正文内容 评论(0)
随着《数据安全法》的施行与数据要素市场改革加速,促进数据价值安全释放的关键技术——隐私计算广受业界关注。据Gartner预测,到2025年,50%的大型机构将采用隐私计算来处理不可信环境或多方数据分析用例中的数据。
然而作为一个仍在初期且快速发展的领域,隐私计算技术复杂,业内缺乏相关标准和应用指南。
近日,Gartner联合蚂蚁集团就隐私计算实践中的技术路线、产品选型等关键问题,发布研究报告《隐私计算最佳实践》(下简称“《报告》”),为隐私计算技术路线和产品选型提供建议。
报告中提到,选择隐私计算产品可从联合计算类型丰富度、区块链存证审计、系统对接能力、软硬一体化交付能力、性能及分布式/硬件加速、隐私保护等维度进行考察。
《报告》认为,四类隐私计算路线中,多方安全计算、可信执行环境作为主要推荐路线,可用于各种类型的联合计算,两者在安全强度和性能上各有取舍;而另外两类联邦学习、混淆脱敏可作为补充,前者适于部分建模场景,后者可以配合其他隐私计算技术增强隐私性。
为了让各行业能简单快速地体验、实践隐私计算,蚂蚁集团还在近期推出了业内首个基于PC的隐私计算产品-蚂蚁链摩斯PC版,为用户提供快捷轻量的免费隐私计算服务能力。
据了解,摩斯是业内首个通过业内权威测评(信通院MPC测评)的隐私计算产品,也是国内首个大规模商用的隐私计算产品,已在金融、政务等10多个行业中应用。
报告原文查看链接:https://www.gartner.com/teamsiteanalytics/servePDF?g=/imagesrv/media-products/pdf/Ant-Group/Ant-Group-1-263AJ7A2-CHS.pdf