2020年4月，数据作为一种新型生产要素写入了《中共中央国务院关于构建更加完善的要素市场化配置体制机制的意见》。先后出台的《网络安全法》《数据安全法》和《个人信息保护法》的相关法律、法规，让行业逐渐对数据的安全合规建设有了更明确的认知与更高的要求。在金融、政务、通信、医疗等领域中，也纷纷开启隐私计算平台建设。隐私计算(Privacy Preserving Computing)是以各类数据隐私保护技术为基础，让数据实现可用不可见、可控可计量的计算与分析的一类技术。作为一种数据安全流通与计算的可信范式，得到了快速的发展，也被多数行业用户在数据安全合规建设中作为首选或必须方案纳入战略性技术投入之中。多方安全计算(MPC)、联邦学习(FL)、可信执行环境(TEE)是现阶段行业中的主要技术方案。三类方案具备各自的优劣势，在部分应用实践中可实现能力互补。隐私计算不同类型的技术路线各具能力优势，将满足差异化的客户选型需求。从甲方需求市场分析来看，目前隐私计算产品的成熟度较低。在客户发起的隐私计算平台建设项目中，通常厂商会提供任务与审批管理、平台管理、数据处理分析、数据管理等基础功能与算法。以此为基础，厂商将在应用实践中不断加强功能的丰富度与产品成熟度，同时会加强隐私计算平台能力与系统功能对不同领域客户的场景适配性，让产品从“能用”走向“好用”。行业中存在原生隐私计算厂商、综合科技类企业/集团、区块链厂商、大数据&人工智能厂商、金融科技企业、网络安全厂商等多种类型的竞争者，不同供应商均有各自所擅长的领域与具备竞争优势的能力。面对客户发起的隐私计算平台建设、场景建模、数据撮合等各类需求，各类服务商在短期内形成以竞争为主的市场格局。此外，部分隐私计算厂商也将在客户服务与自身能力发展的过程中不断丰富所能链接数据源的种类，通过可信数据生态帮助客户提供更多数据源链接调用的选择。国产化适配成为关键基础能力：在技术国产化的信创趋势下，政务、金融等企业机构的业务系统、数据库、操作系统等核心技术工具均在实现国产化替代，这也将让隐私计算平台系统的国产化适配成为必要的基础能力。隐私计算的商用实践将由产品与技术能力输出走向数据可信流通解决方案输出，进而撬动千亿数据可信流通市场空间。
加载中,请稍侯......