伴随着疫情的起起伏伏，大数据寻找“时空伴随者”功不可没，但公众仍不免担心个人隐私安全问题，如何让个人隐私得到有效保护，已经成为业界亟需解决的一大课题。
回顾刚刚过去的2021年，对于隐私保护是重要的一年，2021年9月1日《中华人民共和国数据安全法》正式施行，2021年11月1日《个人信息保护法》正式施行，对数据隐私具有深远影响。
2021年，也是隐私计算开始在真实商业场景中全面落地的元年。据毕马威发布的《2021隐私计算行业研究报告》显示，受到大数据融合应用和隐私保护的双重需求驱动，国内隐私计算市场将快速发展，三年后技术服务营收有望触达100亿至200亿元空间。
在Gartner最新发布的2022年重要战略技术趋势中，也将隐私增强计算列为未来几年科技发展的趋势之一，并预测到2025年，60%的大型企业机构会在分析、商业智能或云计算领域采用一种或多种隐私计算技术。
随着数据保护法不断完善以及消费者对个人隐私保护的日益注重，隐私计算已逐渐成为发展火热的新兴技术。隐私计算通过使用各种隐私保护技术，在保证数据提供方不泄露原始数据的前提下，对数据进行分析计算，既可从数据中提取价值，又可满足合规要求。
隐私计算交叉融合了密码学、人工智能、计算机硬件等多种技术，形成了三大隐私计算方向：多方安全计算（Mutli-Party Computation，MPC）、联邦学习（Federated Learning，FL）、可信计算环境（Trusted Execution Environment,TEE）。
多方安全计算由图灵奖得主姚期智院士于1982年通过提出和解答百万富翁问题而创立。该技术在无可信第三方情况下，多个参与方共同计算一个目标函数，其中每一方只得到自己的结果，无法获得其他方的输入数据。该技术可以使用通用硬件架构，核心在于密码学技术，实现多方在各自数据保密下，数据进行融合计算，达到数据“可用而不可见”。
联邦学习保证在本地数据不出库的情况下，通过对中间加密数据的流程和处理来完成多方联合的机器学习训练。该技术也是基于通用硬件，解决了数据拥有方，在进行AI训练时，数据可能泄露的问题。联邦学习实现了“数据不动模型动”。
可信执行环境通过软硬件技术，在CPU中构建了一个安全区域，保证内部加载的数据和程序在机密性和完整性上得到保护。TEE技术主要是底层需要可信硬件，同样也需要对数据的加密和验证，对于硬件要求较高。
从隐私计算领域的专利申请趋势来看，2010年后，整体专利稳步增长，截至目前，全球约有八千余项专利。
从上图可知，隐私计算申请人以互联网、银行/金融和人工智能企业为主，包括支付宝、华为、前海微众、Intel等企业，以及西安电子科大和由清华大学于2018年6月发起的信息技术公司华控清交。
随着云计算、大数据、人工智能、物联网等信息技术的不断发展，数据大爆炸时代已来临，越来越多的业务场景将基于多方数据的流通和共享，数据共享和利用已成大势所趋，隐私计算必然是不可或缺的一部分。
