沟通咨询
提交成功

隐私计算赛道群雄并起,瑞莱智慧打通落地“最短链路”

2021.09.01
公司动态

今日起,中国第一部有关数据安全的专门法律《数据安全法》正式施行。早在15年前,英国数学家克莱夫·哈姆比就将数据称为新时代的石油;而今,数据已成为对产业生命至关重要的“水”。

 

在数据安全和数据价值不断向两极拉扯的态势下,隐私计算这一已诞生数十年的小众概念,被产业界视为弥合数据安全与价值鸿沟的最优技术解,甚至被认为是一个新的千亿级“风口”。

 

8月27日,在北京瑞莱智慧科技有限公司组织举办的“数据安全与隐私计算”专题研讨会上,来自国家工业信息安全发展研究中心、中国信通院云计算与大数据研究所、中伦律师事务所的专家们,围绕新法落地以及隐私计算所面临的全新历史机遇和商业落地难点展开探讨,CEO田天分享了瑞莱智慧作为第三代人工智能技术企业的路径探索和产业实践。

 

图片

“数据安全与隐私计算”专题研讨会现场

 

新法施行!数据要素市场开启新纪元

 

中伦律师事务所合伙人陈际红在研讨会上介绍,《网络安全法》、《数据安全法》以及《个人信息保护法》分别于(或将于)今年6月1日、9月1日以及11月1日落地实施。《数据安全法》的整体价值取向就是确保数据处理的有效保护以及合法利用,保证数据安全状态。

 

图片

中伦律师事务所合伙人陈际红

 

“《数据安全法》的出台恰当其时,它统筹了安全与发展,明确了什么数据是核心数据、重要数据,顺应市场的发展阶段以及行业呼声。”国家工业信息安全发展研究中心大数据研究室主任杨玫表示,《数据安全法》为数据要素市场开启了新纪元。

 

她介绍,目前数据要素市场在2020年已经达到545亿的规模,产业链包括采集、存储、加工、分析和流通这五大环节,预计“十四五”时期规模将达到1800亿,“从技术层面,我们认为隐私计算是促进数据流通环节的关键技术以及保障数据安全的关键技术。”

 

图片

国家工业信息安全发展研究中心大数据研究室主任杨玫

 

根据国家工业信息安全发展研究中心大数据研究室统计,截止2020年底,隐私计算赛道已有260家企业切入。

 

落地难!隐私计算商业化规模瓶颈待破

 

尽管隐私计算在金融、医疗、智慧城市等场景已展现出普遍需求,但必须承认的是,亮眼的、标杆性落地应用还很鲜见。

 

隐私计算市场仍处于早期阶段,规模化的商业落地仍面临瓶颈。中国信通院云计算与大数据研究所大数据部副主任闫树表示,目前隐私计算技术和解决方案还不够完全成熟,在安全、性能和数据的互联互通等方面仍存在挑战, 这些难题在一定程度上限制了隐私计算的推广和应用。 

 

图片

中国信通院云计算与大数据研究所大数据部副主任闫树

 

“隐私计算的安全、性能和准确性这三者之间,是相互影响、相互抵消的。光强调效率没有意义,因为所有数据明文走一定是最快的。”闫树强调,必须要在具备安全和准确度的前提下,来衡量性能。

 

闫树表示,根据目前的测试结果来看,隐私计算当前已经具备了可用性,但是未来面对更大的数据方和数据量和更复杂的场景,还是不太能满足。

 

另外,随着隐私计算赛道的玩家不断增多,未来的市场格局存在多种可能、无法定论:大体量的互联网企业、运营商拥有大量数据资产;区块链、数据安全等纯技术企业也纷纷入局;而人工智能公司切入这一赛道也具备很大优势,数据本就是人工智能的养料,两者的融合发展是必然趋势。

 

最短路径!隐私计算一站式闭环方案

 

瑞莱智慧CEO田天对各位专家的观点表示认同,并着重分享了瑞莱智慧的实践。

 

图片

瑞莱智慧CEO田天博士

 

田天说,作为一家人工智能企业,瑞莱智慧更多关注隐私计算如何在确保合规以及隐私保护的前提下,在不同的场景发挥出数据价值,以及创造出来能力更强、效果更好的人工智能应用和解决方案。

 

田天将隐私计算分为了应用层和基础层,“从应用层来看,隐私计算最终一定是解决各个数据应用场景中的业务问题。其本质是应用人工智能挖掘数据洞察,服务智能化转型。”众所周知,隐私计算是“密码学”,“人工智能”,“分布式系统”的三元交叉学科,看起来三者平分秋色,但从产业应用角度看,人工智能贡献了大部分能量。

 

“我十分认同闫树主任的观点,枉顾安全的性能追求是无本之木、无源之水。”田天认为,安全性是基础层的核心要素,也是前提条件和基石,在安全性和安全等级满足条件之后,则需要格外关注性能是否能满足产业级应用。

 

 

隐私计算的关键要素:安全性、性能、场景价值

 

瑞莱智慧在隐私保护计算平台RealSecure的安全性上做了大量工作,构建了严谨且可论证的“事前”“事中”“事后”安全体系,具体分为以下四步:

  • 先把需求转译成密码学和AI语言,也即是在什么安全性假设之下解决什么问题,更具体的,例如银行要保证己方数据不泄露的情况下使用逻辑回归建模。

  • 下一步需要呈现出具体技术实现方案,例如基于同态加密的逻辑回归的具体实现流程。

  • 在整个系统运行时需要进行抓包监测确保系统实现符合安全要求。

  • 运算日志审计确保数据流转过程可追溯。

 

此外,隐私计算在各个场景的应用中仍存在算法安全风险,如数据投毒、对抗样本攻击等。因此,进行算法安全评估和防火墙搭建也十分重要。

 

图片

双院士组合:人工智能与密码学双泰斗

 

田天强调,隐私保护计算平台RealSecure是在严格的安全性打底之上首创AI编译器级的产品,整个系统由人工智能和密码学双院士团队共同打造,可以说集合了人工智能和密码学方面最顶尖的学术水平。在实现业内最高级别安全性的同时,性能也能遥遥领先,目前已在多个应用实践中领先业内平均水平十倍量级以上。

 

同时,在数据层面,瑞莱智慧拥有丰富的数据生态,能够帮助企业快速构建数据网络;在场景层面,瑞莱智慧积累沉淀了诸多模型及方案,可实现对企业业务的快速赋能。

 

任何技术的落地都要满足期望收益≥期望成本,瑞莱智慧期望通过提供“平台+数据+场景”的一站式隐私计算解决方案,为企业找到数据智能生态中安全合规挖掘数据价值的最短路径和最优路径。