瑞莱智慧为隐私计算加速落地破题

    作为数字经济时代的关键要素，数据资产的重要性被提升到前所未有的高度。但数据安全、数据孤岛等问题让释放数据价值掣肘颇多，如何充分保证数据安全并提升数据融合能力已成为一项重要课题。

    9月17日，第四届全球智博会期间，瑞莱智慧带来了全新升级的隐私保护计算平台RealSecure。瑞莱智慧合伙人朱萌表示，隐私计算正成为一项必备的技术基础，此次发布的平台能够在确保数据隐私保护的前提下促进数据流通，实现“数据不出库、模型多跑路”，以保护数据隐私和数据安全，为人工智能等创新应用提供更好的数据环境，更高效地挖掘数据价值。

    瑞莱智慧合伙人朱萌

    促进数据安全合规流通

    数据通过流通共享与协同计算将更好地释放价值，随着人工智能等新技术的发展，数据本身的底层价值在快速井喷。

    朱萌表示，现有的数据流通模式面临三大困境，一是数据权属的不可分割导致数据拥有方不愿共享，二是针对数据安全的法律框架正全面构筑，监管日渐趋严，数据合规风险让企业机构不敢共享数据，三是技术不成熟与协议不统一导致数据仍无法实现互通互联，数据资产割裂、自成体系。

    海量数据散落在众多机构和信息系统中，形成“信息孤岛”和“数据烟囱”，数据要素的经济社会价值无法得到充分发挥。同时在强监管和行业规范的要求下，数据的价值和安全性陷入二元对立的状态。在此背景下，隐私保护计算为实现数据安全合规的互通互联提供了技术最优解。

    朱萌介绍道，“数据不出库，模型多跑路”是RealSecure平台的核心功能，在数据不出本地、无中间方作为协调者的前提下，完成多方参与的模型训练并获得可投入生产的模型，既保障数据隐私安全，又以AI的方式驱动整个数据处理闭环。

    隐私计算加速落地的最优路径

    隐私计算作为近年来的热门赛道，各类玩家纷纷入局。但从效果来看，隐私计算市场仍处于早期阶段，规模化的商业落地面临挑战。

    朱萌分析道，隐私计算不同于传统机器学习，是分布式与可信芯片、密码学、人工智能三个领域的结合，在投入商用的过程涉及技术适配的工作。具体来说，大部分隐私计算的技术栈在遇到不同算法时，需要堆人力对算法进行一对一的剖析和改写，来将其联邦改造或“隐私计算化”，这就导致这项工作成为一项劳动密集型工作，投入与代价之大。

    针对这一痛点，RealSecure平台通过自研的隐私保护AI编译器架构实现与传统算法的自动编译和一键适配。“传统的做法可理解为‘雕版印刷’，RealSecure平台实现的是‘活字印刷’，兼容主流机器学习算法，无需改写，只要调用函数，在编译器里重新编译一遍就可以。”朱萌解释道。

    破解安全与性能的二元对立

    安全和性能，是衡量隐私计算的核心指标，但这两者之间，却呈此消彼长的负相关关系。

    朱萌表示，由于肩负着保护隐私数据安全的重要功能，安全性是隐私计算最为核心的要素，也是前提条件，枉顾安全的性能追求是无本之木、无源之水。

    隐私计算的安全问题在于两点，一是技术本身的安全可论证，由于密码学上的证明安全与实际安全并不相等，尤其是一些多方隐私计算协议被应用在不符合其安全假设的场景中，存在安全漏洞；二是算法层面的安全攻防，由于隐私计算的计算是密文数据，计算方无法看到用户输出什么数据，可能会存在“数据投毒”的风险。

    因此，瑞莱智慧在安全性上大力布局，构建了严谨且可论证的“事前”“事中”“事后”安全体系，提供“协议模型及安全性假设、技术实现原理、数据抓包监测、运算日志打印审计”全方位的安全评估验证，同时基于业内独创的隐私计算安全攻防理念，内嵌各类安全防护巩固功能以抵御恶意攻击。

    在安全的基础上，性能是衡量产品价值的关键。通过编译器驱动高效加密算法的优化，瑞莱智慧在隐私计算的性能上实现量级式飞跃，领先业内平均水平数十倍，隐私保护下完成全流程建模，总耗时实现从日级别缩短到小时级别，兼具极致安全与效能。（朱宝琛）

（编辑 张明富）