嘻哈飞车族|| 闫树、袁博:通过技术推动数据要素市场建立与完善,博观首发

作者|闫树 , 中国信息通信研究院云计算与大数据研究所大数据与区块链部副主任 , 高级工程师;袁博 , 中国信息通信研究院云计算与大数据研究所工程师
当前 , 制约数据要素市场发展的一个重大问题就是数据流通不畅 。 如何确保数据流通过程的安全与合法 , 成为了大数据行业发展中遇到的一个难点问题 。 而兼顾数据保护与利用的技术手段正逐渐受到重视 。
通过技术手段推进数据价值释放2020年4月9日 , 中共中央、国务院公布了《关于构建更加完善的要素市场化配置体制机制的意见》(下称《意见》) 。 这是中央颁布的第一份关于要素市场化配置的文件 。 《意见》明确要求加快培育数据要素市场:推进政府数据开放共享、提升社会数据资源价值、加强数据资源整合和安全保护 。
所谓市场化配置 , 《意见》中提出 , 要“依据市场规则、市场价格、市场竞争实现效益最大化和效率最优化” 。 通俗地说 , 就是通过市场化竞争的方式 , 将这些要素视作“商品” , 让其在市场中充分流动、自由竞价 , 最终使得每个要素都流向其可以产生最大价值的地方 。
对于土地、劳动力、资本和技术而言 , 其市场化配置的手段相对成熟 。 然而 , 对于数据这一新型生产要素 , 如何培育数据要素市场、完善数据要素市场化配置 , 则需要更多更新的手段 。
隐私计算推动数据合规流通隐私计算(PrivacyComputing)是指在保护数据本身不对外泄露的前提下实现数据分析计算的一类信息技术 , 主要分为可信硬件和密码学两大领域 。 其中 , 可信硬件技术目前主要指可信执行环境 , 其核心思想是构建一个硬件安全区域 , 数据仅在该安全区域内进行计算 。 密码学的技术目前则以多方安全计算为代表 。
多方安全计算技术核心思想是设计特殊的加密算法和协议 , 从而支持在加密数据之上直接进行计算 , 得到所需的计算结果 , 同时不接触数据明文内容 。 多方安全计算以密码学为信任机制 , 通过秘密分割、不经意传输、混淆电路等专门技术实现 , 通用性相对较低、性能处于中等水平 , 但近年来性能提升迅速、应用价值极高 。
建立与完善数据要素市场隐私计算不泄露原始数据 , 可以在保护数据安全的前提下实现数据多元跨域融合 , 有助于破解数据保护与利用之间的矛盾 , 从而破解制约数据要素市场发展的诸多问题 。 权威机构Gartner在2019年技术成熟度曲线报告中首次将隐私计算(其称为机密计算)列为处于启动期的关键技术 。 世界经济论坛2019年9月发布的白皮书认为 , 隐私计算技术将成为释放金融服务行业新价值的关键技术 。
从中国信通院对大量隐私计算应用评测可以明显看出 , 隐私计算产品对于数据要素市场建立与完善的重大推动作用 。 人们在如何实现数据要素价值这个命题下 , 从数据统计分析到模式识别、机器学习再到隐私计算尝试过各种各样的技术路径 。
数据分析的落脚点是“发现” , 通过各种分析挖掘手段发现数据价值 。 模式识别的落脚点是“感知” , 主要刻画已有特征 , 是从上而下演绎法 。 机器学习的落脚点是“思考” , 更进一步通过不断的自我“学习” , 探索归纳未知模型 , 是自下而上的归纳法 。 而隐私计算落脚点是“应用” , 它开了一个很大的“脑洞” , 结合上述挖掘数据价值的算法和多种加密算法 , 有效平衡了机器学习熵减和加密算法的熵增之间的矛盾 , 完美解决了数据利用与数据保护兼顾的难题 。
隐私计算使很多以前不愿用、不敢用的隐私数据发挥出了应有的价值 , 通过技术进步将数据收益的边际递减曲线大幅右移 , 极大拉高了数据收益率 , 是当前推动数据要素市场建立与完善的重要路径 。
END
关注博观智库(ID:BOGUAN_Insight) , 了解更多数字政府和大数据行业前沿信息
研究合作:hqs-boguan@chinaunicom.cn


推荐阅读