隐私计算与可信数据空间
> 数据可用不可见，数据不动模型动——"让数据流通不再以牺牲隐私为代价"。
一、隐私计算全景图
┌─────────────────────────┐
│ 隐私计算技术栈 │
└────────────┬────────────┘
│
┌────────────┬────────────┬───┴───┬────────────┐
▼ ▼ ▼ ▼ ▼
联邦学习 多方安全计算 同态加密 差分隐私 可信执行环境
(FL) (MPC) (HE) (DP) (TEE)
│ │ │ │ │
▼ ▼ ▼ ▼ ▼
横向/纵向 秘密分享 全同态 拉普拉斯 Intel SGX
迁移学习 不经意传输 半同态 高斯噪声 AMD SEV
FATE框架 SPDZ协议 CKKS 指数机制 ARM TrustZone
二、快速开始
# 一键部署隐私计算实验环境
docker-compose up -d
# 启动 FATE 联邦学习（两方）
bash scripts/start_fate_cluster.sh
# 运行联邦逻辑回归演示
python scripts/fl_demo.py --parties 2 --algorithm logistic_regression
# 运行多方安全计算演示（三方平均值）
python scripts/mpc_demo.py --parties 3 --operation average
三、联邦学习入门实战
3.1 核心概念
传统机器学习： 联邦学习：
┌──────────┐ ┌──────┐ ┌──────┐ ┌──────┐
│ 中心服务器 │ │ Party │ │ Party │ │ Party │
│ 汇总所有 │ │ A │ │ B │ │ C │
│ 原始数据 │ │ 数据A │ │ 数据B │ │ 数据C │
└──────────┘ └──┬───┘ └──┬───┘ └──┬───┘
▲ │ 梯度 │ 梯度 │ 梯度
│ └───┬────┴───┬────┘
┌────┴─────┐ ▼ ▼
│ 数据A+B+C │ ┌─────────────────┐
└──────────┘ │ 协调服务器 │
│ 聚合梯度+更新 │
│ 模型，数据不出域 │
└─────────────────┘
3.2 FATE 框架快速上手
FATE（Federated AI Technology Enabler）是微众银行开源的联邦学习框架，支持横向/纵向/迁移联邦学习。
# scripts/fl_demo.py
"""FedAvg 联邦平均算法演示 —— 逻辑回归"""
from pipeline.backend.pipeline import PipeLine
from pipeline.component import Reader, DataTransform, Intersection, HeteroLR, Evaluation
from pipeline.interface import Data
# 1. 定义 Pipeline
pipeline = PipeLine().set_initiator(role='guest', party_id=9999)
pipeline.set_roles(guest=9999, host=10000, arbiter=10000)
# 2. 读取数据（各方本地读取，不出域）
reader_0 = Reader(name="reader_0")
reader_0.get_party_instance(role='guest', party_id=9999) \
.component_param(table={"name": "breast_cancer_guest", "namespace": "experiment"})
reader_0.get_party_instance(role='host', party_id=10000) \
.component_param(table={"name": "breast_cancer_host", "namespace": "experiment"})
# 3. 数据对齐（求样本交集，不泄露对方数据）
intersection_0 = Intersection(name="intersection_0")
# 4. 联邦逻辑回归训练
hetero_lr_0 = HeteroLR(
name="hetero_lr_0",
early_stop="weight_diff",
max_iter=20,
penalty="L2",
optimizer="rmsprop",
tol=0.0001,
alpha=0.01,
batch_size=128,
learning_rate=0.15,
encrypt_param={"method": "Paillier"} # 同态加密保护梯度
)
# 5. 评估
evaluation_0 = Evaluation(name="evaluation_0", eval_type="binary")
# 6. 组装执行
pipeline.add_component(reader_0)
pipeline.add_component(intersection_0, data=Data(data=reader_0.output.data))
pipeline.add_component(hetero_lr_0, data=Data(train_data=intersection_0.output.data))
pipeline.add_component(evaluation_0, data=Data(data=hetero_lr_0.output.data))
pipeline.compile()
pipeline.fit()
3.3 三种联邦学习模式
| 模式 | 特征 | 典型场景 | FATE 支持 |
|---|---|---|---|
| 横向联邦 | 特征相同，样本不同 | 银行间联合风控建模 | ✅ |
| 纵向联邦 | 样本相同，特征不同 | 银行+电商联合营销 | ✅ |
| 联邦迁移 | 样本和特征都不同 | 跨行业知识迁移 | ✅ |
四、多方安全计算（MPC）
4.1 核心协议
# scripts/mpc_demo.py
"""三方安全平均值计算：每方有私有数字，计算平均值但互不知晓对方数值"""
import random
from typing import List
class SecureAverageMPC:
"""
基于秘密分享的隐私平均值协议
原理：
1. 每方将私有值拆成 N 份随机份额，分发 N-1 份给其他方
2. 各方汇总收到的份额，公开总和
3. 总和/N = 平均值，但任何一方无法反推他人的原始值
"""
def __init__(self, n_parties: int = 3):
self.n = n_parties
def compute(self, private_values: List[float]) -> float:
"""各方输入私有值，输出平均值"""
# Step 1: 每方生成 N 份份额，和为私有值
shares = []
for v in private_values:
random_shares = [random.uniform(-1000, 1000) for _ in range(self.n - 1)]
last_share = v - sum(random_shares)
shares.append(random_shares + [last_share])
# Step 2: 每方将第 j 份发给第 j 方
party_sums = []
for j in range(self.n):
received = [shares[i][j] for i in range(self.n)]
party_sums.append(sum(received))
# Step 3: 各方公开自己收到的总和
total_sum = sum(party_sums)
avg = total_sum / len(private_values)
return avg, party_sums # 返回平均值和各方汇总值（可公开）
# 示例运行
mpc = SecureAverageMPC(n_parties=3)
avg, shares = mpc.compute(private_values=[1500.0, 2200.0, 1800.0])
print(f"安全计算结果：平均值 = {avg:.2f}")
# 输出: 平均值 = 1833.33
# 每一方只知道自己的值和收到的随机份额，无法反推其他方的值
4.2 MPC 协议对比
| 协议 | 安全性 | 通信轮次 | 适用场景 |
|---|---|---|---|
| 秘密分享 | 信息论安全 | O(1) | 加减乘 |
| 混淆电路 | 计算安全 | O(depth) | 比较、条件判断 |
| 不经意传输（OT） | 计算安全 | O(1) | 隐私集合求交 |
| SPDZ | 主动安全 | 在线/离线 | 通用计算 |
| 全同态加密（FHE） | 计算安全 | 1轮 | 任意计算，通信最优 |
五、差分隐私（DP）
# scripts/dp_demo.py
"""差分隐私实现：向统计结果注入拉普拉斯噪声，保护个体隐私"""
import numpy as np
class DifferentialPrivacy:
"""
ε-差分隐私：对查询结果加噪，使攻击者无法判断某个个体是否在数据集中
ε 越小 → 噪声越大 → 隐私保护越强，但结果精度越低
行业推荐：ε ∈ [0.1, 1.0]
"""
def __init__(self, epsilon: float = 0.5):
self.epsilon = epsilon
def laplace_noise(self, sensitivity: float, n_queries: int = 1) -> float:
"""生成拉普拉斯噪声: scale = sensitivity / epsilon"""
scale = sensitivity / self.epsilon
return np.random.laplace(0, scale)
def private_count(self, true_count: int, sensitivity: float = 1.0) -> float:
"""差分隐私计数：count + Laplace(1/ε)"""
noise = self.laplace_noise(sensitivity)
return true_count + noise
def private_mean(self, true_mean: float, data_range: float, n_samples: int,
sensitivity: float = None) -> float:
"""差分隐私均值：mean + Laplace(range/(n*ε))"""
if sensitivity is None:
sensitivity = data_range / n_samples
noise = self.laplace_noise(sensitivity)
return true_mean + noise
def compose_epsilon(self, epsilons: List[float]) -> float:
"""顺序组合定理：多次查询的隐私预算累加"""
return sum(epsilons)
# 演示
dp = DifferentialPrivacy(epsilon=0.5)
true_salary_mean = 15000.0
dp_salary_mean = dp.private_mean(true_salary_mean, data_range=50000, n_samples=1000)
print(f"真实平均薪资: {true_salary_mean}")
print(f"DP 发布值: {dp_salary_mean:.2f} (差异: {abs(dp_salary_mean - true_salary_mean):.2f})")
六、可信数据空间架构
┌──────────────────────────────────────────────────────────┐
│ 可 信 数 据 空 间 │
│ │
│ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐ │
│ │ 数据提供方 │ │ 数据使用方 │ │ 监管节点 │ │
│ │ (Provider) │ │ (Consumer) │ │ (Regulator) │ │
│ └──────┬──────┘ └──────┬──────┘ └──────┬──────┘ │
│ │ │ │ │
│ └────────────────┼────────────────┘ │
│ │ │
│ ┌──────▼──────┐ │
│ │ 连接器 │ │
│ │ (Connector) │ │
│ └──────┬──────┘ │
│ │ │
│ ┌────────────────┼────────────────┐ │
│ ▼ ▼ ▼ │
│ ┌────────────┐ ┌────────────┐ ┌────────────┐ │
│ │ 身份认证 │ │ 使用控制 │ │ 审计追溯 │ │
│ │ (DID/VC) │ │ (Policy) │ │ (Audit) │ │
│ └────────────┘ └────────────┘ └────────────┘ │
│ │
│ ┌─────────────────────────────────────────────────┐ │
│ │ 数据流通合规框架 1.0 │ │
│ │ · 数据分类分级 · 使用合约 · 存证上链 │ │
│ └─────────────────────────────────────────────────┘ │
└──────────────────────────────────────────────────────────┘
七、技术选型决策树
需要保护数据隐私？
│
├─ 多方联合建模，数据不能出域？
│ └─ 联邦学习（FATE / FedML / PySyft）
│ ├─ 同特征不同样本 → 横向联邦
│ ├─ 同样本不同特征 → 纵向联邦
│ └─ 完全不同数据分布 → 联邦迁移
│
├─ 简单统计查询（求和/平均/最值）？
│ └─ 多方安全计算（秘密分享 / SPDZ）
│
├─ 发布统计结果，防止个体推断？
│ └─ 差分隐私（拉普拉斯 / 高斯机制）
│
├─ 全量数据加密后计算？
│ └─ 同态加密（CKKS / BGV / TFHE）
│ ├─ 仅加法 → 半同态（Paillier）
│ └─ 任意计算 → 全同态（CKKS）
│
└─ 硬件级隔离执行环境？
└─ TEE（Intel SGX / AMD SEV / ARM TrustZone）
八、国家政策速览
| 时间 | 政策/事件 | 核心要点 |
|---|---|---|
| 2026.5 | 国家数据局强调 | 加快推进隐私计算和可信数据空间建设 |
| 2025 | 数据二十条深化落地 | 数据产权三权分置，推动数据流通 |
| 2024 | 数据要素×三年行动计划 | 12个重点领域数据融合应用 |
| 2023 | 可信数据空间发展行动计划 | 到2025年建成100个以上可信数据空间 |
九、生产 Checklist
- [ ] 联邦学习各方数据已对齐（PSI 隐私集合求交）
- [ ] 梯度/中间结果使用同态加密或秘密分享保护
- [ ] 差分隐私 ε 预算已分配（单次查询 ≤ 1.0，累计 ≤ 10）
- [ ] 可信数据空间连接器已部署
- [ ] 数据使用合约（DUC）已签署并存证
- [ ] 审计日志完整记录所有数据访问
- [ ] 模型安全评估已通过（成员推断攻击防御）
