4月6日，微众银行联合毕马威推出了《2021隐私计算行业研究报告》。
本报告全面分析了隐私计算领域的发展现状和趋势，在介绍政策、技术和应用场景案例的基础上，重点研究了产业空间和格局、商业模式及战略，展望行业未来方向。
事实上，随着数字化经济时代的快速到来，数据在数字经济时代的重要性日益凸显，隐私安全受社会各界的关注度愈发提高。
与此同时，数据机构、跨行业甚至跨境流通与共享成为各行业主体聚合多维海量数据，深度挖掘数据特征，充分利用数据内在价值的新途径和战略重点。同时，以我国《个人信息保护法》（草案）和欧盟GDPR等为代表的数据治理法律法规，对于数据安全和用户隐私保护提出了一系列严格的要求。
《2021隐私计算行业研究报告》（以下简称报告）全面分析了隐私计算领域的发展现状和趋势，在介绍政策、技术和应用场景案例的基础上，重点研究了产业空间和格局、商业模式及战略，展望行业未来方向，无疑是具有非凡的行业意义。那么，在这份报告中，现阶段国内的隐私计算行业整体表现究竟如何？又有哪些经典案例入选了本次报告？这些经典案例能否发挥示范效应？
国内“隐私安全”市场步入快速发展期
随着科学技术的进步，各行各业的数字化发展趋势已不可逆转，尤其在2020年经历了新冠疫情，数字化发展趋势明显加快。数据的重要性也因此成为社会各界的共识，并成为新的生产要素。与此同时，大众对于隐私安全的关注度日益增加，作为保护数据安全的重要技术之一的隐私计算迎来快速发展期。
在报告中，我们也明确看到，隐私计算受大数据融合应用和隐私保护的双重需求驱动，国内市场规模迎来快速发展期。预计三年后技术服务营收有望触达100亿－200亿人民币的空间，甚至有望撬动千亿级的数据平台运营收入空间，这意味着行业本身是一个巨大的增量市场。
目前，国内隐私计算领域不仅有包括BAT在内的互联网大厂，也有来自于垂直行业的机构以及独立创业公司。各个玩家的资源生态、技术路线和行业布局均有所不同，也衍生了不同的战略打法，但起决定性作用的考核标准在于能否为客户带来足够的、特有的数据源以及提供完整解决方案的能力，这也跟各厂商实现商业化规模是息息相关。
在前进过程中，也仍然存在一些难关。
l 技术和解决方案还不够完全成熟，与客户的需求有一定差距；
l 技术的安全可靠性有待于提高，导致客户对采纳技术有疑虑；
l 市场需求尚未充分展现，还缺乏明确的拉动型政策和标杆性示范项目；一些行业的数字化程度低，也制约了数据价值挖掘的需求；
l 产业推广需要搭建多方协同的合作方式，而这种模式的建立并不容易；
在这些难点中，技术的安全可靠以及效率是根本的，因为只有这样，产业才能在政策窗口期打开的时候更好地起飞，在此背景下，合作模式的搭建也就可能更加顺利。此次报告中的几个经典案例也侧面说明了这一点。
四个来自不同领域的经典案例入选报告
报告选取了四个案例，涉及金融、政务、医疗等领域：
1、腾讯：助力佛山顺德搭建普惠金融平台
2020年在疫情的影响下，中小微企业遭遇现金流冲击。
佛山市顺德区积极寻找优秀的企业融资和贴息平台，希望能够打通政府、金融机构数据，为中小微企业提供平稳、合理的授信。但面对政务数据开放的大趋势，顺德政府核心的痛点是传统的联合建模方式无法满足数据安全的需求，金融机构和各委办局数据均存在壁垒，怎么发挥数据价值是头等难题。
为此，腾讯和顺德区政府紧密合作，建立了一套基于联邦学习的普惠金融平台，促进营商环境持续优化项目。
在这个项目中，由腾讯提供的“腾讯安全联邦学习平台”起到了核心的及建模作用，融合了顺德区政府各委办局的政务数据服务，帮助政府建立进件审核模型并输出。截至2020年12月，顺德地区已经有7家金融机构通过该普惠金融平台发放小微企业贷款，共计433笔，总金额3.4亿，初步解决了顺德区中小微企业融资难题。
2、光之树：助力大型卡机构赋能金融机构客户
光之树综合了“天机可信计算框架”和“云间联邦学习平台”两个产品，基于区块链架构，在卡机构和银行、证券、保险等各类金融机构之间搭建了影视计算平台，帮助卡机构实现数据使用权变现和数据要素创新。
该平台以联邦学习技术协助银行打通本行数据和卡机构能触达的丰富跨行消费数据，从而实现本行优质高潜力客户挖掘。
本行数据包括客户在本行的资产、消费行为、平均投资额度、平均交易额度等，而卡机构能为补充客户跨行消费行为、资金流动性数据等。双方通过联邦学习建模，得到了更优质高净值客户的画像，在行业内起到了积极作用。
3、微众银行：建立小微企业信贷风控模型
近年来，虽说小微贷款越来越受重视，但由于风险过高，许多银行不愿给小微企业贷款，因此如何规避风险，降低微型企业贷款的不良率显得尤为重要。
微众银行联合多家外部合作伙伴一起搭建基于联邦学习的风控模型，以解决小微企业贷款风控数据不足的问题。
在报告中，通过以微众银行和发票信息服务公司的合作案例，验证了微众银行“基于开源的联邦学习系统FATE进行纵向联邦建模，多个机构可以建构联合模型而无需共享其数据”模式的有效性和安全性。
与只使用传统模型来训练标签Y相比，联合了发票数据的纵向逻辑回归AUC增加了12%，随着模型效果的改善，贷款不良率明显下降。
微众银行切实解决了金融场景眼下的痛点，并且在国内，微众银行可以说是联邦学习领域的领头羊，2019年初发布了FATE平台，是国内联邦学习领域第一个商用级开源项目。在解决银行数据孤岛问题上，联邦学习的方式及其对安全风险的把控足以形成典型。
4、翼方健数：提升厦门智慧分级诊疗能力
现阶段，我国医疗资源总量不足，优质资源匮乏，分布也不够合理，分级诊疗成为了重要的解决方案。自分级诊疗推行以来，国家做了很多提高基层社区医生诊疗水平的举措，比如请三甲医院的医生下基层医院坐诊，到边远地区支边等，但这些举措都有一个共同的局限就是社区医院的医生无法得到长期地、持续性的指导，这也是目前我国医疗行业的一个弊端。
此时，将三甲医院医生积累的丰富临床经验转化为智能化的知识输出，并辅助诊断就显得尤为重要，但在这个过程中就会面临一个痛点：医疗AI依赖高数量和高质量的医疗数据，但基于医疗行业对于数据安全、医学伦理和个人隐私方面的担心，数据的获取、治理以及合理应用便成为了医疗AI行业的难题。
因为医疗领域被认为是对于隐私数据要求最高的场景，医疗平台集聚个人最私密的数据，若实现数据共享，市场无疑是存在较大疑虑的。
为了解决隐私保护的问题，翼方健数基于隐私安全计算技术平台“翼数坊”（XDP），在厦门市卫健委的主导下，汇聚厦门市各医疗机构的健康医疗数据，并引入第三方服务机构来处理和挖掘原始数据，提供应用服务。
“翼数坊”（XDP）首先在全市基层社区医院儿科诊疗过程中落地应用，通过学习海量的儿科电子病历，开发病例结构化、辅助诊断、辅助用药，辅助检查推荐等一系列深度学习模型，通过打通智能模型、电子病历EMR与其他信息系统，形成了一套智能临床辅助决策和知识库体系，可以做到福州基层医生全面观察患者的症状和体征，进而完成高质量的病历书写，并在此基础上为基层医院的医生提供检验检查、疾病诊断、用药等推荐。有效解决分级诊疗的行业痛点，推动医疗AI的进一步发展，达到行业赋能的效果。
2020年3月，翼方健数的这一系统在厦门全市39家社区医院全面上线。产品上线后，使用率快速增长，联合厦门市第一医院，获得国家卫健委的医疗健康人工智能应用落地优秀大奖。
翼方健数从数据层到应用层的打通，确实在医疗行业利用隐私计算技术形成落地案例，尤其是当下备受关注的医疗领域，隐私计算让数据可用，对整个医疗行业均有所启发。
结语：
目前，隐私计算可以说算是一个新兴细分领域，但国际机构以及国内互联网科技巨头早已把目光和调研的触角延伸到了这一领域，比如谷歌、Facebook以及国内的BAT已纷纷加入隐私计算的开源项目。事实上，隐私计算产业被走在科技前沿的巨头发现，这也侧面印证了这个产业未来的价值。
只是不能否认的是，目前国内外的各路玩家依然处于探索期，行业本身处于早期发展阶段，市场格局没有定性，战略打法和技术路线仍没有确定性的终极答案。但随着市场需求的持续增长，可以预测的是，整个产业迎来全新发展局面的趋势已不可逆转。
就国内市场而言，产业需求的加速，势必会倒逼政策监管体系的进一步完善，因为只有这样才能为隐私计算产业的发展树立合法性框架，促进行业更加规范和快速的发展。另一方面，现阶段，国内在金融、医疗、政务等领域已经涌现了像腾讯、微众银行、翼方健数、光之树这样的领先案例，这些典型的代表不但可以起到行业示范效应，同时也为产业的发展提供了更加确定和清晰的发展方向。
