微众银行宣布多方大数据隐私计算平台开放体验

会上，微众银行宣布多方大数据隐私计算平台WeDPR-PPC将开放核心功能体验，进一步降低应用隐私计算的门槛，助力合作伙伴在可快速迭代的实验环境中，探索隐私计算的实际效果和能力边界。

与此同时，中国通信标准化协会大数据技术标准推进委员会发布了《隐私计算 跨平台互联互通 第1部分：总体框架》，总领后续各细分标准的具体内容。微众银行作为起草单位参与编写，一同给出实现互联互通的总体思路。

开放核心功能，创新给出隐私计算应用“模板”

相比传统信息化技术，隐私计算目前仍属于一类技术门槛较高的前沿数据处理技术，行业中缺乏可开放访问的相关基础设施和体验环境，这对于推广隐私计算、发展基于隐私计算的业务创新都是很大的挑战。如何兼顾发展和安全、平衡效率和风险，在保障安全的前提下发挥数据价值，是当前面临的重要课题。

在此背景下，微众银行创新性地将自研的多方大数据隐私计算平台WeDPR-PPC的核心功能开放体验，将提供核心安全多方计算引擎和常用隐私计算应用模板，覆盖跨机构数据查询、安全多方算法自定义编写、联合建模和预测等功能和场景的友好体验。会上，微众银行区块链首席架构师张开翔表示，我们希望通过提供开箱即用的隐私计算业务探索体验，在降低隐私计算应用门槛的同时，拉近隐私计算技术和行业潜在应用的距离，更有力地推进有影响力的隐私计算标杆应用落地。

据悉，WeDPR-PPC平台结合了区块链和安全多方计算的优势，实现在确权、授权和维权的全生命周期管理下，达到多方数据的联合报表、联合计算、隐私查询、联合建模和预测等。平台具备十亿级别的大数据处理能力，支持任意多方的隐私数据跨域协作，同时提供横向通用性计算能力和纵向定制型计算能力覆盖全域场景，满足海量数据商业应用场景需求。在工信部信通院最新一批“大数据产品能力评测”中，WeDPR-PPC首批通过“区块链辅助的隐私计算产品”权威评测，安全性、性能、功能全面符合国家级测试标准。

三大技术底座，微众银行构建隐私计算能力体系

张开翔介绍，面对数据流通中的痛点，隐私计算技术为流通过程中数据的“可用不可见”提供了解决方案，其主要涉及三个关键技术支撑：区块链、联邦学习和安全多方计算。区块链本身具有多中心、分布式以及不可篡改、智能合约的特性，承担构建数据互信的机制，有效实现分布式协作模式。联邦学习能有效帮助多个机构在满足用户隐私保护、数据安全和政府法规的要求下，进行数据使用和机器学习建模。安全多方计算的优势则在于，各个参与方对其所拥有的数据拥有绝对的控制权，保证基本数据和信息不会泄露。

近些年，微众银行深耕隐私计算，在三大技术支撑方面均形成了丰富的成果。

区块链方面，微众银行在多年技术沉淀的基础上，发布的区块链核心项目已超过 10 个，构建了涵括底层、中间件和应用组件在内的全栈技术体系。其中，由微众银行牵头研发的国产安全可控区块链底层平台FISCO BCOS，成为国家信息中心顶层设计的区块链服务网络BSN中首个国产联盟链底层框架。且自2017年向全球开源以来，已汇聚了2千多家企业机构、逾4万名社区成员，建成最大最活跃国产开源联盟链生态圈。开源社区内数百个应用基于FISCO BCOS研发，其中已有超过120个应用投入使用，覆盖政务、跨境数据流通、金融、公益、医疗、教育等多个领域。

联邦学习方面，早在2019 年 2 月，微众银行便将自主研发的全球首个工业级联邦学习框架 FATE予以正式发布，提供基于数据隐私保护的分布式安全计算框架，为机器学习、深度学习、迁移学习算法提供高性能的安全计算支持。目前，FATE已在信贷风控、客户权益定价、智慧零售、智慧医疗、监管科技等领域推动应用落地。

安全多方计算方面，微众银行给出了场景式隐私保护解决方案WeDPR。该方案组合多种隐私保护策略，融合安全多方计算、同态加密、零知识证明、选择性披露等算法，满足多变业务流程，并围绕开放数据平台、敏感黑名单互通、联合风控、匿名投票、安全支付、隐秘竞拍等典型场景，陆续开源其中的核心算法实现。

免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。