你点外卖没泄露地址？隐私计算藏在你每天的上网里

你点外卖的时候，有没有想过，平台给你推「周边人都爱吃的店」，它是怎么算出来的？

它要汇总周边三公里所有用户的点餐偏好，才能算出哪几家店口碑最高。但它不敢把所有用户的地址、口味、消费记录全都拿出来放在一块算——万一漏了，就是天大的事儿。

这就是大多数人没听过，但每天都在用到你的身上的问题。

明明要一起算数据，为啥不能把数据放一块？

说实话，这个痛点太老了。早十几年前互联网开始攒数据的时候，大家就碰到了。

你是银行，要给街边开小店的老板批贷款，你只知道老板在你这儿的流水，不知道他每个月进多少货，发多少快递，线上有多少营业额。这些数据分别在电商平台和物流公司手里。

人家敢把用户数据给你吗？别说《个人信息保护法》压着，就算没法规，谁敢把自己用户的隐私往外放？出了事儿谁扛？

这就是数据孤岛，每块数据都是价值连城的金矿，但就是挖不出来——你想合两块矿挖，就得先把矿搬一块，搬的过程就把隐私漏了。

前几年这种事儿见得少吗？一堆公司号称做数据合作，转头就把用户信息卖了，哪怕是无心的泄露，遭殃的都是普通人。

隐私计算到底是怎么做到数据可用不可见的？

说穿了，这个技术核心就是一句话：我只用你的数据算结果，不拿你的原始数据。

举个最俗的例子。你和我都不说自己月薪多少，但就想比一比谁拿得多，怎么办？

原来的方法是，我们都把工资条掏出来给第三方看，第三方说谁高就是谁高。但第三方万一转头把我们工资卖了呢？风险太大。

用隐私计算的方法，我们不用给任何人看工资条。咱们拿两把锁，各自把自己写了数字的卡片锁在盒子里，两个人一起在锁着的盒子里做对比，最后只打开盒子看结果——只出来「你比我高」，没人看到具体数字。钥匙还在咱们自己手里。

现在落地最多的联邦学习，就是这个思路。大家各自在自己的数据集上训练AI模型，只把训练出来的模型参数传给对方合在一起，原始数据从头到尾都留在自己的地盘，一步都没动过。

还有另一个常用的差分隐私，就是给原始数据加一点没什么影响的小噪音，算整体结果的时候完全不影响准确性，但想要从结果里反推某一个具体用户的信息，根本不可能。

听起来很玄，其实落地场景就在你身边。你刷到的短视频推荐，你申请贷款的时候的风控，甚至医院一起联合训练的癌症早筛AI，背后都有可能跑着隐私计算。

别吹神了，隐私计算也有绕不开的坑

前几年风口的时候，什么牛鬼蛇神都出来蹭概念，连做数据标注的小工作室都敢说自己做隐私计算，说的神乎其神，好像有了它所有数据问题都解决了。

都是扯。

第一个误区，很多人觉得隐私计算就是绝对安全。错。它只是把数据泄露的风险降到了足够低，不是完全没有。比如现在已经有研究证明，传递模型参数的时候，还是有可能通过算法反推出部分原始数据，只是成本很高，一般人碰不到而已。而且它解决不了内鬼偷数据的问题，如果有人直接从你存原始数据的服务器把数据拷走，隐私计算根本管不着。

第二个误区，隐私计算只是为了合规。不对，合规只是最基础的要求，它真正的价值是把原来不能碰的合作变成了可能。原来银行不敢和运营商合作做风控，现在可以拿到用户的行为特征，不用碰用户的具体通话记录，既多了一个风控维度，降低了坏账，又不违规，两边都赚，用户也不用怕信息漏出去，这才是价值。

还有个现实的坑，就是太贵了。原来把数据放一块算，一次就搞定，现在要加密解密，来回传参数，计算量翻好几倍，带宽成本也上去，很多小机构根本用不起。现在落地的大多是大公司，银行、互联网平台、医疗机构，小玩家还碰不起。

不过话说回来，你说这技术改变了什么？其实它就是给我们现在这个数据时代补了一块最关键的短板。原来我们总说，数据是新时代的石油，可石油不能运，运出来就漏，漏了就污染，那挖了也白挖。隐私计算就是建了一条干净的输油管道，石油不用离开产地，能把油运到需要的地方炼，价值出来了，污染也没了。

它不是什么改变世界的黑科技，就是一个解决老问题的笨办法。但就是这种笨办法，才让我们既能用到数据带来的方便，又不用把自己的隐私全露出去。

下次你点外卖收到精准推荐，申请贷款很快批下来的时候，你可以想一想，说不定背后就有隐私计算在偷偷干活，帮你捂着你的隐私呢。