| RK | 企业 | 备注 |
|---|---|---|
| 1 | 蚂蚁集团 | 蚂蚁链摩斯隐私计算平台 |
| 2 | 微众银行 | 场景式隐私保护解决方案WeDPR |
| 3 | 星环科技 | 数据隐私计算平台 |
| 4 | 讯飞智元 | 联邦学习平台 |
| 5 | 华为云 | 可信智能计算服务TICS |
| 6 | 百融云创 | 隐私保护计算平台Indra |
| 7 | 同盾科技 | 智邦iBond平台 |
| 8 | 奇富科技 | 多方联邦学习计算平台 |
| 9 | 吉大正元 | “元安全”隐私计算平台 |
| 10 | 腾讯云 | T-Sec机密计算平台 |
| 11 | 神州绿盟 | 绿盟隐私计算平台(NSFOCUS PCP) |
| 12 | 百度智能云 | 点石隐私计算平台 |
| 13 | 信安世纪 | 信安NetPEC隐私计算平台 |
| 14 | 字节跳动 | 隐私保护计算服务 |
| 15 | 云象区块链 | 隐私计算数据安全平台YunPCDS |
| 16 | 我来数科 | 天冕隐私计算平台 |
| 17 | 万向区块链 | 万纳链 |
| 18 | 京东数科 | 京东万象 |
| 19 | 趣链科技 | 数据协作平台BitXMesh |
| 20 | 数秦科技 | 氚平台 |
| 21 | 华控清交 | 隐私保护计算平台青椒算台 |
| 22 | 瑞莱智慧 | 隐私保护计算平台RealSecure |
| 23 | 翼方健数 | XDP旗舰级隐私计算平台 |
| 24 | 金融壹账通 | 加马平台 |
| 25 | 天河国云 | 天河数通(TH-DLake) |
| 26 | 云从科技 | 开明隐私计算平台 |
| 27 | 金智塔 | 智隐·隐私计算平台 |
| 28 | 布比区块链 | 商用级区块链底层平台 |
| 29 | 数牍科技 | 隐私计算全栈技术及解决方案 |
| 30 | 锘崴科技 | 锘崴信®隐私计算平台 |
| 31 | 零数科技 | 零数隐私计算服务平台 |
| 32 | 蓝象智联 | GAIA隐私计算平台 |
| 33 | 神州融安 | 融安隐私网关 |
| 34 | 创安恒宇 | 可信通用隐私计算平台 |
| 35 | TalkingData | TalkingData安全岛 |
| 36 | 纸贵科技 | 纸数魔方 |
| 37 | 数篷科技 | HyperCloak增强型零信任安全框架 |
| 38 | 矩阵元 | 隐私ID匹配服务平台、隐私AI服务平台 |
| 39 | 熠智科技 | 天问隐私计算平台 |
| 40 | 富数科技 | Avatar安全计算平台 |
| 41 | 吉利数科 | 吉利数科联邦学习平台 |
| 42 | 圣诺联合 | 圣诺云数数据资产确权平台 |
| 43 | 同态科技 | 同态隐私计算OS、隐私计算一体机 |
| 44 | 摩联科技 | 蜂窝物联网的可信服务框架 |
| 45 | 量安科技 | 量安隐私计算平台 |
| 46 | 微分易数 | 医疗器械领域隐私计算科技服务 |
| 47 | 隔镜科技 | AI隐私训练、区块链隐私计算 |
| 48 | 洞见科技 | 洞见数智联邦平台(InsightOne) |
| 49 | 融数联智 | “御数平”隐私计算一体机、“善数”隐私计算平台等 |
| 50 | 原语科技 | PrimiHub隐私计算平台 |
| 2024.12 DBC/CIW/CIS | ||
随着数字化时代数据的大量收集和广泛应用，数据已成为重要的生产要素，但随之而来的数据隐私泄露风险也日益严峻，隐私保护问题愈发突出。频发的个人和企业数据泄露事件不仅严重损害了用户的信任，还给各类组织带来了沉重的法律和经济负担。
作为一种能够在保护数据隐私前提下进行计算和分析的隐私计算技术，在数据互联互通需求高涨与数据安全政策不断出台的背景下逐渐受到广泛关注。
隐私计算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系列技术集合，涵盖多方安全计算、联邦学习、同态加密、差分隐私等多种关键技术。目前主流的隐私计算技术分别为区块链、联邦学习、多方安全计算三大技术。
隐私计算能够助力更多企业和机构实现数据的安全流通和高效利用，为构建更加安全、透明和高效的数字经济生态贡献力量。在实际应用场景中，隐私计算展现出了巨大的潜力。
以金融行业为例，在信贷业务中，银行与第三方数据机构往往需要合作评估客户信用状况，但出于对数据隐私的担忧，双方数据共享困难重重。借助联邦学习这一隐私计算技术，银行和数据机构可以在不交换原始数据的前提下，共同训练信用评估模型。模型参数通过加密方式在双方之间传递和更新，使得银行能够利用外部数据丰富客户画像，提高信贷审批的准确性和效率，同时确保客户的个人信息、交易数据等敏感内容始终留存在本地，不被泄露。
在金融反欺诈领域，不同金融机构面临着相似的欺诈风险，但各自的数据孤立分散，难以形成有效的防范合力。通过多方安全计算技术，各机构可以在加密环境下对客户的交易行为、登录信息等数据进行联合分析，精准识别潜在的欺诈模式和异常交易特征，如不同账户在短时间内从相同IP地址登录并进行大额转账等异常行为。这种协同分析无需原始数据的直接共享，大大增强了整个金融行业的反欺诈能力，保护了客户资金安全和金融机构的声誉。
尽管存在挑战，但隐私计算的前景依然广阔。随着技术的不断演进，性能瓶颈有望突破，更高效、便捷的隐私计算平台将陆续涌现。同时，全球范围内的数据隐私保护法规逐步健全，为隐私计算的规范化发展提供了制度保障，促使企业更加重视并合理应用隐私计算技术。
结语
隐私计算作为数据隐私与价值挖掘之间的关键桥梁，未来，隐私计算将持续赋能各行业，在保障个人隐私权益的基石上，激活数据要素潜能，推动数字经济迈向更加稳健、繁荣的新阶段，引领着数据安全流通与利用的新方向。
（文/萤火）
e-Mail：lab@enet16.com
