• 产品与服务矩阵
  • 资源中心
  • 易观之星奖项
  • 关于我们

隐私计算势头迅猛,但金融行业用户需要“冷静”

行业监测分析 易观企业数字化 2022-03-31 1360
隐私计算技术的应用价值为在保护信息安全的前提下,实现全方位数据流通,进而促进经济发展。近年,技术初步成熟、数据监管和扶持政策逐步出台、市场对数据的需求日益旺盛,隐私计算市场的诞生恰逢其时,发展势头迅猛。但是隐私计算行业目前仍处于探索期,具体体现于技术性能有待提升,大规模应用仍在探索,同时产业发展受限于数据源质量和权属等问题。
易观分析将隐私计算市场的发展周期分为四个阶段,即:探索期、市场启动期、高速发展期和应用成熟期,目前中国隐私计算市场正处于探索期。



中国隐私计算发展阶段分析如下:


探索期(2016-2023年)

 
隐私计算最早出现在2016年发表的论文《隐私计算研究范畴及发展趋势》。同年,独立的隐私计算商业项目开始出现。

行业标准方面,2021年,信通院先后发布了《隐私计算白皮书(2021年)》及《隐私计算法律与合规研究白皮书》,对隐私计算行业制定系统化的标准以鼓励技术的合规应用,预计未来隐私计算应用边界将会随技术和数据生态的融合而拓展。

实际应用方面,截至2021年底,已有88家企业陆续发布100+个隐私计算技术产品,隐私计算产业供给呈现上升态势。重点领域客户陆续结束概念验证和试点部署阶段,大量商业化项目逐步落地,实施部署阶段的产品占比48%,主要集中于金融、政务、医疗和通信运营。但是2021年的实际落地案例仍然较少,市场尚且处于供给驱动阶段。

从融资角度来看,截至目前,隐私计算领域八成初创公司的融资尚处于早期阶段。
2022年案例落地将迎来爆发,重点领域基本完成商业化覆盖,更多行业将会布局隐私计算。数据源拥有者、隐私计算厂商、各行业用户和监管机构一方面会继续推进隐私计算技术标准制定,另一方面将会更加关注隐私计算的合规监管。落地案例的增加以及行业监管的收紧,将会使市场逐渐回归理性,隐私计算会出现更精细的分类,在增加营收的同时市场开始整合。处于探索期的隐私计算行业,技术初步成熟,在以金融、政务、医疗为主的领域陆续落地应用;但是技术与场景、场景和落地之间均存在断层,同时数据质量和确权等问题也有待解决。

市场启动期(2024-2025年)

 
市场整合完成后,预计隐私计算技术将会成为数据处理的底层需求,助力数据安全全生命周期管理,并联合区块链、人工智能等多种技术共同搭建适配多种应用场景的数据建模平台,逐步走向用户驱动的成熟市场。届时,具有技术优势及良好生态体系的公司将会占据市场主流。

处于启动期的隐私计算行业,核心技术问题得到突破,在多个主要领域已成熟应用,商业模式得到市场验证;但是在工业等蕴含巨大潜力的领域,技术与应用的结合仍有发展空间。“十四五”大数据产业发展规划指出, 2025 年将基本形成“创新力强、附加值高、自主可控的现代化大数据产业体系”。作为大数据产业的基础设施,隐私计算也会在2025年进入高速发展期,该技术将成为数字经济的刚需,厂商将与上下游共同形成稳定高效的全生命周期产业体系。

高速发展期(2025年-)

 
2025年,隐私计算行业产品标准化程度高,被广泛用于众多领域。厂商一方面会进行隐私计算平台的快速部署,另一方面也会高效地满足用户的个性化需求,隐私计算市场将会由需求驱动。但是受大数据体系发展程度的影响,距离实现全域数据安全流通仍有距离。

给到金融业用户的建议

 
隐私计算在银行各个场景中的应用初步启动,发展较快的各级国有行、股份行、城商行等已经开始引入联邦学习、多方安全等技术体系在客户营销、业务风控等场景进行试水。保险行业的隐私计算应用相对较弱,中国人寿财险已经启动测试与上线工作,落地效果有待于进一步跟踪分析。对于证券等资管行业,当前案例尚且缺少,仍有待开发和落地。
 
结合隐私计算当前技术发展现状以及与金融业场景的适配度综合分析,金融业,尤其是银行业需要选择具备数据流通业务痛点的场景进行“冷静测试”,并在回馈业务效果的基础上以点到线向面铺开。具体来说,易观分析建议金融机构在搭建隐私计算平台时或者上线隐私计算业务场景应用应充分考虑以下几点:
 
其一,隐私计算技术过热,保持合理预期,形成围绕业务痛点完整解决方案的隐私计算应用规划才能真正发挥业务价值。数据安全全生命周期管理与数据应用的链条是相对复杂的,是需要端到端协同解决并产生价值的,隐私计算在一定程度和范围内能够对于数据安全与应用进行适度破局,但是数据源的合规性仍然需要予以保障,方能形成完整数据链条的合规;而数据质量仍然在隐私计算未对模型质量造成影响的情况下,影响最终业务效果。

其二,在技术路线的选择方面,不同技术路线各有侧重与适用场景,依据场景选择技术应用。例如银行内部客户交叉业务营销,采用隐私求交与同态加密方法,而银行与同业/异业联合建模则需要考虑不同业态下的横向与纵向联邦应用。同时,毕竟不同技术路线也各有所短,需要考虑MPC对性能的高要求,而联邦学习建模在安全性方面的损耗,多技术路线融合以及异构平台的互联互通也需要在场景侧应用的同时同步予以考虑。

其三,具备良好技术优势的金融机构可以基于开源项目尝试自主研发适配场景的隐私计算平台,但是需要对开发成本、部署难度、开发周期和安全风险等难点有全面的认知和承受能力。同时在开源项目选择上,需要综合考量安全协议的支持度、功能全面性和学习成本。