杨靖世 王思源 袁博 刘嘉夕

(1. 中国信息通信研究院云计算与大数据研究所，北京 100191；2. 北京邮电大学泛网无线通信教育部重点实验室，北京 100876)

0 引言

当前，数据融合需求不断增强，数据保护要求逐步提高，作为一种数据安全流通技术，隐私计算在近年来迎来了极大发展，同时《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》等国家政策的出台更是推动了隐私计算技术在数据领域持续发力。近年来，在算法协议不断优化、硬件性能逐步增强的背景下，隐私计算的可用性大大提升，越来越多的企业开始进行隐私计算的技术研究和产品化研发，已发布的产品数自2018年的2款产品爆发增长至2021年的105款产品[2]；隐私计算应用也在进一步发展丰富，在金融、政务、互联网、通信和医疗等领域逐步细分外延，并在工业、能源和物流等行业开始进行尝试性探索。

由于隐私计算涉及多个参与方、参与计算的数据规模量级大和计算加密等特点，当前性能成为其难以形成大规模应用的主要因素之一。其庞大的技术体系，更使得衡量产品性能的困难性陡增。本文首先讨论了隐私计算产品在性能标准化进程中面临的挑战，进而提出产品性能评估方法的思考，最后总结了隐私计算的局限与未来发展。

1 隐私计算产品性能测评标准化现状与挑战

隐私计算作为一种促进数据流通合规的“技术解”，其技术体系复杂。当前其主流技术方向有多方安全计算、联邦学习和可信执行环境等，各种技术的实现原理差异大，很难以同样的标准进行衡量。……