作为数字经济时代的关键要素，数据资产的重要性被提升到了前所未有的高度可是，数据安全，数据孤岛等问题制约了数据价值的释放如何充分保证数据安全，增强数据融合能力成为一个重要问题
日前，在第四届全球智慧博览会期间，睿来智慧带发布了全新升级的隐私保护计算平台RealSecure睿来智慧合伙人朱蒙表示，隐私计算正在成为必不可少的技术基础，此次发布的平台可以在保证数据隐私保护的前提下，促进数据流通，实现不发送数据，模型运行更多保护数据隐私和数据安全，为人工智能等创新应用提供更好的数据环境，更高效地挖掘数据价值
一，促进数据安全合规流通。
数据共享和协同计算将更好地释放其价值伴随着人工智能等新技术的发展，数据本身的潜在价值正在迅速爆炸不过，朱蒙表示，现有的数据流通模式面临三大困境:一是数据所有权的不可分割性使得数据所有者不愿共享，二是数据安全法律框架全面构建，监管趋严，数据合规风险让企事业单位不敢共享数据，第三，由于技术不成熟，协议不一致，数据仍然无法互联，数据资产碎片化，自成一体
海量数据分散在众多机构和信息系统中，形成信息岛和数据烟囱，数据要素的经济和社会价值无法得到充分发挥同时，在强监管和行业规范的要求下，数据的价值和安全处于二元对立的状态在这种背景下，隐私保护计算为数据安全和合规性的互联提供了技术最优解决方案
Reilly Wisdom发布的RealSecure平台是基于安全多方计算，联合学习，可信执行环境等技术的数据安全共享基础设施通过将计算环节转移到数据端，可以实现可用和不可见的朱蒙介绍说:如果数据没有送出仓库，模型会运行更多的这是平台的核心功能在数据不出本地，没有中介作为协调者的前提下，完成多方参与的模型训练，得到可以投入生产的模型，既保证了数据的隐私性和安全性，又以AI的方式驱动整个数据处理闭环
第二，加速隐私计算落地的最佳路径。
隐私计算作为最近几年来的热门赛道，吸引了众多玩家但从效果来看，私有计算市场仍处于早期阶段，大规模商业化落地面临挑战朱蒙分析，隐私计算不同于传统的机器学习，它是分布式可信芯片，密码学和人工智能的结合，在投入商业使用的过程中涉及技术适配具体来说，当大多数隐私计算技术栈遇到不同的算法时，需要大量人力对算法进行一对一的分析和重写，从而进行联邦或的改造，计算机化这导致这项工作成为劳动密集型工作，投资和成本都很大
针对这一痛点，雷利智能RealSecure平台通过自主研发的隐私保护AI编译器架构，实现了与传统算法的自动编译和一键适配将隐私保护计算算法的表达解构为更细的粒度，形成操作员基于算子的灵活组合，将普通机器学习算法程序自动转换为分布式隐私安全程序，可以摆脱重复重写的繁琐工作，实现机器学习生态与隐私保护计算生态的统一
传统做法可以理解为lsquo雕刻印刷RealSecure平台实现了lsquo打字印刷兼容主流机器学习算法，无需重写，只需调用函数，在编译器中重新编译即可
而安全性和性能是衡量隐私计算的核心指标，但两者之间存在负相关关系朱蒙表示，由于肩负着保护隐私数据安全的重要职能，安全是隐私计算的核心要素和前提，忽视安全的性能追求是一棵无根之树和无源之水
隐私计算的安全问题在于两点首先，可以证明技术本身的安全性因为密码学中被证明的安全性并不等于实际的安全性，尤其是当一些多方隐私计算协议应用于不符合其安全假设的场景时，存在安全漏洞二是算法层面的安全攻防，由于隐私计算的计算是密文数据，计算器看不到用户输出了什么数据，可能存在数据中毒风险
因此，瑞来智慧努力布局安全，构建了一个严谨的，可论证的推进事物事后安全系统，提供协议和安全假设，技术实施原则，数据捕获监控和计算日志打印审计全方位的安全评估和验证，并基于业界独创的私有计算安全攻防理念，嵌入各类安全防护巩固功能，抵御恶意攻击
在安全的基础上，性能是衡量产品价值的关键通过优化编译器驱动的高效加密算法，雷利智能在隐私计算性能上实现了一个数量级的飞跃，领先行业平均水平数十倍整个流程建模在隐私保护下完成，总耗时从日常级别缩短到每小时级别，极其安全高效
第四，基于场景的闭环数据值。
伴随着市场的成熟，应用端隐私计算的重心已经从单点能力转移到对综合能力要求更高的场景落地层因此，瑞来智慧创造了平台场景一站式隐私计算解决方案，推动隐私计算从功能演示阶段向闭环业务落地
在数据生态方面，瑞来智慧引入运营商，支付等数十个外部数据源，为企业风险决策和管理提供更丰富，更全面的数据支持同时，基于应用场景，我们可以凭借积累沉淀的模型能力，快速赋能不同的业务场景，如金融，政务等
在金融领域，
瑞莱智慧为某股份制银行提供的反欺诈案例，在多家银行之间不分享明文数据和匿踪查询的前提下，各行利用自有数据积累实现了，黑名单共享+横向联邦学习，的金融联盟风控反欺诈模式从效果上看，该方案帮助银行安全合规地引入客户的支付行为，设备信息，社交习惯等数据，大幅提升了反欺诈模型的准确性和效率政务领域，瑞莱智慧则助力政府加强数据开放能力，新型数据交易所的建设
朱萌表示，隐私计算的终极价值是是解决各个数据应用场景中的业务问题，其本质是应用人工智能挖掘数据洞察，服务智能化转型所以隐私计算需在场景需求尤其人工智能需求的牵引下，在实现跨业，跨域数据融合的同时深度挖掘，以实现数据价值的闭环