“隐私计算”是指在有多方参与计算的场景下，如何在获得计算结果的同时，保护数据及模型隐私安全的理论、算法、技术、标准和实践。它既是一系列保护隐私安全的基础算子，又是这些算子和大数据、人工智能、区块链、互联网、经济学激励模型等现代技术的融合。
对于建设信息文明和数字经济而言，数据是关键基础，然而现阶段数据价值并没有充分发挥出来。但在这个过程中，我们对数据要素的认知正不断深化，隐私计算的价值逐步得到各界认同。本书除了系统性阐述技术手段外，还囊括了隐私计算的商业价值和创新的模式，是一本帮助开拓思路的书籍。

燕丽，上海交通大学硕士毕业，智能数据与隐私计算研究平台算力智库创始人。专注研究智能数据、隐私计算、区块链等技术协同赋能传统产业数字化改造解决方案与商业模式创新。被和讯选为2019年度“她榜样”女性人物之一。

第一章 数字经济时代。隐私计算走上前台
一、数据价值的崛起：新型生产要素
二、数据价值挖掘面临的瓶颈
三、数据“炼金术”隐私计算登场
第二章 隐私计算核心技术图谱
一、面向数据隐私的全生命周期保护
二、安全多方计算
三、同态加密
四、差分隐私
五、零知识证明
六、可信执行环境
七、隐私保护技术面临的挑战和课题
第三章 联邦学习：冲出数据孤岛的隐私计算3.0阶段
一、Hello World！联邦线性回归
二、联邦学习：让隐私计算生态没有短板
三、联邦学习的过程和框架
四、联邦学习的应用实践
第四章 当隐私计算遇上区块链
一、区块链的阿喀琉斯之踵
二、隐私计算对区块链的补充
三、隐私计算在区块链的典型应用
第五章 隐私计算开启数据价值新商业模式
一、旧数据商业模式亟待解决的痛点
二、数据有序流动下的新商业模式特点
三、隐私计算产品的落地设计
四、隐私计算的应用场景创新探索
第六章 落地进行时：十四大应用场景案例及行业格局解析
一、案例一：知识联邦打破数据孤岛，推动跨地区跨部门间数据共享交换
二、案例二：隐私计算解“保险之殇”
三、案例三：各形态数字协作联盟的探索实践
四、案例四：风控的进化一隐私计算开启智能风控创新体系
五、案例五：隐私计算驱动金融营销转型升级
六、案例六：破解融资难题一以广东省中小企业融资网络为例
七、案例七：安全、开放、可信的卫生医疗数据应用开发平台
八、案例八：分级诊疗的“厦门模式”
九、案例九：传染病的“防、控、研”一体化智能平台
十、案例十：医药研究系统和全基因组关联分析系统
十一、案例十一：隐私计算重构的医联体协作联盟
十二、案例十二：政务大数据和智慧城市建设
十三、案例十三：打破数据隔阂，锻造智慧城市增长新引擎
十四、案例十四：基于可信网关和区块链的污染物监测审计系统
十五、国内隐私计算产业生态
十六、国外隐私计算行业发展概况
第七章 数据隐私安全法律与监管现状
一、当前国内外的数据立法现状
二、全球视野下数据跨境流动的发展趋势和特点
三、中国数据跨境流动的法律规制和司法实践
第八章 趋势与展望
一、发展瓶颈
二、未来趋势
参考文献

应作者之邀，为此书
写序，逐章阅读后，我很
乐见于隐私计算终于有一
本这样比较系统的、工具
性与商业性兼具的专著可
以问世。时至今日，数据
要素市场建设正在渐趋深
入，数据立法和监管也在
加大马力，不断完善。随
着《网络安全法》《数据
安全法》《个人信息保护
法》的三法并行，对活跃
于数字经济时代下的每个
产业主体而言，未来十年
乃至更长时期，数据问题
将既是发展主线，也是生
存红线。
也是由此，数据价值
挖掘和合规双轮驱动下，
让隐私计算成为今日之刚
需。“隐私计算”是指在有
多方参与计算的场景下，
如何在获得计算结果的同
时，保护数据及模型隐私
安全的理论、算法、技术
、标准和实践。它既是一
系列保护隐私安全的基础
算子，又是这些算子和大
数据、人工智能、区块链
、互联网、经济学激励模
型等现代技术的融合。随
着社会对于大数据公平安
全及隐私保护的呼吁和社
会、政府对数据市场的法
治建设的完善，2021年
被公认为隐私计算的落地
元年。隐私计算从概念提
出到如今，其实并没有走
得太远，仍处于技术商业
化初期。何以如此？首先
，这是个复杂性和协同性
极高的大工程，落地难度
大，需要庞大的数据源，
也要有适配的场景方，考
验资金、人才、资源等多
重因素；其次，技术性能
还不足以支撑大规模商业
化，技术可信和市场认同
，还没有取得广泛的共识
。
“我知道数据流动的价
值，但是我不知道怎么用
它，以及用到哪里，效果
是否像预期一样。”这是
很多业内朋友表达的困惑
，其中不乏已经躬身入局
的隐私计算厂商和数据场
景方。这就像拿着锤子找
钉子，厂商有技术产品，
但却找不到合适的场景；
很多数据场景方，数据“
一箩筐”，但厘不清业务
逻辑，不清楚哪些环节可
以用技术来建立模型，哪
些地方属于隐私保护范畴
，需要隐私计算来保驾护
航。各方需求错位，匹配
不上，结果成了为“隐私
计算”而“隐私计算”，那
就本末倒置了。当然，这
不是单靠技术的进步就能
解决的，需要产品精进、
市场教育、配套基础设施
、标准建立、人才培养多
管齐下。
我做人工智能已经有
30余年。人工智能诞生于
数据中，那么人工智能就
需要保护人的隐私、人工
智能需要保护模型的安全
。这些年来，一路跟踪技
术发展与需求之间的变化
与相互促进到今天，任何
一种技术思潮的进化，都
是一个动态博弈和螺旋式
上升的过程，需要“死磕”
以及大周期的精耕细作。
广义的隐私计算经历了40
多年的发展，其历史可以
追溯到1979年的秘密分
享，当时由Shamir和
B1akley提出。1982年和
1986年，姚期智院士提
出了安全多方计算和混淆
电路，但彼时国内的数据
意识并未完全觉醒，安全
多方计算也更多是停留于
实验室，很大程度上属于
“边缘角色”，这也是隐私
计算的第一阶段，目的是
通过隐藏的部分信息来保
护隐私，但缺陷是运算速
度较慢。第二阶段是“差
分隐私”，强调利用加噪
音来保证个体数据不被泄
露，但又负面影响模型效
率。第三阶段是“集中式
加密计算”，可以有效保
证数据不被泄露，但是比
较依赖于芯片支持。现发
展阶段，进入联邦学习时
代。联邦学习在运算速度
上改进很多，并且不需要
特定硬件支持，尤其强调
“模型治理”，让隐私计算
有了大踏步的前进，我称
之为隐私计算4．0阶段。
联邦学习，也是多年来我
带领科研团队深耕到金融
等场景中反复锤炼实践的
技术路径。简短概括，即
数据不动模型动，数据可
用不可见。原始数据和模
型参数同时受到严格保护
。我们用“羊吃草”的逻辑
来映射数据、模型之间的
各类关系，也被业界广泛
接受。这条发展之路，是
以性能效率为导向，市场
需求推动、监管合规倒逼
的过程，并非一蹴而就，
每条技术线此轻彼重、此
重彼轻、交叉融合、螺旋
上升，才能筑成隐私计算
的“理想大厦”，创造出新
的数据使用范式。
今天我们一直强调共
同富裕和数据平等，反垄
断成为要务，数据如何确
权定价交易、数据跨境流
动的规制和数据话语权的
争夺成为一系列新时代命
题，隐私计算的出现，让
这些问题都有了答案的雏
形。数据“可信可分配”，
“可控可流通”，数权各有
所属，数据资源安全共享
、数据利益各有所得，这
是属于未来数据社会的应
有蓝图。隐私计算研究，
当下正在中国蓬勃发展，
甚至领先于国际。在本书
中，我欣然地看到多个应
用在不同场景的隐私计算
案例，涵盖金融、医疗、
政务、物联网、智慧城市
等，可以为有意投身于此
的朋友点灯引路。
最后，衷心希望本书
的出版，能够从商业应用
和实践落地上，推动隐私
计算在中国的发展更上层
楼！