经济日报专访星云Clustar创始人陈凯：护航金融数据，隐私计算能解决什么？

《数据安全法》日前经相关部门表决通过,将于2021年9月1日起施行。这部法律是数据领域的基础性法律,也是国家安全领域的一部重要法律。从全球视野看,在金融行业数据安全问题频出之时,各个国家均开始注重数据安全问题,我国出台《数据安全法》意义深远。

星云Clustar创始人、香港科技大学教授陈凯认为,目前,全球对数据安全越来越重视,在国内层面,随着中国人民银行等监管部门启动金融数据综合应用试点工作,一系列举措已经表明我国越来越重视数据安全问题。而金融行业是目前数据安全领域中规模*、需求最强、基础*的行业之一,对数据安全和个人信息保护理应加码。

陈凯认为,《数据安全法》落地,首先表明我国对数据安全的态度,《数据安全法》的实施将影响金融、医疗、制造、政务等多个行业,其中,金融业是影响*的行业之一。新法的落地实施将影响全行业、全领域,并不仅仅局限在某个行业或某个领域。预计新法落地后,各行业、各地方将会依据自身特征出台相应的具体条例和措施。以目前数据行业的市场规模来看,受影响*的还是金融业。对于金融业而言,数据安全法的落地实施,标志着金融业的数据合规应用工作将迈入常态阶段。

陈凯认为,新法落地后,有关部门可能会加大对金融机构信息安全工作的监督管理,从长期看,数据安全法的落地实施不仅有利于保护公民金融数据隐私安全,还能进一步的增强我国金融体系的安全性,提高我国金融体系的运行效率以及数据使用率。

数据应用合规一直以来都是衡量金融业安全工作的重要方面,有关部门未来大概率会加大对金融机构信息安全的监管。随着《数据安全法》的落地,后续如何从技术层面上推动数据安全落地,还需要政府、科研机构、学界、工业界等各部门发挥合力。

什么是隐私计算?“隐私计算是目前可见的解决数据安全和隐私保护问题、促进数据安全有效融合的关键技术之一。”陈凯谈到,近年来隐私计算也越来越火热,隐私计算的应用能解决数据孤岛问题,提高数据的使用效率,帮助数据相关行业获得新发展。以隐私计算的主流技术联邦学习技术来举例说明,两个机构进行联合建模为需求方提供服务,但数据的原文不会被各方看到,甚至不用出数据库,做到“数据可用而不可见”,从而保护数据隐私,这就是隐私计算所解决的问题。

在陈凯看来,隐私问题不仅仅是一个监管的问题,也是一个技术问题。基于在数据安全领域的不断探索,2018年,陈凯教授创办了星云Clustar,持续在加速AI算力、提高集群计算效率、保护隐私安全等方面进行研究,致力于将联邦学习,同态加密,高性能AI集群技术等最新研究成果应用到金融领域。

隐私计算技术飞速发展,给数据隐私安全问题的解决提供可能,而星云Clustar是专注金融场景的隐私计算全栈技术与基础设施提供商,目前已为不少金融头部机构提供服务,例如,为建设银行构建基于联邦学习的多方安全建模平台,支持联合建模、联合运算等隐私计算场景,同时对数据资产、流程日志、加密中间结果进行安全审计以确保流程可追溯,以“可用不可见”的方式打通全行内外部的数据共享,充分盘活了不同业务板块的数据价值。

今年4月,星云Clustar正式发布星云隐私计算全栈解决方案,致力于解决数据应用场景中安全与效率的核心诉求。该解决方案依托星云隐私计算平台,向上支撑联合建模、联合推理、联合查询、联合统计等各类应用场景,向下兼容联邦学习、多方安全计算、可信执行环境、同态加密等各类隐私保护技术,为企业提供完整的全栈技术解决方案,使其更加专注解决业务问题。同时,通过拼接安全可信的海量数据源,通过业界*异构计算加速方案提供高性能的隐私计算底层算力,兼顾性能与效率,其产品形态为星云隐私计算一体机和星云隐私计算加速卡。

陈凯表示,由于全球用户对数据隐私的关注,国内数据安全相关规章制度陆续完善,相关保护办法日趋全面化与严格化,“数据孤岛”问题正在得到加速解决。为推进人工智能在多个领域的应用落地,陈凯带领团队参与建设基于数据隐私保护的联邦学习安全计算框架,联邦学习可以帮助企业、机构内部或多个机构协作时,在满足用户隐私保护、数据安全和政府法规的前提下,通过加密机制进行数据安全连接和机器学习建模,无需披露任何存储在本地的原始数据和核心价值数据,达到或逼近跟使用原始数据建模一致的效果。

陈凯表示,星云Clustar作为技术实现和应用探索的行业先行者,深耕金融行业,构建数据安全连接的基础设施一直以来都是重要的企业愿景。星云Clustar将坚持开源的技术路线,同时逐步完善全栈的产品解决方案,希望能够构建一个高性能、安全可靠的数据底座,帮助数据使用方和数据源之间形成一个安全的连接;持续加强底层技术的研发,特别类似于全同态技术,去拓展隐私计算的技术边界。

来源:经济日报客户端