学术前沿 | 上海交通大学李建华教授团队：大数据安全与隐私计算技术综述

背  景

在数字化转型的浪潮中，数据已成为改变个人生活方式、驱动企业决策、提高公共服务质量的重要资源，其商业和社会价值不断提升。但与此同时，数据泄露、滥用和隐私侵犯的问题也愈加突出。随着大数据在各个领域的深度应用，如何在保障用户隐私的前提下充分挖掘数据价值已成为学术界和产业界关注的焦点。为了应对这些挑战，大数据安全与隐私保护技术迅猛发展，隐私计算作为其中的关键技术，已成为解决大数据安全与隐私保护矛盾的重要方式。本文回顾了数据安全的发展阶段，讨论了大数据安全面临的主要威胁及未来大数据安全能力建设的方向。在隐私计算方面，介绍了其基本概念、技术路线和前沿成果，并对其在应用中面临的挑战进行了探讨，促进大数据安全与隐私保护技术的进一步发展与应用。

  01.  

随着公众隐私保护意识不断提高，我国相继颁布了《中华人民共和国数据安全法》《中华人民共和国个人信息保护法》 等一系列法律法规，将隐私保护要求上升至法律层面。图1梳理展示了近年来颁布的部分数据安全相关法律法规。

  02.  

其次本文根据不同时期数据应用的特点及面临的威胁，梳理了数据安全发展的三个主要阶段。作为信息化社会的重要组成部分，数据安全伴随数字化进程的不断推进而逐步演变。早期的数据安全关注点较为局限，随着技术的革新和应用场景的扩展，数据安全的内涵和外延不断丰富，如图 2 所示。

  03.  

隐私计算是一类技术和方法的统称，旨在数据共享和分析时保护数据隐私和安全。其核心目标是在数据处理过程中确保数据的机密性，避免敏感信息泄露。隐私计算通过多种方式实现这一点，包括同态加密、多方安全计算、差分隐私、联邦学习等技术。本文进一步探讨了隐私计算的基本概念、技术路线和前沿成果，如图3所示。

总  结

综上，本文对数据安全与隐私计算领域的研究进行了系统的回顾、总结与分析。现有研究和应用中仍存在若干问题亟待解决。其一，数据安全技术在应对新兴威胁和复杂应用场景时的适应性仍显不足，尤其是对于跨境数据流动和多方协同的安全保障，尚需进一步完善。其二，隐私计算技术普遍面临计算开销较高的难题，实际应用的性能优化和可扩展性有待提高，在大规模应用中存在显著的技术挑战。此外，隐私保护的法律法规及技术标准尚不健全，给隐私计算技术的广泛推广和落地应用带来一定的制约。