冲量网络 | 亦敌or亦友？个人隐私与数据共享

随着5G、云计算、物联网等技术越来越地应用到日常生活中，大量数据被身缠、手机、存储和分析，使得数据不断产生更多价值。其使得大数据等数据共享相关技术站在了技术前沿，通过这些技术，数据可以称为企业的核心资产和护城河，而人工智能的出现，也大大刺激了数据的需求，并数据共享和流通成为了刚性需求。

但问题随之而来，我们的个人隐私渐渐变得“透明”，数据隐私保护与数据流通和使用效率之间的矛盾日益凸显，虽然各国在法律层面都采取了严厉的措施，例如欧盟的GDPR数据保护条例，但Facebook、Google、华住集团等巨头们的隐私泄露和恶意利用个人未授权信息等行为屡见不鲜，数据隐私被窃取、安全泄漏等事件层出不穷。

其实对于个人隐私与数据共享，其一直保持着一种亦敌亦友的状态，在实际应用层面，用户们还是愿意付出一点自己的隐私来获取更好的服务，如果没有隐私泄露的话，其实这是一种双赢的局面，但往往事与愿违，大量的隐私泄露事件，让我们一次次地失去了对第三方存管的信任，甚至从不信任变成麻木，使得隐私泄露行为更堂而皇之地出现在我们身边。

我们可能会提出这样的问题，如果只保证一个功能的实现，是否能解决其中的矛盾？看起来似乎可行，但如果缺少数据共享，先不说数据协作的缺失，数据孤岛大量出现，仅仅是大量无效数据的冗余就是个很大问题。比如一个人喜欢听某类型的音乐，通过算法，厂商便可以推荐更相关的音乐来使得用户得到更好的体验。

如果不能进行数据共享，首先，厂商可能无法进行更深度的定制服务，从而失去产品的更多功能，另外，数据本身也包括着相当多的额外价值，例如听音乐的时间、听音乐的音量、使用的设备爱好，偏好的音乐音质等等，这些对于音乐厂商来说可能没有用途，但对于手环、耳机、公关等厂商来说便能创造更多的价值，从而扩展数据的更多价值。

但矛盾的是，虽然这些数据目的是应用于统计学范畴的产品改进等目标，但如果发生了滥用或者泄露，个人的这些信息被其他人获取，试想一下，有人能说出你准确的起床时间和每次听歌的时间段，甚至能分析你的上下班时间等等，让人不寒而栗。因此，如果仅仅限制两者中的某一个并不能平息矛盾。


既然矛盾出现，那是否有解决方法呢？答案是肯定的，以密码学为核心的各项技术，似乎有望打破数据的流动壁垒，开启数据经济时代新的商业模式。只是，无论是其自身的发展还是与区块链等新兴技术的结合，都无法得出更好的解决方案。在目前的情况下，密码学充其量只是一个及格分，虽然有一定保护作用，但距离用户想要的保护还存在很大的举例。

纯密码学方向的主流做法是以MPC（安全多方计算）、零知识证明、同态加密等纯密码学方案，其能保证数据输入各方隐私，又能输出正确的计算结果，并且是一个成熟的密码学算法，是完全可信的。但是，其却损失了非常多的效率，并且在实际应用中效果并不尽如人意，因此如果采用MPC等纯密码学方案往往得不偿失。

而如果利用区块链等新兴技术与密码学进行结合，其也会遇到不可能三角问题，即隐私、可拓展性、计算能力三者的矛盾，解决一个矛盾的同时出现新的矛盾，这是我们绝对不想看到的，因此，可信计算技术便渐渐称为人们关注的焦点。

TEE（可信执行环境）是可信计算技术的重要组成部分，其基于可信硬件，使得数据被全部保护在一个区域，只能写入，无法单独读取，只能通过算法在TEE中进行运算并输出结果，而整个输入计算读取过程，除了数据拥有者本人，其他任何人都无法触碰到数据本身，从而使得用户不用再担心数据安全问题，也使得厂商能获得自己想要的输出结果。

不过TEE作为隐私世界的守护神，其也有自身的缺点，由于其是要借助可信计算硬件，更多集中于链下，容易让人对其本身的安全性产生怀疑，所以其区块链结合将是未来的主流。链上采用区块链保证过程公开透明，链下通过可信硬件保证效率和安全性，从而保证隐私、扩展性和计算能力能同时满足。

因此，利用可信计算技术与密码学和区块链的结合，更容易实现商业化落地应用，其将在数字内容保护、金融支付、数字ID、政企服务等。使得整个过程中个人隐私安全，数据分享全流程的公开透明、可监测、可衡量、可追溯。

对冲量网络而言，多个TEE之间共同组成可信计算网络，从而完成网络协作任务，使得个人或企业也可以参与到可信计算网络中，并利用TEE的特性，提供无需互信的数据协作，支持保护数据隐私和安全前提下的联合计算和交易，保障任务的安全调度和计算，从硬件、软件、算法、共识等多维度保障安全。