仍能发挥数据的使用价值。其中一种方式，就是联邦学习。陈凯用了一个农夫养羊的例子，解释了联邦学习如何让“数据不动价值动”。

假设农夫有五个农场种了牧草，他有两种喂养方式，一种是将五个农场的牧草收集起来喂羊；另一种则是将羊分别带到五个牧场进行喂养。联邦学习类似于第二种做法，将人工智能模型，分别带到各个机构、银行、医院去学习不同的数据，从而实现数据可用不可见，数据不动价值动。

隐私计算如何用于日常个人隐私保护？

对此，陈凯表示，可以通过隐私计算对个人原始数据进行加工，将加密后的信息上传到服务器，这样个人信息没有离开手机，实现对我们个人隐私的保护。

未来隐私计算技术能否大规模应用？

陈凯介绍说，在中国，隐私计算技术相比其它国家而言发展较为迅速。目前已经在金融行业落地，未来这项技术还有很大可能应用在政务平台和医疗行业。

其中，隐私计算在医疗行业中的运用将尤为重要。通过隐私计算技术，能在保护病人个人隐私安全的前提下，让人工智能模型在不同的医院学习成长，为治疗包括帕金森或者老年痴呆在内的多种疾病提供更好的帮助。

然而在现阶段，隐私计算技术的大规模运用仍面临着许多挑战。首先这项技术相较传统的人工智能引入了更大量的计算，数据加密后体积膨胀，使其在网络中传输速度下降，因而需要优化。

陈教授最后表示，未来不能因为用了隐私计算技术，而让网络变得缓慢，例如，刷一个视频要等五秒才能看到想看到的内容。未来隐私计算技术的大范围使用更应该是为我们“裸奔”的个人隐私数据穿上一件“隐形衣”，不会造成任何的不便与困扰。

监制丨王姗姗 张鸥

制片人丨王薇

主编丨李瑛

记者丨王映涵

剪辑丨王鑫

包装丨马禹伟

摄像丨曹阳 罗子天

扫描下图二维码下载央视新闻客户端看更多新闻