央行金标委、中国信通院等正在开展隐私计算跨平台互联互通标准研究与制定工作，洞见科技、锘崴科技和蚂蚁集团共享智能部在参与标准制定过程中，同步探索实现了业界首次多方异构隐私计算平台之间的算法协议层互联互通，较管理系统层的接口互通，更进一步突破了算法协议各自独立、无法协同计算的技术难题，推动隐私计算行业发展进入平台互联、生态互通的2.0时代。

      隐私计算价值初现，不同平台“互联互通”成新挑战

      随着数字经济的繁荣发展和国家信息安全监管措施的陆续出台，隐私保护、数据安全已成为各个行业数字化转型、释放数据价值的关键点。作为释放数据价值的关键技术，以联邦学习、安全多方计算为代表的隐私计算技术自隐私计算元年2020年以来进入了飞速发展的阶段，金融、政务、医疗等行业已逐步开始进行技术PoC或实际业务场景应用，将原本各自独立的数据孤岛连接了起来，实现了“数据的可用而不可见”。这是隐私计算行业发展的1.0时代——不同隐私计算厂商的技术平台自研初步完成，并开始在各领域内逐步落地应用。

      但是，不同的隐私计算服务厂商的平台基于自有知识产权的算法原理和系统设计实现，且目前闭源的平台居多，平台之间原生无法完成信息的交互，将“数据孤岛”变成了“计算孤岛”，数据的应用机构往往面对与不同的数据提供机构合作时，需要部署不同隐私计算平台的情况，存在着严重的系统建设和运营成本浪费，因此“互联互通”成为了隐私计算在数据流通应用上正在面临的新挑战。

      基于行业标准规范指引，首次多方平台算法互通

      为了解决金融等领域隐私计算跨平台互通性的问题，央行金标委在正在制定的联邦学习金融行业标准草案中对互联互通做了大篇幅的明确要求，中国信通院也正在积极开展互联互通系列标准的制定工作，与此同时，信标委、信安标委等国家标准制定机构也都启动了隐私计算互联互通的相关研究。基于上述标准和研究中提出的从概念模型、网络模型、计算流程、认证要求、管控要求、计算要求等方面定义的联邦学习互联互通协议原则，洞见科技、锘崴科技和蚂蚁集团共享智能部联合攻关，完成了具体互通协议流程的架构设计和落地实现，真正推动隐私计算行业发展进入了平台互联、生态互通的2.0时代。

      隐私计算跨平台互联互通的目的是为了实现基于不同设计原理和功能的隐私计算平台间协同完成某一项隐私计算任务的能力，具体指不同隐私计算平台间通过统一规范的系统接口、算法协议、操作流程等实现数据资源和计算能力的交互与协同，解决使用不同隐私计算平台的数据提供方和数据应用方之间的协作问题，实现资源与价值的跨平台互联互通。从隐私计算平台的系统架构视角由上到下，从技术落地的视角由易到难，隐私计算平台互联互通的实现方式分为三个层次：

      第一层次为“管理系统互联互通”，指不同的隐私计算平台可以在应用层次完成系统的管理功能互通，如：节点发现、资源管理等，实现在不同的平台间业务层的互联互通。

      第二层次为“算法协议互联互通”，不同的隐私计算平台将“核心算法”作为一个黑盒，对算法本身的设计不做定义，而对算法的基本信息、输入、输出规范定义，使算法可以通过“算法插件”的形式由不同的技术服务厂商发布，在满足安全认证和授权要求的前提下，插件化集成到对方的隐私计算平台，进行同构化的算法插件之间的互联互通。

      第三层次为“计算原语互联互通”，按照具体的计算协议，将不同隐私计算平台的算法或协议进行最小粒度的计算原语分解，实现计算原语的抽象和定义，在不同的隐私计算平台之间对计算原语进行各自的实现，在原语层实现互联互通，继而实现基于底层计算原语的中层算法实现、上层应用实现，完成平台的互联互通。

      目前，洞见科技的数据智能联邦平台，与蚂蚁集团的共享智能平台、锘崴科技的锘崴信隐私机密计算平台，已完成了第一层次和第二层次的互联互通，在第一层次系统业务接口的节点发现、业务流程对接、数据资源统一定义和管理之外，在业界首次实现了三个平台各自独立设计和开发的算法插件可以直接在另两方的平台上运行，并和其他参与方协同完成计算任务的执行和结果输出，实现了真正意义上的“算法协议互联互通”。同时，正在与更多行业合作伙伴积极研究和实践第三层次“计算原语互联互通”的技术落地细节，实现更为完整、更加灵活、更大生态的互联互通。

      推动多方数据生态打通，助力数据价值安全流通

      随着隐私计算行业互联互通系列标准的制定落地，以及洞见科技、锘崴科技和蚂蚁集团共享智能部首次多方算法互联互通的技术实现，必然会共同推动业界隐私计算平台之间的进一步连通，打通不同隐私计算平台的业务和数据合作生态，推动数据价值的安全流通。

      异构隐私计算平台的互联互通必然会推动隐私计算平台的百花齐放，在服务国家战略、服务改革、服务实体经济、服务民生、服务社会治理等领域创新应用，助力于发展基于数据驱动的经济和商业模式，反向刺激数据要素的生产，推动数据的安全开放和应用，更好地开展数字化和智能化的数据新基建。