本文源自:时刻头条
（9月26日 上海）在9月24日至26日举行的在上海外滩大会上，光之树作为蚂蚁集团首次发布的"共享智能技术联盟"创始成员之一，推动了隐私计算技术在金融等多个领域的应用落地。
这是继8月底光之树成为腾讯云隐私计算技术合作企业之后，与科技巨头的又一次重大合作。蚂蚁集团的"共享智能技术联盟"致力于推动技术的突破，构建安全公信力和技术生态，打造一个基于隐私保护的互联互通的共享智能网络。
联盟的其他成员还包括蚂蚁集团、阿里巴巴、联通大数据、英伟达、锘崴科技、光大银行、网商银行、众安保险等科技公司、金融机构和国内科研院校。
作为蚂蚁集团共享智能联盟的参与方和技术提供方，以及腾讯云隐私计算技术合作企业，光之树提供了关键的隐私计算（Privacy Computing）技术。该技术是指在保护数据本身不对外泄露的前提下实现数据分析计算的一类信息技术，被视为推动共享智能技术发展的关键突破口。
光之树科技创始人兼CEO张佳辰表示："未来几年将会是隐私计算产业化快速发展的关键阶段。光之树很高兴能与行业内的企业一起，共同推动共享智能网络的发展，一起为隐私计算成为跨行业、平台级技术，并最终形成商业生态迈出新的一步，为客户裂变出更多的价值。"
数据流通不畅已成为制约我国大数据产业发展的重要问题。数据拥有者出于数据安全保密的顾虑而不愿共享数据，使得不同企业、不同机构间难以利用对方的数据进行联合分析或建模。
张佳辰表示："我国数据生产要素化的战略，核心支撑是新技术和新的生态型的商业模式，不是某个单纯的技术能够解决的问题。如何让数据安全不暴露地进行人工智能的应用，需要能够使用适应不同场景的技术结合使用，这些技术涵盖了可信计算环境（即机密计算）、联邦学习、安全多方计算、差分隐私等。"
隐私计算主要分为以联邦学习为代表的算法方案和基于芯片的机密计算两大领域。
联邦学习以实现机器学习、数据建模、数据预测分析等具体场景为目标，通过对分布式机器学习融入安全多方计算、同态加密、差分隐私等密码学方法加以改进，并在算法层面进行调整优化而实现。相比仅仅依赖安全多方计算技术（即MPC）等上一代技术路线，联邦学习的性能有很大的提升和突破，而具备工业级的可用性。
基于芯片的机密计算技术目前主要依赖于可信执行环境（TEE），其核心思想是构建一个硬件安全区域，数据仅在该安全区域内进行计算。从而做到哪怕拥有服务器的人也无法看到运行中的数据和模型，从而做到可用不可见。自从2016年Google提出联邦学习之后，在2020年，谷歌云也上线了机密计算技术，正式因为机密计算具有更高的通用性和运算性能。可以预见，机密计算将成为下一代云计算生态的重要内容和芯片产业的前沿趋势。
权威机构Gartner在2019年技术成熟度曲线报告中首次将隐私计算（其称为机密计算）列为处于启动期的关键技术。世界经济论坛2019年9月发布的白皮书认为，隐私计算技术将成为释放金融服务行业新价值的关键技术。光之树科技也成为白皮书中"钦点"的领军企业之一。
2020年7月，中国通信标准化协会发布了由光之树科技作为第一作者联合多家企业共同起草完成的《基于联邦学习的数据流通产品技术要求与测试方法》等三项隐私计算系列标准，标准的推出进一步明确了隐私计算平台将是联邦学习、可信计算和多方安全计算等多种技术路线融合的综合型平台。
