隐私计算DataTrust：从产品需求到工程架构实践

继上期介绍了新监管形势下的隐私技术及数据共享合规设计的思考，本期将接着为大家讲解，国内唯一一个获得工信部三项隐私计算测评的产品DataTrust，在隐私计算领域从产品需求到工程架构的实践之路。

随着数据作为第五大生产要素被提出，“数据流通”的社会价值已形成广泛共识，由于行业背景、数据现状、研发能力等方面的差异性，不同行业企业对于“数据流通”的场景和诉求也不尽相同：

• 数据安全要求不同：有些企业相信中立的第三方，能接受数据安全上传至受信的第三方平台的方案；有些企业对数据保护较敏感，希望原始数据不流出自有网络和自有机器。
• 数据融合计算模式不同：有些场景需要统计分析的隐私计算能力，如双方数据求交后做SUM/COUNT等计算，或者双方联合SQL计算，最终得到统计分析结果；有些场景需要机器学习的隐私计算能力，如双方联合完成模型训练、模型预测，最终得到算法知识结果。
• 数据的云化程度不同：一些企业大部分业务系统已经上云，数据从产生到分析的全链路都在云平台完成，因此这类客户需要云上的解决方案来实现数据流通；还有很多企业的主要业务系统以及业务数据仍在自有IDC机房生成和加工处理，他们同样也有数据流通的需求场景。
• 数据计算和存储系统不同：对于一些数字化转型较早的企业，往往有完备的