《隐私计算白皮书（2021年）》发布，多数隐私计算产品基于FATE等开源项目开发

近日，中国信通院、隐私计算联盟等单位联合发布了《隐私计算白皮书（2021年）》，对隐私计算技术最前沿动态进行分析介绍，一些行业内关键数据也首次披露。白皮书中一处数据引起业界关注和讨论：目前，55%的国内隐私计算产品是基于或参考开源项目开发的，这其中开源项目以FATE为主。

国内隐私计算平台开源类和自研类占比分别为55%和45%

在隐私计算技术、标准、产业等方面的研究上，中国信通院是国内权威单位。本次发布的白皮书从技术发展、场景应用、产业态势、法律合规、挑战和展望等多个层面梳理了隐私计算的发展情况、面临的挑战和未来发展趋势。

白皮书提到，当前国内隐私计算产品（平台）中，开源类和自研类分别占比55%和45%，“联邦学习的开源生态为工业化的落地应用贡献了强劲力量，特别是FATE，2020年及之后出现的很多联邦学习类产品都或多或少地吸收和借鉴了FATE供给的营养。”

图：《隐私计算白皮书（2021年）》国内隐私计算平台情况

联邦学习呈现爆发式增长，开源平台FATE为工业化落地贡献强劲力量

联邦学习是近两年来兴起的分布式加密机器学习新范式，因其有效解决了在保护数据隐私的前提下如何实现跨机构AI协作的问题，成为继安全多方计算和集中加密计算之后的“第三代隐私计算技术”。联邦学习从基础研究到应用推广等，都呈现爆发式增长特征，并且已被纳入知名技术咨询公司Gartner在今年7月份发布的 “隐私计算的技术成熟度曲线-2021”及2020年发布的“数据科学及机器学习技术成熟度曲线”。

自微众银行在国内首次提出联邦学习的概念之后，微众银行、工商银行等银行类金融机构，BAT等互联网巨头，星云Clustar、光之树科技等人工智能创业公司新势力都纷纷发力。

微众银行从理论研究、行业应用多维度推动联邦学习行业生态建设。白皮书中所提及的FATE平台是微众银行自研开源的全球首个工业级联邦学习框架，其主要目标就是有效帮助多个机构在符合数据安全和政府法规前提下，进行数据使用和联合建模。作为联邦学习的国内“首倡者”，微众银行不仅开源技术平台，并且撰写了业内首本中英文专著《联邦学习》及《联邦学习实战》，为行业提供了联邦学习理论研究框架与实战应用参考，同时推动国内国际行业标准建设，牵头制定的联邦学习首个IEEE国际标准已于今年正式发布。

在这里需要着重一提的背景是，2021年7月31日，美国亚马逊公司近期被卢森堡数据保护委员会处以7.46亿欧元（约合57.2亿元人民币）的罚款，原因是违反了欧盟的《通用数据保护条例》。这也将成为亚马逊在欧盟面临的最大一笔数据隐私罚款。就在去年，Facebook和谷歌也先后因为违反相关数据隐私保护规定而被处以巨额罚款。在监管层面、市场层面和学术界，“合规下的数据安全使用”是目前最热门的话题讨论。

“联邦学习正是要解决隐私数据的安全性问题。”微众银行FATE团队介绍，“在大数据时代，联邦学习是必备、必需的配置。刚需反促了业态繁荣，以微众银行数据来举例，我们的FATE开源平台目前已汇集了800多家企业机构、300多家高校、上万个开发者。如今联邦学习已经在金融、医疗等众多领域有了落地应用。”