数据作为国家重要资产和基础战略资源，已在2020年4月被国家认定为继土地、劳动力、资本、技术之后的“第五生产要素”，正式纳入要素市场化配置中，这标志着以数据为生产要素的数字经济进入全新时代。与此同时，当前以5G、人工智能、云计算、物联网等为代表的新ICT技术快速发展，并不断加快向金融领域的融合渗透步伐，数据作为数字经济时代流转的黄金，在金融企业的数字化转型中发挥着愈发重要的作用。

而数据在不断创造价值的过程中，普遍存在的“数据孤岛”现象、日趋严苛的数据合规监管、频频发生的隐私数据泄露事件导致的信任鸿沟……成为数据流通、共享以及价值发挥的主要限制因素，数据的安全保护、合规应用等也成为时下金融等各领域关注的焦点问题。因此，如何在保障各参与方数据安全的前提下实现数据要素的合作共享和融合应用，成为合规、安全、充分地挖掘和释放数据价值的关键。

在此背景下，融合了密码学、数据科学、分布式计算等技术的隐私计算(Privacy-Preserving Computation)技术，可以在保护各参与方数据隐私的前提下，完成多方参与的联合计算任务，促进多方数据可信协同，打破数据孤岛，提升数据价值。

该技术作为在数据融合应用过程中保障数据安全合规的关键技术之一，为打破数据流通与隐私保护之间的矛盾提供了有效方法。近年来，隐私计算技术和应用的成熟度迅速提升，已经由实验室走向实践，并逐步在实际场景中落地实现。此外，隐私计算技术的跨行业应用对拓展行业数据边界、提升数据要素流通效能、充分发挥数据价值、推进金融数字化转型以及数字经济建设具有重要而深远的意义。

隐私计算的定义

2016 年发布的《隐私计算研究范畴及发展趋势》正式提出“隐私计算”一词，并将隐私计算定义为：“面向隐私信息全生命周期保护的计算理论和方法，是隐私信息的所有权、管理权和使用权分离时隐私度量、隐私泄漏代价、隐私保护与隐私分析复杂性的可计算模型与公理化系统。”

隐私计算本质上是在保护数据隐私的前提下，解决数据流通、数据应用等数据服务问题。

隐私计算的理念包括：

“数据可用不可见，数据不动模型动“、“数据可用不可见，数据可控可计量”、“不共享数据，而是共享数据价值”等。

隐私计算技术分类

常见的实现隐私计算的技术路径包括安全多方计算、联邦学习、可信执行环境等，此外区块链也是隐私计算的重要补充。由于技术路径的不同，各类隐私计算技术均有其更加适用的场景：多方安全计算技术不依赖硬件且具备较高的安全性，但是仅支持一些相对简单的运算逻辑；可信执行环境技术具备更好的性能和算法适用性，但是对硬件有一定依赖；联邦学习技术则可以解决复杂的算法建模问题，但性能存在一定瓶颈。

隐私计算的技术和产品成熟度迅速提升，同时在我国加快培育发展数据要素市场、数据安全流通需求快速迸发的推动下，隐私计算技术有望在金融、政务、医疗等行业实现快速应用，隐私计算将进入蓬勃发展阶段。