同盾的隐私蓝图

曹彦君

2021年，《数据安全法》《个人信息保护法》先后落地，带动国内隐私计算风起。

据KPMG《隐私计算行业研究报告》预测，国内隐私计算市场规模将快速发展，3年后技术服务营收有望触达100亿-200亿元人民币的空间，甚至撬动千亿级的数据平台运营收入空间。

一大批玩家纷纷入局，都希望在这千亿市场中分得一杯羹。

成立于2013年的同盾科技，此前专注于智能风控业务。2015年上半年，金融科技市场蓬勃发展，大批客户接入。2016年左右，同盾在市场上站稳脚跟，开始拥有稳定的营收，重点开拓银行、保险类客户。

同盾科技合伙人、人工智能研究院院长李晓林对《21CBR》记者表示，过去两年间，公司隐私计算相关业务营收有了大幅增长。但在他看来，国内隐私计算行业仍在“辅路”，或许还要再过一两年，才会驶上“高速公路”。

可信AI

2019年，李晓林加入同盾科技。在此之前，他是美国佛罗里达大学终身正教授、计算机工程部主任、全美首个国家级深度学习中心NSFCBL创始中心主任。

10多年前，李晓林已经开始隐私计算的学术研究。2009年前后，苹果的iPhone和谷歌智能手机G1诞生，移动互联时代来临，很多 APP都需要使用定位功能，出于保护使用者定位隐私的需求，他开始做移动领域的隐私计算研究。

李晓林率领的研究团队，是全美最早贯通深度学习、云计算、安全隐私和物联网的团队之一。他曾经主导了Cognitive Engine和Deep Cloud平台的建立，这是学术界最早大规模分布式并行深度学习的框架和智能云服务之一。

大部分中外互联网巨头们做的云平台，都是孤立、封闭的系统。李晓林的想法不同，他想做一个开放的系统，通过平台将产业界、学术界、政府部门的智慧集合起来，通过开放云服务，为各种场景提供最佳算法模型、数据和平台。而这样一个开放系统，对数据的保护是重中之重，安全和隐私也因此成为平台的三大方向之一。

然而，Deep Cloud的发展并未如他所愿，有限的资源难以持续满足平台的快速发展需求。

加入同盾科技之后，他开始加强对联邦学习、深度学习等技术的研发投入。

李晓林认为，当下我们正处在从人工智能2.0时代向3.0时代过渡的阶段：“AI 3.0时代，我们需要全面实现可信AI，建立一个全面反映人类智能、可解释、可因果推测、可共享的泛在生态，把不同行业或领域里的知识充分利用，做出更加复杂、自主化的智能决策。知识要素会成为数据、算力、算法之外的第四要素。”

基于此，李晓林提出了知识联邦体系的概念。他解释道，知识联邦不仅仅是数据联合，更将认知和知识联合起来，覆盖更多层、更深层次的智能抽象和累积，是全方位、更高级的联邦学习。

2019年12月，同盾科技发布了自主设计和研发的智邦平台（iBond），这是其知识联邦理论框架体系的首次落地。该平台有4个分层——信息层、模型层、认知层、知识层。

前两层分别对应隐私计算中的多方安全计算和联邦学习：信息层通过安全多方计算，在密文空间上直接进行计算或简单统计;模型层通过联邦学习，基于模型加密交互进行分布式联合建模。

而该体系的首创性，则体现在认知层和知识层。认知层对同构或异构数据进行认知学习之后，进行集成或多模态融合，进而生成复杂的知识网络;知识层对分布的知识进一步学习提炼，实现基于知识的表达推理及智能决策。

这套知识联邦体系和Deep Cloud平台的理念一脉相承，中心特点是开放。

李晓林构想中的天启可信AI开放操作系统，将和智邦平台共同构成同盾的“下一代可信AI”基础设施，建立起一个数据应用的“开放市场”：提供数据商店、模型商店和应用商店，所有智邦平台的使用者，都可以在这个平台上开发、交流和交易数据、模型、应用。同时，它通过开放协议来确保安全的数据交换，这是可信AI的最基础功能。

李晓林告诉《21CBR》记者，目前天启可信AI操作系统正在最后的打磨过程中，预期会于年底落地。

落地金融

金融行业，向来是同盾的优势所在。

成立8年以来，起家智能风控的同盾科技，已经在金融领域布局广泛。资料显示，同盾科技为中国超过1000家金融机构提供产品和服务，包括国有六大行、12家股份制银行、头部的城商行、农商行和24家持牌消费金融机构。

在这一基础上，隐私计算业务的兴起，又带来了大量的新增落地场景。目前，金融类客户约占同盾总客户的70%，应用场景主要包括信贷风控、交易反欺诈、精准营销三大类。

李晓林表示，与数据安全相关的一系列政策、法律法规公布后，金融行業相对比较敏感，很多客户提出了全新的需求，主要体现在两个方面：

第一，他们需要利用更多、更好的数据。在做个人或中小企业的信贷风控时，需要大量的外部数据作为信用评估判断依据，比如运营商、电网或者网上消费的数据，这都牵涉到隐私保护问题。

第二，很多金融类企业在全国各地甚至全球设有分支机构，不同主体间由于合规问题，数据是无法直接共享的，也需要通过隐私计算技术进行保障。

在已经落地的领域，取得了较为显著的效果。例如，同盾的客户中有一家国有大行，其旗下的保险子公司希望提高精准营销能力，母子行通过隐私计算方式进行数据交换之后，客户群的精准触达率提升了大约300%。

此外，同盾还在智慧医疗、智慧城市、智能物联网等领域加大布局。

在政务大数据上，知识联邦可以帮助政府实现安全的数据虚拟融合，实现数据联邦检索，在保护个人信息的情况下，建立政府数据向社会开放的安全渠道。同时，可以为各部门行政审批事项梳理和业务流程再造提供支持。

在智慧城市建设发展中，例如车联网领域，知识联邦可以在保护车主行为习惯的前提下，让每辆车与周边车辆保持安全的信息交流;在社区监控、疫情普查或智能门禁中，知识联邦可以将区域或家庭监控系统与公安的犯罪嫌疑人数据库连通，通过本地计算分析，在保护过往行人的隐私情况下，发现嫌疑人后及时报警。

寻找平衡

现阶段，在商业模式上的探索，行业仍处于初期。

当下，同盾和企业之间的合作，主要是由同盾提供平台、算法、模型，交付的是完整的解决方案，收入上采取分润模式，基于平台上的数据流通活动产生利润分成。

这样的合作模式下，双方有很多地方需要相互磨合。

由于合规问题和行业发展阶段等因素，这样的制约或许会长期存在，同盾希望用更标准化的流程来完成合作。未来，同盾计划给客户提供平台和标准化模版，客户可以把数据放在平台上，通过安全协议和机制，自行建模、开发应用。

同盾探寻新模式的同时，腾讯、阿里、字节等互联网大厂加入战局。

李晓林认为，仅靠互联网巨头烧钱做研究或者拥有特别厉害的算法，都是不够的，“现在这个阶段，比拼的是全方位的综合能力”。

李晓林说，相比别的厂商，同盾科技的战略不仅仅聚焦于隐私计算技术的发展，而是构建面向下一代可信AI平台，提出全新的理论体系和技术生态。

首先，同盾在国内首次构建了隐私计算的完整技术生态——由工业级安全多方应用平台产品“智邦平台”、数据安全交换协议（FLEX）、 “天启可信AI开放操作系统（Inception AI）”组成。同时，同盾联合浙江大学、中科院医学所等10余家机构，发起成立“知识联邦产学研联盟”。

其次，同盾是国内第一批参与起草隐私计算标准制定的企业之一。

第三，在知识联邦技术的落地上，同盾已先于巨头们进行了布局。2021年，同盾协助某国有大行，围绕着企业级数据分级分类、敏感信息保护等问题展开落地。

“当下，我们正在过度保护数据和过度使用数据中间，寻找一个平衡点。”李晓林说，再过几年，隐私计算可能会成为必选项——只要使用AI、使用数据，就必须考虑隐私保护。“特别期待中国能在国际上率先突破可信AI 3.0。”李晓林说。