隐私计算是一项旨在保护数据安全的前提下，促进数据要素有序流动与价值提炼的新兴技术。近年来，这一技术因兼具重要的理论意义与极强的应用价值，受到广泛关注。
以隐私计算技术体系为基础，可以搭建平台化的基础设施，促进数字经济的健康发展。同时，这一技术也可以在诸多细分场景打造‘小而美’的轻量化应用，推动机构间的数据安全流通；同盾科技运用隐私集合安全求交技术赋能某头部移动出行平台，就是这样一个鲜活的范例。
实战见真章
2021年，某头部移动出行平台引入同盾科技所掌握的技术、算法及信息生态，与其风险管理技术系统有机结合，希望在司乘安全场景中通过多维数据模型，更高效的实时识别潜在欺诈风险、安全风险，从而更好的保护司乘人员安全。
然而双方在技术对接中遇到了一个难题:由于监管政策、平台内部安全审计等合规性要求，该平台不能通过传统方式外发样本。这样一来，平台应用场景与同盾科技的技术、算法之间形成了事实上的割裂；即便是在测试环节，同盾科技的技术、模型也无法深入到应用场景进行有效测试，项目效果也就无法保障。
“隐私集合安全求交技术完美的解决了这一问题，”同盾科技合伙人、人工智能研究院院长李晓林教授介绍，“PSI是隐私计算中重要的前置步骤，可在安全计算之前找出多方共有的样本，并且保证不泄漏各方独有的样本。目前，同盾以自主研发的知识联邦框架体系为基础，已建立起完整的隐私应用技术生态和智邦平台，其中PSI技术也非常成熟，达到工业化应用的水平。”
在这一项目中，同盾通过PSI技术在客户数据完全不出本地的情况下，将算法、模型、信息生态与客户系统安全打通，赋能风险管理系统更高效的识别、处置潜在风险。同时，同盾PSI技术能力得到了客户好评，具体体现在:
高性能:可对海量数据下内存、数据分片进行深度定制优化，支持10亿级别海量数据隐私求交；
高安全:采用业界最高安全等级的基于不经意传输的隐私集合求交等算法；
可解释:兼容可靠第三方流量审计工具，可对每一条外发数据用途进行验证，证明实际计算结果严格符合隐私计算算法要求；
PSI方案的设计关键点在于权衡性能、安全性、功能性，达到最佳结合，同盾科技PSI技术的高性能、安全可靠等优势，得益于隐私计算体系整体能力的支撑。
同盾科技的隐私计算战略面向下一代可信AI，是国内首家构建了隐私计算完整技术生态的科技企业——提出“知识联邦”全新的理论体系、推出工业级应用产品“智邦平台”、支撑数据安全交换的FLEX协议、开放互联参考模型 (FIRM)、可信AI开放操作系统“天启”，并发起成立知识联邦产学研联盟。同时，同盾科技也是国内第一批参与起草隐私计算标准制定的企业之一；此外，同盾科技还是首家将知识联邦技术应用于国有大型银行数据治理和数据价值实现的科技企业。
李晓林教授介绍，同盾PSI技术的安全、高效，离不开同盾自研的联邦数据安全交换协议，作为底层算法确保了数据的“可用不可见”；而同盾推出的离子键(Ionic Bond)联邦通信框架，可使联邦模型训练时间压缩至原来的六分之一，大幅提升系统的运算效率。如果把同盾整个隐私计算技术体系比作一部精密仪器，这些零部件的高效组合，是体系高效运转的基础。
同盾科技在隐私计算领域的原始创新与技术突破也受到了全球科技界的认可，于2021至2022年连续两年登榜由全球知识产权信息服务商IPRdaily与incoPat创新指数研究中心联合发布的“全球隐私计算技术发明专利百强榜单”。
小技术的大应用
传统的联合建模计算，需要把多方的数据汇集到，但数据和模型计算结果都涉及机构的商业机密。此前，这一问题的解决方式是将数据“脱敏”，然而脱敏越彻底，数据的可用价值就越低，进而降低计算的准确性。
同盾科技运用PSI技术赋能移动出行平台的案例，既确保了机构合作过程中的数据隐私和最小权限原则，充分满足当前的安全合规政策，又实现数据安全流通与高效利用，为业务赋能。
不仅如此，作为一项成熟的“小技术”，PSI技术目前已在隐私保护的实名认证、联合风控、数据发现、数据对齐等多个领域得到“大应用”。以联合风控为例，银行在客户信息核查阶段可以运用PSI技术，探查同业金融机构的风险名单或同时多次借贷的客户信息，同时保证优质客户信息不被泄露。另外在数据发现场景，社交软件基于用户授权，可运用PSI技术与用户通讯录中的手机号码进行隐私安全求交，进而此信息提供好友账号推荐。
“运用新技术解决各行各业的固有问题，提升行业效率，正是技术的价值所在，”李晓林教授表示，未来同盾科技会在整个隐私计算领域持续加大研发力度，具体到PSI技术上，将基于现有实践成果，不断突破多方安全求交、分布式集群安全求交等前沿技术，并探索更为轻量化的部署方式，为客户风险管理、智能营销等场景提供更好的解决方案。
