Overview of privacy preserving computing application scenarios

doi:10.12267/j.issn.2096-5931.2022.05.006

Abstract

Abstract:

Private preserving computing technology is a method to process data without knowing other participants’ original data. And private preserving computing technology ensures the “availability and invisibility” of data, which has become the technical solution for secure data circulation and has been applied in data-intensive industries. This paper introduces the typical applications of privacy preserving computing in finance, medical, government affairs and some innovative scenarios. Then, we summarize the corresponding application paradigm of these scenarios. In conclusion, we discuss the problems of privacy preserving computing application and analyze its future development trend.

Key words: privacy preserving computing, multi-party secure computing, federated learning, privacy preserving computing application

CLC Number:

TP309.7

JIA Xuan, BAI Yuzhen, MA Zhihua. Overview of privacy preserving computing application scenarios[J]. Information and Communications Technology and Policy, 2022, 48(5): 45-52.

Add to citation manager EndNote|Ris|BibTeX

URL:

http://ictp.caict.ac.cn/EN/10.12267/j.issn.2096-5931.2022.05.006

http://ictp.caict.ac.cn/EN/Y2022/V48/I5/45

Figures/Tables 7

References 20

[1]	国家发展和改革委员会, 中央网信办, 工业和信息化部, 等. 全国一体化大数据中心协同创新体系算力枢纽实施方案[R], 2021.
[2]	工业和信息化部. 网络安全产业高质量发展三年行动计划(2021-2023年)(征求意见稿)[R], 2021.
[3]	广东省人民政府. 数据要素市场化配置改革行动方案[R], 2021.
[4]	YAO A C. Protocols for secure computations[C]// 23rd Annual Symposium on Foundations of Computer Science (sfcs 1982). IEEE, 1982: 160-164.
[5]	闫树, 吕艾临. 隐私计算发展综述[J]. 信息通信技术与政策, 2021, 47(6):1-11.
[6]	SABT M, ACHEMLAL M, BOUABDALLAH A. Trusted execution environment: what it is, and what it is not[C]// 2015 IEEE Trustcom/BigDataSE/ISPA. IEEE, 2015(1): 57-64.
[7]	闫树, 袁博, 吕艾临, 等. 隐私计算--推进数据“可用不可见”的关键技术[M]. 北京: 电子工业出版社, 2022.
[8]	ISHAI Y, KILIAN J, NISSIM K, et al. Extending oblivious transfers efficiently[C]// 23rd Annual International Cryptology Conference. CiteSeer, 2003.
[9]	袁博, 王思源. 隐私计算产品评估体系[J]. 信息通信技术与政策, 2021, 47(6):12-18.
[10]	隐私计算联盟. 隐私计算行业观察[EB/OL]. (2021-12-21)[2021-12-23]. https://mp.weixin.qq.com/s/suxhUhXsS6RDgGS8xAm-rg.
[11]	隐私计算联盟, 中国信息通信研究院. 隐私计算白皮书[R], 2021.
[12]	交通银行股份有限公司. 隐私计算金融应用蓝皮书[R], 2021.
[13]	北京金融科技产业联盟. 隐私计算技术金融应用研究报告[R], 2022.
[14]	全国信息安全标准化技术委员会. GB/T 39725-2020 信息安全技术健康医疗数据安全指南[Z], 2020.
[15]	蒋凯元. 联邦学习在电子政务中的应用初探[C]// 2020中国网络安全等级保护和关键信息基础设施保护大会论文集. 2020:281-289. DOI: 10.26914/c.cnkihy.2020.064829. doi: 10.26914/c.cnkihy.2020.064829
[16]	隐私计算联盟. 可信隐私计算安全标准和测试解读[R], 2021.
[17]	ULUKUS S, AVESTIMEHR S, GASTPAR M, et al. Private retrieval, computing and learning: Recent progress and future challenges[J]. IEEE Journal on Selected Areas in Communications, 2022.
[18]	王思源, 闫树. 隐私计算面临的挑战与发展趋势浅析[J]. 通信世界, 2022(2):19-21. DOI: 10.13571/j.cnki.cww.2022.02.007. doi: 10.13571/j.cnki.cww.2022.02.007
[19]	隐私计算联盟, 中国信息通信研究院. 隐私计算与区块链技术融合研究报告[R], 2021.
[20]	中国信息通信研究院. 中国信通院“可信隐私计算”评测推动隐私计算产业发展[EB/OL]. (2022-03-22)[2022-03-22]. https://mp.weixin.qq.com/s/UpV7uqh_R7qonDo5EcDWdA.

时间	发布机构	政策举措	具体内容
2019年8月	中国人民银行	发布《金融科技(FinTech)发展规划(2019—2021 年)》	提出要充分利用可信计算、安全多方计算提升金融服务的可得性、满意度与安全水平,借助隐私计算实现支付工具安全与便捷的统一
2019年12月	中国人民银行	启动金融科技创新监管试点工作	截至2021年10月,全国19个地区共推出127项创新监管试点项目,其中有13项涉及隐私计算技术
2020年11月	中国人民银行	发布《多方安全计算金融应用技术规范》(JR/T 0196-2020)	为国内金融业正确应用多方安全计算技术提供了技术指引
2021年2月	中国人民银行	发布《金融业数据能力建设指引》(JR/T 0218-2021)	首次将“可用不可见”作为金融业数据能力建设应遵循的基本原则
2021年11月	中国证券监督管理委员会北京监管局、北京市地方金融监督管理局	公布首批拟纳入资本市场金融科技创新试点的16个项目名单	其中7项涉及隐私计算技术,涉及营销、风控、估值、检测等领域
2021年12月	中国人民银行	发布《金融科技发展规划(2022—2025年)》	明确提出从强化数据能力建设、推动数据有序共享、神话数据综合应用、做好数据安全保护方面充分释放数据要素潜能

时间	发布机构	政策举措	具体内容
2019年8月	中国人民银行	发布《金融科技(FinTech)发展规划(2019—2021 年)》	提出要充分利用可信计算、安全多方计算提升金融服务的可得性、满意度与安全水平,借助隐私计算实现支付工具安全与便捷的统一
2019年12月	中国人民银行	启动金融科技创新监管试点工作	截至2021年10月,全国19个地区共推出127项创新监管试点项目,其中有13项涉及隐私计算技术
2020年11月	中国人民银行	发布《多方安全计算金融应用技术规范》(JR/T 0196-2020)	为国内金融业正确应用多方安全计算技术提供了技术指引
2021年2月	中国人民银行	发布《金融业数据能力建设指引》(JR/T 0218-2021)	首次将“可用不可见”作为金融业数据能力建设应遵循的基本原则
2021年11月	中国证券监督管理委员会北京监管局、北京市地方金融监督管理局	公布首批拟纳入资本市场金融科技创新试点的16个项目名单	其中7项涉及隐私计算技术,涉及营销、风控、估值、检测等领域
2021年12月	中国人民银行	发布《金融科技发展规划(2022—2025年)》	明确提出从强化数据能力建设、推动数据有序共享、神话数据综合应用、做好数据安全保护方面充分释放数据要素潜能

场景算法		联合统计	联合查询		联合建模及预测
场景算法		联合统计	安全求交	隐匿查询	监督模型	无监督模型
联合风控	贷前风控		√	√	√
	贷后风控				√
	信用评级				√
	反欺诈识别		√	√
	黑名单查询		√	√
	合格投资者认证	√
	供应链金融			√	√
联合营销	纳新拓客			√	√	√
	存量客户营销				√
	客户画像				√
	信用评级				√
	个性化广告				√
	名单共享		√	√

场景算法		联合统计	联合查询		联合建模及预测
场景算法		联合统计	安全求交	隐匿查询	监督模型	无监督模型
联合风控	贷前风控		√	√	√
	贷后风控				√
	信用评级				√
	反欺诈识别		√	√
	黑名单查询		√	√
	合格投资者认证	√
	供应链金融			√	√
联合营销	纳新拓客			√	√	√
	存量客户营销				√
	客户画像				√
	信用评级				√
	个性化广告				√
	名单共享		√	√

场景	描述
基因组学分析	基于联合建模识别基因组中的潜在疾病风险
临床医学研究	基于跨国、跨机构多个医学中心数据的联合建模,通过增加样本量(如罕见病)和数据特征维度,实现前瞻性的研究分析
医疗诊断相关分组付费预测	基于多家医疗机构的诊疗数据预测医疗诊断相关分组(Diagnosis Related Groups, DRG)分类,实现疾病精准控费
临床辅助诊断	基于联合建模(深度学习、机器学习)实现简单疾病的精准快速辅助诊断,如糖尿病性视网膜疾病、肺炎
电子病历结构化	基于联合建模实现多医院的数据共享,增强医学文本信息抽取过程中机器学习模型的泛化性和鲁棒性
精准推荐	基于运营商与省卫健委的数据共享,实现问诊、体检等场景的精准推荐