隱私增強計算是2021年的頂級戰略技術趨勢之一。到2025年，50%的大型組織將采用它在不可信的環境和多方數據分析用例中處理數據。

隨著全球安全與風險管理（SRM）領導者逐漸適應COVID-19大流行帶來的"新常態"，企業必須調整其隱私計劃，以便在預算日益緊張的情況下獲得更好的規模和表現。在應付這些相互競爭之時，，有一件事是不容商榷的——那就是隱私事件或數據泄露造成的聲譽風險。

所有涉及個人身份信息（PII）信息的數字運營都必須制定計劃，以解決兩個問題：客戶期望他們的數據是安全的，以及全球范圍內隱私法規的廣度和深度。

Gartner預測，到2023年，將隱私用戶體驗嵌入客戶體驗的組織將比那些沒有嵌入客戶體驗的組織享有更高的可信度和高達20%的數字收入。這很簡單：信任更多的企業，客戶花更多的錢。

想要實現如此崇高目標的企業必須同時考慮內部和外部數據源進行合并，并挖掘它們以獲得見解，所有這些都需要敏感的個人數據來實現數據貨幣化、欺詐分析和商業智能目的。讓我們來探討將增強隱私的計算能力集成到操作中的一些挑戰和機遇，并特別關注差分隱私。

1

什么是隱私增強計算？隱私增強計算是一種新型技術，使企業能夠處理、分析和共享數據，而無需公開底層數據（即專有信息/敏感數據）或相關算法。當第三方服務提供商可以為業務運營增加價值，但組織不愿意共享對內部數據的訪問權限時，這些技術就會派上用場。Gartner認為，隱私增強計算是2021年的頂級戰略技術趨勢之一。到2025年，50%的大型組織將采用它在不可信的環境和多方數據分析用例中處理數據。隱私增強計算技術的實現可以結合以下方法：

對本地數據執行分析，而不披露其實際位置

提供一個可信的環境，由外部合作伙伴執行分析

在對數據執行任何分析之前轉換數據

如此大量數據的整理和存儲對于大規模開發解決方案至關重要，然而，它給企業帶來了兩個挑戰：

存儲的數據很容易被數據泄露

數據通常在不受信任的環境（如第三方云合作伙伴）中共享，或用于多方分析解決方案

今天，各種新的隱私增強計算技術正在出現，其中許多產品是由大型企業專門開發和測試的。然而，由于法律責任的增加和建立客戶信任的需求更強烈，組織不希望在其內部運營之外共享其信息。這會產生一些額外的問題。首先，企業錯過了將鎖定在數據中的巨大價值寶庫貨幣化的機會。其次，企業無法從組織外部發生的創新中受益，而如果將創新整合到他們的運營中，就能獲得豐厚的紅利。最后，目前尚不清楚誰擁有該過程的知識產權，由于規范模棱兩可，因此目前沒有明確的數據共享法律框架。盡管如此，致力于創新的企業仍在努力消除這些問題，以下技術在商業上可用于部署：

差分隱私

同態加密

安全多方計算

零知識證明

私有設置交叉點

差異隱私在各行各業獲得了相當大的吸引力，以解決數據共享或知識產權保護問題。它涉及共享有關數據集的信息，同時保留或扭曲有關數據集中個人或特性的某些信息。該系統依靠數學算法將“干擾”插入數據集中，同時確保生成的結果分析不會因“干擾”插入而出現顯著偏差。即使黑客獲得了具有潛在破壞性個人信息的數據，差異隱私也將使不良行為者無法對這些數據元素進行逆向工程并將其與個人聯系起來，它可以最大限度地降低個人數據泄露的風險，即使源數據本身受到損害。

2

誰應該考慮差分隱私？B2C 和 B2B 組織越來越認識到跨企業系統存儲的信息量的價值。同樣的價值觀使它們成為黑客和監管機構監督的目標：何此類數據泄露所造成的貨幣負債和監管監督都意義重大。持有PII的敏感數據的公司應探索差異隱私系統，以減少此類敏感數據被暴露時的任何潛在影響。任何處理依賴于高水平人工智能模型精度的實時高性能數據處理的業務功能，都應該考慮差分隱私和其他隱私保護技術。然而，這些方法的實施仍然需要大量的數據和持續的投資。鑒于這些技術還處于起步階段，它們的長期生存能力需要不斷的衡量，擴展這些解決方案的部署需要跨組織內部的職能部門進行教育和戰略規劃。此外，企業應該對針對這些實現的潛在黑客嘗試持開放態度，這將意味著持續監測它們的性能，并定期進行微調，并根據數據的變化性質進行調整。

3

差分隱私的實際應用示例差分隱私在科技和制藥公司以及政府實體中越來越受歡迎：（1）美國人口普查局在發布人口報告之前使用差分隱私。該組織收集了大量的PII，作為十年一次的練習一部分。聯邦政府和州政府依靠收集到的數據來規劃他們的預算和項目，使用差分隱私允許美國人口普查局在不損害公民隱私的情況下，在粒度級別上共享上下文信息。（2）Google 在發布移動性報告時使用了差分隱私，該報告可視化了 COVID-19 危機期間不同地區的移動模式。當圍繞全球封鎖的爭論激烈時，谷歌使用在紐約等城市的Android設備上捕獲的數據來監控人們的移動。當這些信息被公開時，該公司努力不共享個人的設備級數據。差分隱私確保人們的行動被準確捕獲，而不會透露誰被跟蹤。（3）作為臨床研究的一部分，制藥制造公司收集了豐富的信息，包括關于藥物試驗參與者和長期健康指標的PII。這些信息對于證明正在開發的藥物的療效至關重要。由于這些信息必須與FDA或EMA等監管機構共享，因此采用了差分隱私等技術，以減少任何第三方重新識別個人的風險。與其他增強隱私的技術相結合，不同的隱私可以使高度監管行業的企業安全地利用其最敏感的數據。由于該系統的潛在影響很高，因此，納入最佳實踐的前期投資最好不是留給財力更雄厚的企業。