魏凯表示 ， 无论是针对隐私计算技术还是人工智能技术的使用 ， 法律都不会从合法性上给出确切的定义 ， 法规只关注是否侵犯相关的利益 ， 关注隐私计算在实践中能否很好地落实法律最小化原则、是否能显著降低泄漏风险 。
所以 ， 企业使用隐私计算技术进行数据聚合时 ， 是无法完全规避法律风险的 ， 比如基于联邦学习的交换数据里面含有梯度 ， 梯度仍然可以揭示出一些个人信息的特征 ， 具体还要看使用场景和业务逻辑 ， 针对具体情况进行法律风险的规避 。
魏凯称 ， 隐私计算的使用不能作为逃避法律的挡箭牌 ， 技术只是某种程度上降低了产生后果的风险 ， 归根到底其实还是要看它的商业模式是否合规 ， 数据来源是否合法 ， 数据的授权和使用目的是否正当 。
徐世真表示 ， 隐私计算不同技术路线各有合规痛点 。 比如性能良好的多方安全计算路线需引入计算辅助方 ， 面临可信挑战；传统联邦学习的安全性证明不严谨；硬件TEE方案有较好的性能和算法生态 ， 但数据集中式处理 ， 依赖厂商硬件的可信赖程度 ， 所以需要结合具体场景需求采用合适的技术路线 。
功能上看 ， 隐私计算解决的是数据流通安全性的问题 ， 能够避免流通过程中的资产损失却无法解决端到端的安全问题 ， 无法保障全链路的安全 。隐私计算仅仅是企业合规建设的一环 ， 要在法律法规的框架下进行 。 徐世真建议 ， 技术厂商可与律师事务所等机构开展合作 ， 针对人工智能、数据交换等新场景下监管机构的合规要求 ， 对内健全技术合规体系建设 ， 对外面向企业输出应用合规咨询服务 。
推荐阅读
- 技术|“2”类医械有重大进展：神经介入产品井喷、基因测序弯道超车
- 选型|数据架构选型必读：2021上半年数据库产品技术解析
- 技术|使用云原生应用和开源技术的创新攻略
- 技术|聚光科技旗下临床质谱仪获批医疗器械注册证
- Apple|苹果高管解读AirPods 3代技术细节 暗示蓝牙带宽可能成为瓶颈
- 人工智能|聚焦车载人工智能计算芯片研究 推进汽车产业高质量发展
- MateBook|深度解析：华为MateBook X Pro 2022的七大独家创新技术
- AirPods|苹果谈论AirPods 3：最大榨取蓝牙技术，希望获得“更多带宽”
- 人物|印度人接管硅谷的背后：技术军团整体作战
- Intel|Intel谈DDR5内存价格贵、缺货问题：新技术升级在所难免