零点课堂 | 隐私计算大爆发是挑战更是机遇(2)

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。

本文由 零点财经 作者:tao 发表,其版权均为 零点财经 所有,文章内容系作者个人观点,不代表 零点财经 对观点赞同或支持。如需转载,请注明文章来源。
分享生成图片
42

发表回复

零点课堂 | 隐私计算大爆发是挑战更是机遇(2)

2021-07-01 14:13:52

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。