隱私計算將為數字營銷帶來什么？
全渠道營銷當道，從各個觸點獲取用戶信息已成為剛需。換句話說，客戶體驗有多到位，就意味著企業掌握了多少客戶數據。
用戶隱私保護，始終是懸在營銷人頭上的達摩克里斯之劍。隨著互聯互通的推進，企業在數據上的痛點，正逐漸從“取數受限”變為“用數合規”。
2019年，一家名叫劍橋分析的第三方數據公司泄露Facebook（現為Meta）超5000萬用戶數據，并向這些用戶發送定向廣告，Facebook因此被罰款50億美元。
在現實情況下，數據業務化，促使企業與第三方平臺交互的場景增多，無形中增加了數據泄露的風險，一旦數據被復制或轉售，將輻射到流通鏈條上的各個端口，且難以追溯。
當前，針對用戶授權同意，數據收集最小化、個人信息收集清單公開等舉措，加大了用戶知情權的保障力度。與此同時，一些營銷技術平臺落地了包含獲得同意、管理同意、優化同意率的用戶授權服務，而這僅僅優化了數據流通的起點。
在接下來的數據傳輸、計算、輸出的過程中，如何在數據安全與數據開放之間取得平衡，隱私計算正在探索一條新路。
隱私計算，又稱隱私增強計算、隱私保護計算，是面向隱私信息全生命周期保護的計算方法，融合了密碼學、數據科學、人工智能等技術，可以在確保數據不對外泄露的前提下，實現數據分析計算，即原始數據不出域，數據可用不可見。
在傳統的數據流通或交易中，數據包、API接口是最常見的方式，但隱私數據易泄露、數據價值難釋放的問題也非常突出。
相比之下，隱私計算的最大區別在于，實現了數據持有權、數據使用權的分離。
隱私計算的參與方可以分為：輸入方、計算方與使用方三個角色。
使用方需要先向輸入方發送申請，經同意后，方可通過計算方得到結果。計算方通過各種技術手段，實現對原始數據與計算結果的保密。
多方安全計算、可信執行環境、聯邦學習是當前計算方的三大主流技術路線。
1. 多方安全計算（Security Multi- Party Computation，MPC）
兩個富翁想比比誰更有錢，但又不愿意向對方透露自己真實的財產情況，他們該怎么做？
1982年，圖靈獎得主姚期智提出的“百萬富翁問題”，成為多方安全計算的起源。該技術給出的解決辦法，是以密碼學技術代替第三方，組織多方進行聯合計算，最終各方僅能獲取自己的計算結果，無法推測出任意一方數據。
2. 可信執行環境（Trusted Execution Environment，TEE）
基于硬件打造出可信安全的環境，將敏感數據的處理限定在一個安全隔離環境，安全區域外的任何非授權的用戶都無法獲取區域內的任何數據，這種方式也被稱為機密計算。
3. 聯邦學習（Federated Learning，FL）
分布式機器學習技術，2016年由谷歌提出，2018年被微眾銀行引入國內。指參與方在數據不出本地的前提下，僅通過交換模型參數或中間結果的方式，構建基于虛擬融合數據下的全局模型。
除此之外，隱私計算還包含同態加密、差分隱私、零知識證明等技術，由于各具優缺點，對多項技術進行組合使用是目前主要的實踐方式。
根據IDC調研數據，2021年，中國隱私計算市場規模已突破8.6億元。
盡管現階段主要應用在金融、通信、政務、醫療領域，互聯網僅占較小比重，但該賽道已擠滿各路參與者。從早期的“隱私計算四小龍”（華控清交、翼方健數、微眾銀行、螞蟻科技），發展到互聯網、云計算、大數據、AI、金融科技、通訊等各領域企業百花齊放的市場格局。
實踐層面，據中國信通院調研數據，截至2022年6月，55%的隱私計算產品進入實施階段，研發階段的產品正在大幅降低。
“隱私計算正在慢慢地從技術階段向應用階段過渡，正處于大規模應用的前夜。”中國信通院云大所大數據與區塊鏈部副主任閆樹在第十六屆21世紀亞洲金融年會上表示。
具體到營銷領域，隱私計算的出現，充當了打通外部數據孤島的樞紐角色，通過幫助企業與外部數據聯合建模的方式，實現資源優勢互補，更好地發揮數據的最大價值。
以用戶精細化運營為例，隨著用戶渠道的增多，用戶數據的維度也隨之增多，企業掌握的第一方數據往往不夠完整，若要構建一個清晰的用戶畫像，還要依靠社交、電商等平臺的數據補充。
再如廣告投放領域，人群篩選的個性化，需要依靠聯邦學習，對企業的人群包數據與渠道的人群包數據進行聯合。
如果將每一家企業看作一個數據孤島，隱私計算連接起來的，是更大規模的集群，帶動的是產業數據的協同。
在海外，Meta正在將隱私計算投入實踐，以實現個性化體驗與隱私的共存，目前在探索多方安全計算、設備端機器學習，以及差分隱私等三項技術。Meta大中華區總裁Jayne Leung在接受極客公園采訪時指出，隱私保護強化技術（即隱私計算）是對廣告生態系統未來的長期投資。
回到國內，數牘科技、星環科技、Convertlab、TalkingData等各類服務商，在原有行業解決方案的基礎上，將目光投向精準營銷、跨域營銷、廣告投放優化、存量客戶意向識別等方向，旨在填補隱私計算在國內互聯網行業的應用場景。
與此同時，作為尚處于發展初期的新事物，隱私計算仍面臨一系列技術挑戰。
“隱私計算合規性的關鍵爭議就在于隱私計算技術的數據處理效果是否可以滿足法律上不可復原、不可識別的匿名化要求。”中國信通院云計算與大數據研究所所長何寶宏在“2022隱私計算大會”上表示。
這也意味著，如果隱私計算達不到匿名化的標準，就仍需要用戶的授權同意。但隨著數據要素流通進入提速期，一個不可阻擋的趨勢是，隱私計算將為數據流通過程中的安全可信加碼，成為企業用數的標配。
