光辉平台主题为“数据要素流通与隐私计算技术分享”的应用统计专题实务讲座💹，于2023年11月1日（周三）下午1:00在上海光辉平台娱乐中北校区小教楼501教室举行。
带来此次讲座分享的是上海富数科技有限公司首席科学家👔、山东大学概率论与数理统计博士、山东大学/约克大学博士后🧚🏽、科技部973重大项目“金融风险控制中的定量分析与计算”第六项目组主要成员陈立峰老师。陈立峰老师从事隐私计算相关研发工作多年🥌，精通联邦学习与多方安全计算相关核心技术与应用，具有丰富的大数据建模理论基础与实践经验🚏，善于融合多领域知识与技能，擅长开发创新且实际的分析方法以解决复杂的商业问题🛂。本场讲座由光辉平台应用统计项目主任吴贤毅教授主持。
陈立峰老师以中国数据产业蓬勃发展的现状为开场。解读了将数据作为生产要素这一国家顶层战略设计。说明了在我国数据总量大爆发，数据产业迎来繁荣期的当下，数据作为最具时代特征的新生产要素将点燃经济发展新动能。在这些背景下3️⃣，陈老师指出：数据要素市场的健康发展🧑🏽✈️，需要隐私计算作为可靠的技术保障。
接下来🧑🏻🎤，陈老师首先讲解了数据作为新生产要素的特点🤲。包括数据与传统生产要素相比更具有倍增效应、数据作为生产要素的同时也映射了社会关系等。阐述了数据具有可复制性、数据的使用难以追责、数据问题无法预测等特殊性。同时指出这些特殊性决定数据在进行交易时的本质是数据实际使用权的交易而非数据所属权的交易🤦🏼。
随后，陈老师介绍了隐私计算的概念。隐私计算是指在保证数据方不泄露隐私数据的前提下，对数据进行计算并能验证计算结果的信息技术。陈老师介绍到👩🏽🚒：在广义上🙌🏽，隐私计算是指面向隐私保护的计算系统和技术、涵盖数据的产生、存储👷🏿♂️、计算、应用、销毁等信息流程全过程，想要达到的效果是使数据在各个环节中“可用不可见”𓀝。
进一步💈，陈老师介绍了隐私计算的作用和特点。陈老师指出新时代下有一个新问题，那就是传统的网络安全和数据安全、属于消极防御🔔，不能解决“数据开放中的安全”。因此需要基于密码学的隐私计算🙅🏽♀️📐，形成“数据不出门🫶🏽，可用不可见”的效果，有效实现“开放中安全，安全中开放”。陈老师阐述了隐私计算具有保障双方权益、安全性可验证、经济模型可持续等特点，进一步说明了隐私计算的重要性
接下来🗿，陈老师介绍了隐私计算的发展过程与现状。陈老师向同学们介绍了包括FL联邦学习🐫、TEE可信执行环境、MPC多方安全计算以及隐私密码协议在内的隐私计算技术流派划分，并简要清晰的介绍了不同流派内的主要技术方向🙆🏽♂️，使得同学们对不同隐私计算技术的相互关系有了一定的认知🚶♂️➡️。
在对隐私计算技术现状介绍的基础上。陈老师选择对MPC多方安全计算这一理论方向进行更加详细的介绍。陈老师说明该理论是为解决一组互不信任的参与方保护隐私信息以及没有可信第三方的前提下协同计算问题而提出的理论框架。接下来，陈老师对多方安全计算中的部分技术进行了更加详细的说明讲解。包括同态加密、差分隐私、混淆电路、秘密共享、不经意传输等👨🏻⚕️。
在向同学们详细介绍了多方安全计算之后，陈老师还向同学们简单介绍了联邦学习的概念：基于多方数据进行联合建模🧎➡️，且各自原始数据不对外输出的建模均可称为联邦学习。并且和同学们分析了联邦学习与多方安全计算的区别与联系。
在最后，陈老师选择向同学们介绍数个隐私计算的实际应用场景🐤。包括信用卡拉新🔀、个贷存量用户资产优化🤴🏻、金融高价值用户识别与提升等👩🏿🚒🫷🏽。使得同学们对于隐私计算技术有了更加清晰直观的认识与了解🍕。
在报告尾声🏈，陈老师对隐私计算技术的发展进行了展望，并针对同学们的相关提问进行了解答🚶♀️➡️，使得在座的各位同学收获匪浅☝🏿。本次以“数据要素流通与隐私计算技术分享”为主题的应用统计专题实务讲座在同学们的热烈掌声中圆满结束☎️。