让数据可用不可见，隐私计算迎来风口？

隐私计算的概念应运而生。

简单来说，隐私计算是多种技术的统称，包括可信执行环境 TEE，多方安全计算 MPC，以及联邦学习 FL 等。这个技术可以实现「数据可用不可见」，让多个数据拥有者，在不暴露数据本身的前提下，实现数据的共享、互通、计算、建模，最终产生超出自身数据的价值，同时保证数据不泄露给其他参与方。

一方面，腾讯、华为和阿里等大厂都在加强隐私赛道的战略布局；另外一方面，隐私计算的相关初创公司也快速涌现，有数据显示，2020 年我国隐私计算行业新成立企业数量就超过 70 家。甚至在 Web3 领域，也出现了众多主打隐私计算概念的公链项目，比如 Oasis Network、PlatON、Phala Network、ARPA、Aleph Zero 等。

不仅如此，隐私计算甚至还在我国数据要素市场建设中被频频提及，例如，正在筹备建设的深圳市数据交易所，隐私计算就是底层支撑技术之一。在更多从业者的眼中，隐私计算还有更广阔的未来，将撬动千亿市场。

作为重要的技术新贵，隐私计算未来还会给我们带来什么样的改变？

今晚（10 月 11 日）8 点，我们邀请到了 隐私计算领域的开拓者 锘崴科技 创始人 & 董事长 王爽教授，和他一起聊聊隐私计算的过去、现在和未来。

我们可能会聊到：

1. 美国和欧洲关于数据保护法规一直很严格，为什么之前没有促使隐私计算发展起来？监管合规在隐私计算发展的过程中扮演着什么角色？

2. 目前隐私计算的技术成熟度是怎么样的？在精度、效率和安全等维度上，目前表现怎么样？

3. 除了金融和医疗，隐私计算还在哪些领域进行应用？怎么看隐私计算和 Web3 的结合？未来的价值空间有多大？

4. 我国大力推动的数据要素市场建设中，为什么说隐私计算将扮演重要的角色？

5. 隐私计算的技术还处在快速发展中，目前行业的商业模式发展足够成熟吗？

关于【锘崴科技】

锘崴科技是一家专注隐私保护计算的服务提供商。该公司团队于 2011 年开始研究隐私计算，于 2013 年开创性地提出了全球首篇医疗在线安全联邦学习底层架构。团队在隐私计算领域研究成果获得广泛认可 (300+ SCI)，论文总引用量超过两万余次。团队曾联合创建全球顶级技术赛事 iDASH 大赛，荣获美国医疗信息年会最高奖项，学术成果纳入上海市科技进步奖一等奖，作为主要单位参与了多个国内外隐私计算标准的制定。