原 浩，胡柯洋

（1.江苏竹辉律师事务所，江苏 苏州 215128；2.公安部第三研究所，上海 200031）

0 引言

随着我国数据安全立法进程不断加速，数据安全合规需求日益增长，隐私计算技术也于近年迎来快速发展。中共中央、国务院于2022年12月2日下发的《关于构建数据基础制度更好发挥数据要素作用的意见》（下称“数据二十条”）提出“原始数据不出域、数据可用不可见”，将进一步激发包含隐私计算在内的安全技术的应用与发展。

作为平衡数据利用与安全保护的有效手段，隐私计算在未来有望成为数据流通的底层基础设施，为数据流通创造条件并保障数据隐私和安全。但由于我国在法律层面尚未对隐私计算的法律属性、法律地位及适用条件等问题进行明确，隐私计算技术缺乏规范性指引，也面临不确定性与合法性风险。

1 隐私计算的法律定性

隐私计算是一套融合密码学、数据科学、人工智能、安全硬件等众多领域的跨学科技术体系，基本逻辑是在挖掘、分析、整合数据的过程中维持原始数据的保密性和本地化等安全指标[1]，保障数据在流通与融合过程中的“可用不可见”。目前，国内主流观点认为，隐私计算大致分为以安全多方计算为代表的密码学路径、以可信执行环境为代表的硬件路径及以联邦学习为代表的人工智能路径3大技术路径。安全多方计算，即非信任主体在数据相互保密的前提下进行高效融合计算的技术；联邦学习，即在不共享本地数据的前提下，实现机器学习模型多方协同训练的技术；……