数据安全问题突出，隐私计算保护数据共享

1、建立隐私计算的安全架构成为热门

数据安全一直是金融业内的关注重点，最近几年，客户隐私泄露的时间在国内外都曾频繁发生。为了实现数据的分析与计算的隐私计算不被外泄的目的，隐私计算技术为金融行业合规的应用引领新方向。隐私计算技术是密码学的前沿技术概念，分为可信硬件和密码学两大领域，其中密码学技术门槛较高。密码技术分为同态加密、安全计算、不经意传输等，是最为核心的技术保障。正常运行的核心机制是硬件安全，可信执行环境技术把所有数据汇集到可信硬件区域中进行计算，通过虚拟化安全技术提供的隔离机制，保护数据的机密性与完整性。为了实现为了联邦学习中数据用户的隐私保护，使用了加噪声、安全聚合等方法。

隐私计算技术分类架构：

密码技术：密文检索结果只显示密文序列，保护明文数据隐私。安全多方计算就是针对无可信第三方的情况，安全的计算多方研究。同态加密是不泄露加密过程而进行计算，得到未加密的原始数据一样的结果。零知识证明意思是不想验证者透露信息，使验证者相信论断是正确的。不经意传输是说发送者不知道接受者的隐私，选择使用不清晰方式进行信息传递。

可信硬件：可信执行环境是处理器中的安全区域，它与操作系统同时运行，但是运行环境是独立的。

联邦学习：差分隐私是密码学中解决在数据改动时保护数据隐私的泄露问题。安全聚合是看不到用户的真实梯度值，只能看到完成后的结果。

金融行业是数据安全的的重要领域，受到一系列诸如数据规模、价值、安全等方面的特殊性影响，金融领域成为隐私计算应用最先落地的场景。许多金融行业中大型公司的金融科技子公司都凭借其互联网技术的优势，研发推广自身研发的隐私计算相关产品。众安科技、蚂蚁金服、万向Platon都纷纷推出了自行研发的隐私计算产品。

2、释放数据价值，建立金融业数据安全管理体系

金融业数据具有明显的数字化特征，金融行业数据的安全监管的治理面临着很大的挑战。通过不泄露数据，加密隐私的情况进行计算，通过深度神经网络的网络数据描绘用户。根据2019年的Gartner 技术成熟度曲线启动了隐私计算技术。未来几年，区块链技术前景广阔，隐私计算将会成为实现金融服务行业新价值的关键点，在金融服务领域的细分应用场景落地。比如，银行在为企业贷款授信时，很多小微企业的社保、税务、交易等多维度数据会暴露出来，这时隐私极端中的匿名追踪查询可以做到输入可信的外部数据的同时，还能隐藏运算过程，保障用户的信息隐私。基金管理的时候，母基金计算真实收益时，使用隐私计算技术，就可以把基金持仓所代表的基金净值的数据进行保护。如此一来，不仅能够保密数据，还能满足公司客户的利益诉求，把非涉密信息作为安全监管管理的补充，强化健全金融行业的监管体系，防止系统性金融风险的发生。