随着⽹络安全法以及个⼈信息保护法等法律出台，数据安全和个⼈隐私保护在互联⽹应⽤中成为越来越重要的问题，在以往的机构合作中，数据流转不可避免，由于数据的易复制性，成为了数据外泄的最⼤⻛险。为了实现数据可⽤不可⻅，隐私计算正可以⼤展拳脚。隐私计算技术主要包含两⼤路选，⼀个是以密码学技术为代表，包括多⽅安全计算（MPC），同态加密（HE）以及差分隐私（DP）；另外⼀类是以TEE为代表的可信计算技术，需要依赖特定的硬件。在此背景下，蚂蚁链研发了摩斯安全计算平台以解决机构合作的数据安全和隐私保护的难题。商业化的隐私计算平台需要解决安全计算的性能、安全性、通⽤性和数据可信的挑战。本次演讲将基于蚂蚁链隐私计算平台实践，分享高性能强安全的隐私计算技术和挑战应对办法。

演讲⼤纲

1. 机构合作的常⻅场景和隐私⻛险
2. 隐私计算原理和核⼼算法介绍

• 秘密分享
• 混淆电路
• 隐私集合求交

3. 隐私计算平台技术挑战

• 性能：瓶颈和优化思路
• 安全性：安全分级和增强实现
• 通⽤性：安全计算语⾔设计和实现
• 数据可信：结合区块链防范数据造假

4. 蚂蚁链隐私计算平台实践分享

听众收益

• 了解隐私计算概论、原理和核⼼算法
• 了解隐私计算⼯程挑战以及商业化落地场景