葉劍，李文

中國聯(lián)合網(wǎng)絡通信有限公司軟件研究院，北京 100176

0 引言

隨著隱私計算技術[1]的發(fā)展，眾多技術服務供應商相繼推出了多種基于不同架構的隱私計算系統(tǒng)。這些系統(tǒng)不僅為自家生態(tài)提供服務，還被應用于金融機構、政府機構等領域，它們通過隱私計算技術實現(xiàn)了“數(shù)據(jù)可用不可見[2]”。然而，不同隱私計算平臺基于各異架構或算法原理構建，并且這些平臺多為封閉架構，導致其間的有效互聯(lián)互通受限，將“數(shù)據(jù)孤島”演變成了“數(shù)據(jù)群島”[3]。在實際應用中，作為數(shù)據(jù)使用方，往往需在與多個數(shù)據(jù)機構合作時，配置多套不同的隱私計算平臺，以實現(xiàn)與多家數(shù)據(jù)提供機構的數(shù)據(jù)交流。這無疑嚴重增加了系統(tǒng)建設和運營成本，因此，實現(xiàn)互聯(lián)互通逐漸成為隱私計算在實際應用中新興的挑戰(zhàn)。此外，在推廣隱私計算技術的過程中，不同隱私計算技術平臺之間的互通問題也成為限制其推廣應用的重要障礙。

1 互聯(lián)互通發(fā)展歷程

隱私計算是指在保護數(shù)據(jù)不外泄的前提下，進行數(shù)據(jù)分析與計算的一類信息技術[4]，涵蓋了數(shù)據(jù)科學、密碼學、人工智能等多個技術領域。隨著隱私計算技術的不斷進步，隱私計算的互聯(lián)互通問題日益凸顯。所謂隱私計算互聯(lián)互通，即在不同系統(tǒng)架構下，通過統(tǒng)一規(guī)范的接口和交互協(xié)議，實現(xiàn)跨隱私計算平臺的數(shù)據(jù)、算法和算力的互動與協(xié)同，為用戶共同完成同一隱私計算任務提供技術支持[5]。隱私計算平臺互聯(lián)互通的發(fā)展歷程可以概括為3個階段。

第一個階段：不同廠商的隱私計算平臺初級互聯(lián)互通。

在隱私計算平臺的實際應用中，數(shù)據(jù)提供機構常根據(jù)已有平臺或正在研發(fā)中的隱私計算系統(tǒng)，為其數(shù)據(jù)應用的機構客戶配置隱私計算平臺。此時，隱私計算廠商需要進行一對一的技術對接，確保雙方的平臺相互適配。這一過程需要統(tǒng)一的節(jié)點管理、資源管理，以及特定算法的流程設計。因此，在這一階段，以“通”為目標的一對一平臺互聯(lián)互通在業(yè)務推動下是可以實現(xiàn)的。在此過程中，不同隱私計算平臺會選擇雙方都認可的標準算法，由一方主導進行技術對接，從而實現(xiàn)隱私計算平臺的互聯(lián)互通。

第二個階段：不同廠商的隱私計算平臺高級互聯(lián)互通。

隨著隱私計算業(yè)務規(guī)模的不斷擴大，各個隱私計算廠商在為客戶提供服務時將面臨更加復雜的互通需求。雖然初級互聯(lián)互通的實施已經初見成效，但是在開發(fā)規(guī)模、使用流程等方面仍然存在一系列挑戰(zhàn)。鑒于此，隱私計算廠商開始探索隱私計算平臺的高級互聯(lián)互通，這一階段旨在通過制定不同廠商之間的互通規(guī)范或方法，明確相互間的通信協(xié)議、報文封裝以及加密算法等內容，從更高層面實現(xiàn)不同廠商隱私計算平臺之間的互通。

第三個階段：行業(yè)統(tǒng)一的互聯(lián)互通標準規(guī)范。

不同隱私計算廠商各自采用獨立的隱私計算架構，導致了不同的“數(shù)據(jù)孤島”存在并獨立運行。隨著隱私計算應用的普及，互聯(lián)互通問題逐漸成為行業(yè)發(fā)展的重要制約因素。因此，制定一套行業(yè)統(tǒng)一的互聯(lián)互通標準規(guī)范，已成為推動行業(yè)發(fā)展的大勢所趨。

通過制定行業(yè)互聯(lián)互通的標準，實現(xiàn)通信協(xié)議、報文格式等內容的規(guī)范化，從而在統(tǒng)一的通信渠道上促成不同隱私計算平臺之間的互動。

2 互聯(lián)互通難點

隱私計算技術的原理異常復雜，且平臺架構存在多樣性。因此，實現(xiàn)隱私計算平臺之間的互聯(lián)互通，不僅需要解決不同架構的問題，還必須確保對原有功能的完整保留，同時確保對不同架構的兼容性。這種復雜性為實現(xiàn)互聯(lián)互通帶來了嚴峻的挑戰(zhàn)。

首要的挑戰(zhàn)在于實現(xiàn)原理的多樣性。不同隱私計算技術供應商擁有自己的核心知識產權，而不同的算法設計影響著數(shù)據(jù)計算邏輯和數(shù)據(jù)交互流程。不同算法設計原理的差異導致了各個隱私計算平臺之間無法互通的問題。此外，隱私計算平臺的通信模塊、加密組件、資源管理、任務管理、模型管理、節(jié)點管理、授權管理等功能組件在不同技術服務提供商之間存在差異，這些差異是由技術積累和場景應用的不同造成的。因此，隱私計算平臺底層實現(xiàn)原理的多樣性成為互聯(lián)互通的首要難題。

其次，不同廠商間的差異也是互聯(lián)互通的難點。由于眾多廠商參與，如何實現(xiàn)多家隱私計算平臺的互聯(lián)互通也變得異常復雜。

3 實現(xiàn)路徑

隱私計算技術是解決數(shù)據(jù)流通與數(shù)據(jù)隱私保護之間矛盾的關鍵技術，隨著隱私計算在大規(guī)模應用中的推廣，隱私計算平臺之間的互聯(lián)互通變得尤為關鍵。為此，本文著眼于隱私計算平臺的架構來探討實現(xiàn)互聯(lián)互通的途徑。

從系統(tǒng)架構的角度來看，隱私計算平臺可以被劃分為3個關鍵層次：應用層、算法層和原語層。這些層次分別承擔不同的隱私計算功能，互聯(lián)互通的實現(xiàn)同樣也應從這3個層次出發(fā)。因此，從架構的角度來看，隱私計算平臺的互聯(lián)互通可以劃分為應用層互聯(lián)互通、算法層互聯(lián)互通和原語層互聯(lián)互通[6]。

應用層互聯(lián)互通指的是不同的隱私計算平臺能夠在應用層面實現(xiàn)系統(tǒng)管理功能的互通，例如節(jié)點發(fā)現(xiàn)、資源管理等，從而在不同平臺之間實現(xiàn)業(yè)務層的互聯(lián)互通。

算法層互聯(lián)互通涉及不同隱私計算平臺在技術服務廠商之間建立特定算法原理的標準設計方式。這種算法實現(xiàn)的原理在各個隱私計算平臺中是透明的，不同廠商可以根據(jù)自身的技術棧實現(xiàn)同一種算法的設計以及交互流程，從而實現(xiàn)不同隱私計算平臺之間的互通。

原語層互聯(lián)互通。不同隱私計算平臺往往采用不同的算法或協(xié)議實現(xiàn)方式。無論采用何種隱私計算技術方案，都可以將算法或協(xié)議拆分為最小粒度的計算原語。以安全多方計算采用的ABY3秘密分享協(xié)議為例，互通參與方需要按照該協(xié)議的原理定義流程，進行原始數(shù)據(jù)的密文拆分，在密文基礎上實現(xiàn)加密計算算子。

借助協(xié)議原理，可以在每個步驟中分別實現(xiàn)計算原語的抽象和定義，在不同隱私計算平臺之間對計算原語進行各自的實現(xiàn)，從而在原語層次上實現(xiàn)互聯(lián)互通。進一步地，可以基于底層計算原語的中層算法實現(xiàn)以及上層應用服務實現(xiàn)，實現(xiàn)平臺之間的互聯(lián)互通。

異構隱私計算平臺在3個層面上實現(xiàn)互聯(lián)互通，必須在互聯(lián)互通協(xié)議的流程設計和代碼實現(xiàn)方面進行落實。由于流程與代碼均來自不同廠商的實現(xiàn)，各家的開放程度也不盡相同。因此，基于流程和代碼實現(xiàn)方式的差異，可以將其分為3種不同的實現(xiàn)方式：協(xié)議互聯(lián)、SDK互聯(lián)和Client互聯(lián)。

本文創(chuàng)新地提出了Adaptation機制，以實現(xiàn)異構隱私計算平臺的應用層和算法層的互聯(lián)互通。

4 系統(tǒng)設計

4.1 設計目標

本系統(tǒng)設計的核心目標在于解決異構隱私計算平臺在應用層和算法層之間的互聯(lián)互通問題，以促進聯(lián)邦學習[7]平臺之間的協(xié)同增益，從而滿足互通和能力擴展的需求。TrustGate網(wǎng)關中Adaptation機制主要通過Adaptation模塊借助適配器機制在應用層實現(xiàn)異構隱私計算平臺的適配，通過映射引擎與算法管理在算法層進一步實現(xiàn)異構隱私計算平臺之間的互通。最終集成了TrustGate網(wǎng)關的FATE、SecretFlow等異構隱私計算平臺，在應用層和算法層實現(xiàn)了互聯(lián)互通。

4.2 架構設計

互聯(lián)互通Adaptation模塊如圖1所示，TrustGate網(wǎng)關中Adaptation模塊的架構設計旨在實現(xiàn)隱私計算平臺的互聯(lián)互通。后文詳細闡述了其Adaptation互聯(lián)機制的實現(xiàn)原理。

圖1 互聯(lián)互通Adaptation模塊

Adaptation模塊涵蓋了多項關鍵功能，包括適配器管理、映射引擎、算法管理、計算引擎、數(shù)據(jù)接口、數(shù)據(jù)計量以及系統(tǒng)管理。通過適配器管理，該模塊實現(xiàn)了對不同隱私計算平臺客戶端的配置。利用多樣的適配器，成功促成了與異構隱私計算平臺客戶端在應用層的互聯(lián)互通。接著，通過映射引擎的協(xié)同運作，實現(xiàn)了不同隱私計算平臺之間算法參數(shù)的同步，從而在算法層面實現(xiàn)了跨平臺的互聯(lián)互通。這種設計不僅在應用層面，而且在算法層面實現(xiàn)了不同隱私計算平臺之間的互通。Adaptation模塊在強調了安全性、可控性以及可計量性的同時，具備了實現(xiàn)跨平臺互聯(lián)互通和靈活擴展的特點。

在應用層互聯(lián)互通方面，Adaptation模塊具備眾多適配器，每個適配器針對其他異構隱私計算平臺進行適配，從而實現(xiàn)異構平臺間的互聯(lián)互通和統(tǒng)一資源管理。適配器管理包括節(jié)點管理、資源管理等功能。

節(jié)點管理的主要功能是管理不同隱私計算平臺的節(jié)點，支持隱私計算平臺節(jié)點的創(chuàng)建、編輯和刪除。節(jié)點基本信息（如名稱、描述、端口、平臺等）可以進行維護管理，同時支持節(jié)點詳細信息（如任務詳情等）的展示和搜索查詢功能。

資源管理用于實現(xiàn)應用層異構隱私計算平臺之間各類資源的有效管理。

在算法層互聯(lián)互通方面，Adaptation模塊借助映射引擎和算法管理，實現(xiàn)了基于同一算法的異構隱私計算平臺之間參數(shù)的相互傳遞和互聯(lián)互通。

具體包括：

● 不同隱私計算平臺的適配，實現(xiàn)互聯(lián)互通；

● 算法數(shù)據(jù)和參數(shù)的路由；

● 參數(shù)的同步；

● 任務狀態(tài)的同步。

因此，Adaptation模塊在算法層面實現(xiàn)了互聯(lián)互通。

綜上所述，TrustGate網(wǎng)關中Adaptation模塊借助適配器管理、映射引擎和算法管理，成功實現(xiàn)了FATE、SecretFlow等異構隱私計算平臺在應用層和算法層的互聯(lián)互通。

5 系統(tǒng)實現(xiàn)

5.1 實現(xiàn)架構

本文設計了一個多層結合的松耦合系統(tǒng)架構，如圖2所示，該系統(tǒng)架構集成了聯(lián)邦學習、區(qū)塊鏈、大數(shù)據(jù)等技術平臺。平臺搭建在大數(shù)據(jù)平臺上，依靠大數(shù)據(jù)資源平臺的算力、存儲、網(wǎng)絡等資源。數(shù)據(jù)存儲在HDFS上，使用Spark計算資源。平臺主要由TrustGate、SecretFlow、FATEClient和WebManager四大部分組成。

圖2 松耦合系統(tǒng)架構

TrustGate網(wǎng)關負責與外部系統(tǒng)對接、隱私計算平臺的互聯(lián)互通適配和可信存證等邏輯的實現(xiàn)。Adaptation模塊是TrustGate網(wǎng)關的重要組成部分，主要負責異構平臺的互聯(lián)互通。

SecretFlow負責聯(lián)邦學習各種多方安全計算（secure multi-party computation，MPC）算子庫、加密算法庫、安全求交、特征工程等一系列隱私計算相關功能組件的實現(xiàn)。

FATEClient負責FATE[8]協(xié)議的接入和轉化，實現(xiàn)與FATE類節(jié)點的互聯(lián)。

WebManager負責各類管理數(shù)據(jù)的存儲與流程管理及可視化展示。

5.2 跨平臺架構解析

關于隱私計算跨平臺互聯(lián)互通的設計，可以采用“底層通信-中間層交互-頂層應用”的方法來制定實現(xiàn)路徑。

（1）應用層

在明確定義通信需求和互聯(lián)協(xié)議棧的基礎上，需要定義在跨平臺隱私計算任務的實現(xiàn)過程中的協(xié)同管理要求和具體場景的實現(xiàn)流程。這不僅涵蓋了跨平臺任務的編排、調度、執(zhí)行、監(jiān)控和存證等統(tǒng)一規(guī)則，還包括對不同類型計算任務的實現(xiàn)流程的規(guī)范約定。

（2）協(xié)議層（交互層）

在協(xié)議層，可以從節(jié)點、資源和算法執(zhí)行3個維度出發(fā)，進一步明確跨平臺交互過程中各個環(huán)節(jié)的規(guī)范流程和要求，包括但不限于發(fā)現(xiàn)、認證、申請、授權、連接調用、信息交換和狀態(tài)同步等。

（3）通信層

在通信層，需要規(guī)范化涉及平臺間通信的各個方面，包括通信框架的選擇、通信接口的定義、數(shù)據(jù)格式的規(guī)范以及傳輸機制的制定。

值得注意的是，整個互聯(lián)互通的適配將在TrustGate的Adaptation模塊中實現(xiàn)，該模塊將負責平臺之間的協(xié)調與適配。以上方法能夠更好地設計和實現(xiàn)隱私計算跨平臺互聯(lián)互通的架構。

5.3 功能驗證

本文使用集成TrustGate網(wǎng)關的FATE與SecretFlow隱私計算平臺驗證互聯(lián)互通的有效性，開展基于“單移轉融”業(yè)務場景數(shù)據(jù)的聯(lián)合建模訓練，并對聯(lián)邦學習建模效果進行評估。使用聯(lián)邦學習機器算法建立二分類模型，預測出潛在的單移轉融用戶。

（1）特征選取

基本信息：業(yè)務行為、用戶價值、終端類型、用戶交往圈。

（2）模型訓練

安全求交：對數(shù)據(jù)樣本進行分割，模擬兩方數(shù)據(jù)，通過RSA加密算法，進行安全求交。

算法選擇：通過縱向邏輯LR算法和SecureBoost算法效果比對，最終選擇SecureBoost算法。

模型優(yōu)化：對關鍵參數(shù)調優(yōu)，如樹深度、子節(jié)點個數(shù)等，輸出最優(yōu)模型。

（3）效果比對

不同樣本數(shù)量：對樣本進行橫向分割，對比建模效果及預測數(shù)據(jù)。

不同特征數(shù)量：對樣本進行縱向分割，對比建模效果及預測數(shù)據(jù)。

5.3.1 橫向聯(lián)邦場景

集成TrustGate互聯(lián)互通網(wǎng)關的隱私計算平臺橫向聯(lián)邦[9]實驗結果見表1，對比發(fā)現(xiàn)F1值隨數(shù)據(jù)變化趨勢不明顯，曲線下面積（area under the curve，AUC）隨數(shù)據(jù)體量逐漸變大。

表1 集成TrustGate互聯(lián)互通網(wǎng)關的隱私計算平臺橫向聯(lián)邦實驗結果

如圖3所示，擬合曲線符合實際情況，在單邊數(shù)據(jù)由50萬條逐漸變大的情況，AUC逐漸增大，增大趨勢逐漸降低。

圖3 集成TrustGate互聯(lián)互通網(wǎng)關的隱私計算平臺橫向聯(lián)邦實驗結果對比分析

5.3.2 縱向聯(lián)邦場景

（1）縱向聯(lián)邦學習隨數(shù)據(jù)量變化趨勢

縱向聯(lián)邦隨數(shù)據(jù)量變化實驗結果見表2。建模效果：集成TrustGate互聯(lián)互通網(wǎng)關的隱私計算平臺，縱向聯(lián)邦場景[10]下，模型AUC、F1值隨訓練樣本增加而逐漸增大，分別如圖4、圖5所示。

表2 縱向聯(lián)邦隨數(shù)據(jù)量變化實驗結果

圖4 縱向聯(lián)邦隨數(shù)據(jù)量變化實驗AUC變化趨勢

圖5 縱向聯(lián)邦隨數(shù)據(jù)量變化實驗F1值變化趨勢

實驗結論：集成TrustGate互聯(lián)互通網(wǎng)關的隱私計算平臺，縱向聯(lián)邦學習與普通機器學習一樣，隨訓練樣本的增加，模型效果隨之提升。

（2）縱向聯(lián)邦學習隨特征維度增加變化趨勢

縱向聯(lián)邦學習隨特征維度增加實驗結果見表3。建模效果：模型AUC、F1值隨訓練樣本特征維度增加而逐漸增大，分別如圖6、圖7所示。

表3 縱向聯(lián)邦學習隨特征維度增加實驗結果

圖6 縱向聯(lián)邦學習隨特征維度增加實驗AUC變化趨勢

圖7 縱向聯(lián)邦學習隨特征維度增加實驗F1值變化趨勢

實驗結論：集成TrustGate互聯(lián)互通網(wǎng)關的隱私計算平臺，縱向聯(lián)邦學習與普通機器學習一樣，隨訓練樣本特征維度增加，模型效果隨之提升。

（3）縱向聯(lián)邦學習隨重要特征分布變化趨勢

縱向聯(lián)邦學習隨重要特征分布實驗結果見表4。建模效果：模型AUC、F1值基本穩(wěn)定，分別如圖8、圖9所示。

表4 縱向聯(lián)邦學習隨重要特征分布實驗結果

圖8 縱向聯(lián)邦學習隨重要特征分布實驗AUC變化趨勢

圖9 縱向聯(lián)邦學習隨重要特征分布實驗F1值變化趨勢

實驗結論：集成TrustGate互聯(lián)互通網(wǎng)關的隱私計算平臺，縱向聯(lián)邦學習訓練結果與重要特征分布在哪方無關。

5.4 性能驗證

使用集成TrustGate網(wǎng)關的FATE與SecretFlow隱私計算平臺互聯(lián)互通，開展性能測試。按照隱私計算產品性能測評標準化研究方案，在特定硬件資源、特定數(shù)據(jù)集、特定算法要求和特定結果要求條件下，模擬實際需求場景，通過性能測試，測試隱私計算平臺準確性指標。

隱私計算平臺嚴格遵守隱私保護原則，確保用戶輸入數(shù)據(jù)保密，各計算方中間數(shù)據(jù)私密，全局中間數(shù)據(jù)未暴露。在聯(lián)合建模聯(lián)邦學習中，采取有效措施保護本地梯度等敏感信息，杜絕泄露。整合TrustGate網(wǎng)關的FATE隱私計算平臺繼續(xù)支持差分隱私技術，通過引入噪聲，使個體數(shù)據(jù)貢獻難以確定，在模型訓練中降低泄露風險。FATE運用差分隱私確保模型訓練隱私，同時支持同態(tài)加密技術，允許加密狀態(tài)下計算，保護數(shù)據(jù)隱私。FATE應用同態(tài)加密在加密狀態(tài)下執(zhí)行計算任務，進一步維護數(shù)據(jù)隱私。

根據(jù)準確性評估要求，依然選取“單移轉融”真實聯(lián)合建模場景，使用TrustGate網(wǎng)關Adaptation模塊實現(xiàn)互聯(lián)互通網(wǎng)關的隱私計算平臺和與傳統(tǒng)機器學習算法程序，在保證樣本數(shù)據(jù)集、特征選擇和訓練參數(shù)一致的前提下分別進行建模訓練。若該產品通過隱私計算得到的模型的評價指標（如AUC和KS值）和相對應的明文機器學習訓練得到的基準模型的評價指標保持在規(guī)定的誤差范圍內，則表示通過核驗。

實驗驗證傳統(tǒng)數(shù)據(jù)集中式建模與TrustGate互聯(lián)互通網(wǎng)關隱私計算平臺聯(lián)邦學習效果。同樣本同特征與同樣本不同特征兩種維度的建模效果及預測數(shù)據(jù)比對實驗結果見表5，AUC與F1值的變化趨勢分別如圖10、圖11所示。

圖10 TrustGate互聯(lián)互通網(wǎng)關隱私計算平臺聯(lián)邦學習與集中式機器學習建模效果比對實驗結果AUC變化趨勢

圖11 TrustGate互聯(lián)互通網(wǎng)關隱私計算平臺聯(lián)邦學習與集中式機器學習建模效果比對實驗結果F1值變化趨勢

建模效果如下。

AUC值：傳統(tǒng)建模（20個特征）<聯(lián)邦學習（41個特征）<傳統(tǒng)建模（41個特征）。

F1值：傳統(tǒng)建模（20個特征）<聯(lián)邦學習（41個特征）<傳統(tǒng)建模（41個特征）。

實驗結論：集成TrustGate互聯(lián)互通網(wǎng)關的隱私計算平臺聯(lián)邦學習的效果接近于全特征機器學習。相比于半特征建模，無論是F1值、還是AUC，效果均有顯著提升。

5.5 實驗結論

從上述實驗結果可以觀察到，通過集成TrustGate網(wǎng)關的FATE與SecretFlow隱私計算互聯(lián)互通平臺在功能和性能兩個方面都經過了驗證。

TrustGate網(wǎng)關的引入實現(xiàn)了FATE與SecretFlow隱私計算平臺之間的有效互聯(lián)互通，成功地展現(xiàn)了在“單移轉融”場景下橫向聯(lián)邦和縱向聯(lián)邦的實驗。在相同的樣本量下，普通模型訓練的效果與整體聯(lián)邦學習效果相差無幾。隨著特征維度的增加，聯(lián)邦模型訓練的效果逐漸提升。

此次驗證實驗是在集成TrustGate網(wǎng)關的FATE框架基礎上進行的，成功地驗證了數(shù)據(jù)的不可見性、數(shù)據(jù)的可信存證、數(shù)據(jù)的可計量性以及互聯(lián)互通等多個方面。其中，數(shù)據(jù)不可見性、數(shù)據(jù)可信存證和數(shù)據(jù)可計量性的驗證均取得了預期效果。為了實現(xiàn)互聯(lián)互通，本文引入了Adaptation框架，有效地實現(xiàn)了異構聯(lián)邦學習平臺之間的互操作性，部分實驗也獲得了預期的積極結果。

基于實驗結果的分析，本次驗證實驗順利達成了預期目標，充分證明了互聯(lián)互通網(wǎng)關的有效性。因此，本文提出的技術方案在實際可行性方面具備了明確的支撐。

6 結束語

隱私計算技術已經在數(shù)據(jù)安全交互和協(xié)同中發(fā)揮了積極的作用，得到了快速發(fā)展和越來越多的應用。面向未來更加廣泛深入的規(guī)模應用和構建良好產業(yè)生態(tài)的需求，隱私計算技術還需要在提升效率、降低開銷、開展安全保障的評估和評測、擴展適配更多算法和協(xié)議、實現(xiàn)不同框架的兼容和互聯(lián)互通等方面進行深入研究。

（1）促進不同技術框架和產品之間互聯(lián)互通

針對目前業(yè)界隱私計算技術框架眾多、彼此無法互通協(xié)作的突出問題，迫切需要解決不同技術框架和產品之間的互聯(lián)互通問題。一個機構無須部署多個系統(tǒng)，而是通過一套服務，與外部各種機構進行大數(shù)據(jù)協(xié)同的連接合作。對于企業(yè)或實體，研究跨行業(yè)跨平臺的轉換和對接技術，實現(xiàn)最大限度的互聯(lián)互通，讓各方基于數(shù)據(jù)實現(xiàn)更好的合作。

（2）推進國際國內隱私計算技術的標準化

當前，國內外眾多標準化組織已開始制定或發(fā)布以框架和功能為主的隱私計算相關技術標準。相關技術標準已經開始從基礎的功能標準向產品性能、安全性等方向拓展，加速構建更加完善的隱私計算技術標準體系。中國移動已牽頭或參與在TMF、IEEE 以及國內的全國信息安全標準化技術委員會、CCSA等標準化組織設立13個標準，重點圍繞隱私計算在技術框架的互聯(lián)互通、安全評估與測試、數(shù)據(jù)價值評估和激勵機制以及未來通信網(wǎng)絡中的應用場景等方面開展標準制定工作。