《数据安全法》下多方数据协同应用和隐私计算发展趋势

《数据安全法》的表决通过标志着国家鼓励数据依法合规利用、保障数据依法有序流通，明确国家实施大数据战略，推动以数据为关键生产要素的数字经济发展。《数据安全法》强调数据安全与开发利用平衡，保障数据安全与促进数据开发利用并重，在规范数据安全监管与治理的同时，也给多方数据协同应用带来了新的发展机遇。

在此形势下，亟需有效的技术和业务模式创新来实现合规的多方数据协同应用，达到数据安全和数据开发利用的平衡。隐私计算将成为平衡数据安全与应用发展的关键技术支点。本文主要探讨在《数据安全法》框架下多方数据协同应用和隐私计算的发展趋势。

1.《数据安全法》倡导数据安全与开发利用平衡

2021年6月10日第十三届全国人民代表大会常务委员会第二十九次会议表决通过了《中华人民共和国数据安全法》（简称《数据安全法》），将于2021年9月1日起施行。《数据安全法》全文共七章五十五条，分别从数据安全与发展、数据安全制度、数据安全保护义务、政务数据安全与开放的角度对数据安全保护的义务和相应法律责任进行规定[1-15]，其关键条款主要涉及国家和地方政府层面的数据安全制度、鼓励数据依法合理有效利用、针对数据处理者层面的数据安全义务、以及违规处罚等条款等。提倡数据安全与发展平衡是《数据安全法》最重要的特点之一。以单独章节（即第五章）对政务数据安全和开放利用做出规定，也是《数据安全法》的一个显著特点。

《数据安全法》是继2017年6月1日实施的《中华人民共和国网络安全法》（简称《网络安全法》）提出数据及数据安全的概念后，国家在数据安全立法层面的一个重大里程碑[16, 17]。《数据安全法》与《网络安全法》以及正在立法进程中的《中华人民共和国个人信息保护法》（简称《个人信息保护法（草案）》）组成了中国信息及数据安全领域的法律框架。《数据安全法》并不是一部专门针对用户个人隐私信息保护的法律，与个人隐私保护最相关的法律是正在制定中的《个人信息保护法》。2021年4月29日中国人大网公布《个人信息保护法（草案二次审议稿）》）。目前《个人信息保护法（二审稿）》已经于5月28日完成征求意见程序，有望今年年内通过表决和施行。

图 1 《数据安全法》全文共七章五十五条[3]

在数字经济时代，数据已成为关键生产要素和重要战略资源，对经济和社会发展产生了重大影响，数据的重要性也进一步得到凸显。一方面，数字经济的发展建立在大数据的开发应用之上；另一方面，数据安全与隐私保护也日益受到广泛关注。《数据安全法》对数据的有效监管与治理实现了有法可依，填补了数据安全保护立法的空白，完善了网络空间与数据安全治理的法律体系，同时也鼓励数据依法合理有效利用，鼓励通过技术和业务创新来实现数据安全与应用发展的平衡。对《数据安全法》的要点解读和诠释，读者可以参考文献[3-15]。本文主要从数据安全与发展平衡角度来探讨在《数据安全法》框架下多方数据协同应用和隐私计算的发展趋势。我们看到：（1）《数据安全法》倡导数据安全与开发利用平衡；（2）隐私计算将成为平衡数据安全与利用的关键技术解；（3）多方数据协同应用将迎来更多发展机遇。这里数据协同应用是指在不共享明文数据的情况下通过隐私计算进行多方联合建模和联合数据分析，也就是我们常说的 “数据可用（算）不可见”。

2.《数据安全法》下多方数据协同应用迎来更多发展机遇

《数据安全法》将利好多方数据协同应用的发展，鼓励通过技术与业务模式创新实现安全的多方数据合作，实现数据安全与应用发展的平衡的目标。例如，《数据安全法》的第二章第十四条规定：“国家实施大数据战略，推进数据基础设施建设，鼓励和支持数据在各行业、各领域的创新应用。省级以上人民政府应当将数字经济发展纳入本级国民经济和社会发展规划，并根据需要制定数字经济发展规划。” 由此可见，《数据安全法》的出台将进一步推动数字经济发展，促进更多数据应用模式创新，推动多方数据协同应用发展。在保障数据安全的同时，以隐私计算为基础的多方数据协同应用将会成为主要的跨机构数据合作模式。

2.1 通过技术与业务模式创新实现数据安全与协同应用发展平衡

《数据安全法》并非只是强调数据安全与治理，而是倡导数据安全与应用发展并重，坚持保障数据安全与促进数据开发利用并重的原则[14]。《数据安全法》充分明确要平衡数据安全和应用发展，强调提升数据安全治理和数据开发利用水平，促进以数据为关键要素的数字经济发展。例如，除了上文提到的《数据安全法》第二章第十四条，《数据安全法》第一章第七条也明确：“国家保护个人、组织与数据有关的权益，鼓励数据依法合理有效利用，保障数据依法有序自由流动，促进以数据为关键要素的数字经济发展。” 这里再次强调保护数据安全与鼓励合法数据应用并重。在《数据安全法》框架下，平衡数据安全和大数据产业发展才是符合国家大数据战略与推进数字经济发展的有效路径。

此外，《数据安全法》第二章第十三条也明确：“国家统筹发展和安全，坚持以数据开发利用和产业发展促进数据安全，以数据安全保障数据开发利用和产业发展。” 这里进一步强调了“数据安全”与“数据利用”的关系：合理的、有效的数据利用可以促进数据安全与治理，数据安全可以保障数据应用产业健康发展。可见，《数据安全法》重点提倡的是“数据安全与应用发展平衡”，鼓励数据安全技术与应用业务模式创新，并通过数据应用促进数据安全与治理。

图2 《数据安全法》提倡数据安全与开发利用平衡，可以通过隐私计算作为技术支点实现数据保护与数据开发利用平衡

在数字经济时代，数据安全和开发利用能力已经成为国家生产能力矩阵中的重要组成部分。数据的关键要素和创新引擎作用，能加速形成以业务模式创新为主要引领和支撑的数字经济，更好服务经济与社会发展。作为新型生产要素，对大数据的分析还可以助推科技创新、判断商业趋势、实现精准营销、进行教育模式改革等[13]。大数据不断驱动科技突破，创新商业模式，催生新型产业生态，提升经济效率。在数据科技突飞猛进的情况下，大数据产业欠发展将会成为数字经济与社会最大的不安全[13]。

如何把握好数据安全与鼓励数据开发利用之间的平衡点，实现数据价值释放过程的数据安全与发展的均衡治理，这是当下广受关注的课题。实现数据安全与发展平衡需要数据安全技术与大数据应用业务模式的创新，业界普遍认同隐私计算将成为平衡数据安全与应用发展的关键技术[10, 19]。隐私计算作为一种新技术，可以在不共享明文数据的情况下进行多方数据联合计算，实现跨机构的数据协同应用，将会成为数据保护与数据应用平衡的关键技术支点[10]。隐私计算使企业在数据合规要求前提下，能够充分调动数据资源拥有方和使用方积极性，实现多方数据协同应用，且能够释放第三方机构数据资源价值，促进数据要素的市场化。在《数据安全法》框架下，隐私计算更凸显价值。

2.2 实施数据分类分级保护将带来更多数据开发利用发展机遇

《数据安全法》鼓励实施数据分类分级保护，这样将带来更多数据应用机遇，使得更多的数据将变得可以被开发利用。例如，《数据安全法》第三章第二十一条规定：“国家建立数据分类分级保护制度，根据数据在经济社会发展中的重要程度，以及一旦遭到篡改、破坏、泄露或者非法获取、非法利用，对国家安全、公共利益或者个人、组织合法权益造成的危害程度，对数据实行分类分级保护。国家数据安全工作协调机制统筹协调有关部门制定重要数据目录，加强对重要数据的保护。关系国家安全、国民经济命脉、重要民生、重大公共利益等数据属于国家核心数据，实行更加严格的管理制度。各地区、各部门应当按照数据分类分级保护制度，确定本地区、本部门以及相关行业、领域的重要数据具体目录，对列入目录的数据进行重点保护。”

由此可见，《数据安全法》规定了基于国家安全为目的的数据的分类分级管理，在区分重要数据和非重要数据的基础之上，强化对国家核心数据的重点规制，并以专章（即第五章）明确了政务数据的安全与开放制度。《数据安全法》搭载了以重要数据为核心的监管制度，充分体现了我国数据治理的分级分类管理和保护原则[14, 15]。

图3 数据分类示例：数据、个人信息、重要数据[15]

《数据安全法》并未就如何对数据进行分类和实施分类分级保护提供详细指导，而是要求各地方政府部门和行业监管机构根据数据分类分级保护制度，确定本地区、本部门以及相关行业、领域的重要数据具体目录，对列入目录的数据进行重点保护。而且《数据安全法》并没有对“重要数据”予以明确定义。参考《数据安全管理办法（征求意见稿）》对“重要数据”的定义：“指一旦泄露可能直接影响国家安全、经济安全、社会稳定、公共健康和安全的数据，如未公开的政府信息，大面积人口、基因健康、地理、矿产资源等。” 值得注意的是，根据《数据安全管理办法（征求意见稿）》，“重要数据”一般不包括企业生产经营和内部管理信息、个人信息等[15]。

依据《数据安全法》的全文、以及正在制定中的《个人信息保护法》来看，从数据安全监管的角度，未来对数据的分类可能为以下三类[15]：数据（指任何以电子或者非电子形式对信息的记录）、个人信息、重要数据。对于这三类数据，《网络安全法》、《数据安全法》、《个人信息保护法（草案）》分别提出了配套的安全保护要求。

数据分类分级治理将会带来更多的数据应用机遇，在《数据安全法》框架下可以更加灵活的开发利用不同分类的数据。针对不同的应用场景，例如，金融、政务、医疗、广告、教育等，可以采用不同的数据保护机制，提供不同的安全保护等级，这样就可以通过不同的技术手段来实现多方数据的协同应用，可以服务更多的业务场景。在这样的背景下，隐私计算平台产品应该包含多种隐私包含机制，依据具体的分类分级数据保护场景提供可选的隐私保护方案，适用更多的实际应用场景。

《数据安全法》进一步完善了促进数据跨境流动的制度规范。在经济和科技全球化的时代背景下，数据的跨境流动将会越来越频繁，支持数据领域国际合作，促进数据跨境流动[11]。例如，《数据安全法》第一章第十一条规定：“国家积极开展数据安全治理、数据开发利用等领域的国际交流与合作，参与数据安全相关国际规则和标准的制定，促进数据跨境安全、自由流动。” 在《数据安全法》框架下，数据跨境流动应当平衡“安全”与“发展”，对跨境数据进行分类分级保护，按照法规要求坚守安全底线，同时持续推动数据流动，有效释放数据价值。数据出口管制有助于平衡数据主权与数据跨境流动，实现安全与发展并重[11]。跨境数据协同应用将带来巨大数据应用市场价值。

2.3 政务数据开放应用将有效促进相关行业数据业务发展

《数据安全法》鼓励政务数据开发应用，将促进政企数据协同应用发展。政务数据作为一类高度有效的数据，在金融、政务、医疗、教育等领域有丰富的应用场景。特别是金融科技的迅猛发展为政务数据在金融领域的应用提供了广阔空间[20]。政务数据已成为促进政府科学决策、精准施策、提高公共管理效能的重要资源。在保障数据安全的前提下，《数据安全法》以专章（即第五章）的形式明确了政务数据以公开为原则、不公开为例外的基本理念。例如，《数据安全法》第五章第四十二条规定：“国家制定政务数据开放目录，构建统一规范、互联互通、安全可控的政务数据开放平台，推动政务数据开放利用。”

在政务数据的互联互通方面，对于实践中普遍存在的政务数据“不愿开放、不敢开放、不会开放”等问题，《数据安全法》要求在国家层面建立政务数据开放平台，并通过政务数据开放目录的形式应对政务数据领域数据资源碎片化、政务发展不均衡、政务协同缺乏互信基础等问题。在《数据安全法》框架下，政务数据开放将带来新的数据应用机遇。通过隐私计算技术，例如，联邦学习、安全多方计算，可以联合政务、企业、银行等多方数据进行联合计算，实现在数据不共享的情况下多方进行联合建模和联合数据分析，在保护用户隐私和数据安全的前提下释放数据融合应用价值，打造新的数据应用业务模式。

图4 政务、企业、银行三方数据协同应用，形成数据协同应用闭环

《数据安全法》鼓励通过技术和业务创新探索新的政务数据应用模式，例如，制定分类分级共享规范和制度，做好便捷性、安全性、私密性之间的平衡，保护应该保护的数据，运营应该开放的数据。可以利用区块链技术明确界定数据所有权、管理权、使用权，使链上各方基于算法互信进行数据交换。可充分运用联邦学习、安全多方计算等技术，使各方在不共享原始数据的前提下，进行联合建模和协同训练，既充分发挥底层数据价值，又避免直接数据共享，从而有效解决跨部门数据合作中的安全问题和信任问题。

3、《数据安全法》下隐私计算将成为平衡数据安全与发展的关键技术解

在《数据安全法》框架下，隐私计算将迅速发展成为平衡数据安全与应用发展的技术支点，在未来企业间、组织间的数据治理和数据协同应用、以及像人工智能、新基建等新兴数字产业的中发挥关键作用。与之配套的隐私计算团体标准、行业标准、甚至国家标准也将逐步完善。对隐私计算平台产品的权威的评测与认证（包括安全性、基础功能、性能等方面的测评）也将逐渐规范化和成熟起来，并进一步促进隐私计算的规模化商用。

3.1 隐私计算将成为平衡数据安全与开发利用的关键技术支点

《数据安全法》要求开展数据活动应当采取相应的技术措施和其他必要措施以保障数据安全，并鼓励通过技术创新来实现数据安全与发展的平衡。例如，《数据安全法》第二章第十六条规定“国家支持数据开发利用和数据安全技术研究，鼓励数据开发利用和数据安全等领域的技术推广和商业创新，培育、发展数据开发利用和数据安全产品、产业体系。” 在此背景下，隐私计算将成为平衡数据安全与应用发展的关键技术支点。

隐私计算是一种由两个或多个参与方联合计算的技术和系统，参与方在不泄露各自数据的前提下通过协作对他们的数据进行联合机器学习和联合分析[10, 19]。隐私计算的参与方既可以是同一机构的不同部门，也可以是不同的机构。在隐私计算框架下，参与方的数据明文不出本地，在保护数据安全的同时实现多源数据跨域合作，可以破解数据保护与融合应用难题[19]。常见的实现隐私计算的技术路径包括联邦学习、安全多方计算、可信计算等。此外，区块链也是隐私计算的重要补充，可以确保计算过程和数据可信，实现更广泛的数据协同应用。

受到人工智能和大数据应用发展的驱动，联邦学习是隐私计算领域主要推广和应用的方法，是目前隐私计算领域相对最为成熟的技术路径。在以人工智能、大数据应用为代表的新技术周期中，隐私计算为互联网平台和企业提出了更高的数据治理要求，即真正要做到以用户为中心，不必依赖企业自身或第三方公司控制的数据服务器进行安全保障，让用户真正掌握自己的数据所有权，保护数据安全和隐私要求[20]。

图5 隐私计算体系架构[19]

隐私计算因保护数据安全、打破数据孤岛等优势，其优秀落地场景与案例越来越多，随着数据安全与治理体系的不断完善，隐私计算将实现数据价值最大化，成为数据流通、共享必需的基础设施。在数据越来越有价值、数据安全越来越重要的数字经济时代，隐私计算将成为用户数据安全保护和企业发挥数据价值之间最重要的技术解。未来，隐私计算将广泛应用于金融、政务、医疗、广告、教育等众多数据应用领域，在解决数据隐私保护问题的同时，也帮助缓解行业内的数据孤岛问题，为多方数据协同应用提供一种合规的解决方案。在隐私计算领域，数据安全使用的法律定位、企业内和企业间的数据的分析应用以及全球性的数据跨境交易流通，都还面临着前所未有的挑战。

3.2 通过行业标准来推动和规范化隐私计算发展与规模化商用

《数据安全法》将利好隐私计算标准化发展。当前，国内隐私计算企业众多，各家都相继推出自己的隐私计算平台型产品，没有形成统一的技术标准和规范。《数据安全法》第二章第十七条规定：“国家推进数据开发利用技术和数据安全标准体系建设。国务院标准化行政主管部门和国务院有关部门根据各自的职责，组织制定并适时修订有关数据开发利用技术、产品和数据安全相关标准。国家支持企业、社会团体和教育、科研机构等参与标准制定。” 因此，在《数据安全法》框架下，隐私计算技术标准将日趋完善，并通过统一的标准来推动和规范化隐私计算技术发展与规模化商用。

图6 中国人民银行《多方安全计算金融应用技术规范》（JR/T 0196—2020）[21]

例如，2020年11月24日，中国人民银行正式发布《多方安全计算金融应用技术规范》（JR/T 0196—2020，简称《规范》）金融行业标准。《规范》规定了多方安全计算技术金融应用的基础要求、安全要求、性能要求等，适用于金融机构开展相关产品设计、软件开发、技术应用等。《规范》的发布有助于实现在不泄露原始数据、保障信息安全前提下推动多个主体间的数据合作与协同应用。

中国信息通信研究院（简称“信通院”）联合行业领军企业共同制修订了隐私计算系列标准，希望推动隐私计算技术的发展与合规应用，为数据合规流通夯实技术基础。信通院云大所、隐私计算联盟长期聚焦于隐私计算领域，依托中国通信标准化协会大数据技术标准推进委员会（TC601）制定了《基于多方安全计算的数据流通产品-技术要求与测试方法》、《基于联邦学习的数据流通产品-技术要求与测试方法》、《基于可信执行环境的数据计算平台-技术要求与测试方法》、《区块链辅助的隐私计算技术工具技术要求与测试方法》4项功能标准，以及《隐私计算-多方安全计算产品性能要求和测试方法》与《隐私计算-联邦学习产品性能要求和测试方法》2项性能标准[22, 23]。另外，隐私计算平台产品安全专项标准和互联互通两项标准也在制定中。

北京金融科技产业联盟也在积极联合金融机构、金融科技企业、互联网公司制定隐私计算相关技术标准，例如，正在制定中的标准包括《联邦学习技术金融应用规范-技术架构》、《联邦学习技术金融应用规范-互联互通协议》、《多方安全计算金融应用现状及实施指引》等。

3.3 通过行业权威评测来增强隐私计算平台的安全性和性能

《数据安全法》将促进隐私计算平台产品的评测体系发展。面对众多的隐私计算平台产品，当前业界还没有统一的、权威的安全性与性能测评认证。尤其是安全性方面的评测，没有权威的按安全边界定义与测试方法。《数据安全法》第二章第十八条规定：“国家促进数据安全检测评估、认证等服务的发展，支持数据安全检测评估、认证等专业机构依法开展服务活动。国家支持有关部门、行业组织、企业、教育和科研机构、有关专业机构等在数据安全风险评估、防范、处置等方面开展协作。” 在《数据安全法》框架下，完善对隐私计算平台产品的安全性与性能进行权威的评测与认证也将成为一个重要发展趋势。目前国内提供隐私计算产品评测的机构主要有以下二家。

国家金融科技测评中心(银行卡检测中心)经中国人民银行批准成立，是我国金融行业的权威检测机构，承担银行卡联网通用、芯片化迁移和金融科技创新的重要技术保障工作。国家金融科技测评中心已经启动了金融行业多方安全计算应用技术测评工作，测评指标包含基础特性、计算能力、计算性能、产品安全四个领域里的数十项指标。

中国信通院“大数据产品能力评测”是国内首个权威大数据产品的评测体系，由中国信通院作为牵头单位，与学术界、产业界和领域用户紧密合作，联合制定评测标准，评审会专家由来自信通院、清华大学、中国科学院、 北京邮电大学、工商银行、光大银行、中国移动、联通数科等单位的专家组成。中国信通院“大数据产品能力评测”已经成为大数据领域权威的第三方评测品牌，成为供给侧产品研发和需求侧采购选型的风向标。腾讯自研的Angel PowerFL隐私计算平台通过了中国信通院的隐私计算产品测评与认证。

Angel PowerFL平台采用了去中心化的架构，可以有效避免单点安全风险，3072位高强度同态加密计算，远超金融监管的2048位加密级别要求，提供更强的安全性。同时，由于底层采用了异步并发的机制，同时对加密操作进行了指令级别的优化，PowerFL实现了超业界5倍的更高性能，平台采用的分布式架构，支持千亿级规模的计算。此外，PowerFL平台支持联合数据建模和联合数据分析功能，提供端到端的全场景隐私计算能力和一键云原生部署能力，更加敏捷、易用。PowerFL框架已完成了CSIG神盾和灵鲲云产品集成，对外提供隐私计算平台型产品和服务。

中国信通院“卓信大数据计划”联邦学习技术安全评估，也受到产业界各方关注，相关企业积极响应参与。中国信通院“卓信大数据”计划，“联邦学习安全评估专项”以联邦学习产品或方案为评估对象，帮助企业查找安全问题，提高联邦学习技术应用中的安全保护水平。

4、结语与展望

《数据安全法》明确国家实施大数据战略，深化数据安全体制建设、加强数据安全监管与治理，提出国家将对数据实行分类分级保护，规定开展数据活动必须履行数据安全保护义务，同时也强调要促进数据开发利用，鼓励数据产业发展和依法合规商业利用，规范化数据要素市场。随着《数据安全法》的出台和落地实施，数据资源将会迸发出更强的活力，更加深入推进数据要素安全管控和市场化，提升大数据资源价值。在《数据安全法》框架下，既要加强数据安全监管和治理，又要促进数据协同应用，亟需有效的技术解实现数据安全与发展的平衡。数据安全管控、合规数据流通、安全联合计算将成为大数据产业核心能力组成部分，通过隐私计算技术实现数据“可算不可见”、数据“可用不可见”，达到数据安全与应用发展平衡的目标，将会持续带动以数据为关键要素的数字经济产业的发展。

参考文献

[1]新华网，（受权发布）中华人民共和国数据安全法，http://www.xinhuanet.com/2021-06/11/c_1127552204.htm

[2]百度百科，中华人民共和国数据安全法，https://baike.baidu.com/item/%E4%B8%AD%E5%8D%8E%E4%BA%BA%E6%B0%91%E5%85%B1%E5%92%8C%E5%9B%BD%E6%95%B0%E6%8D%AE%E5%AE%89%E5%85%A8%E6%B3%95

[3]安恒信息，《数据安全法》全面解读，https://mp.weixin.qq.com/s/fEcrGIHCLEghkrlCjegH8g

[4]仵姣姣，《数据安全法》亮点解读，https://mp.weixin.qq.com/s/jt1U5gN94UryT7wH7PDkZg

[5]德勤中国，《中华人民共和国数据安全法》解读，https://www2.deloitte.com/cn/zh/pages/risk/articles/china-data-security-law-interpretation.html

[6]《数据安全法》深度解读，https://zhuanlan.zhihu.com/p/38001425

[7]解读《数据安全法》，https://zhuanlan.zhihu.com/p/379919193

[8]专家解读《数据安全法》，http://www.cac.gov.cn/2021-06/15/c_1625341228851523.htm

[9]《数据安全法》亮点解读，https://www.163.com/dy/article/GCL00F9D0519BMQ6.html

[10]中国数据安全法出台，隐私计算推动数据要素市场化，https://www.ccvalue.cn/article/1130629.html

[11]如何理解跨境数据流动的重要性，http://cbnri.org/news/5418670.html

[12]数据安全法解读系列（一）数据跨境困局的破局之道， https://mp.weixin.qq.com/s/FIAGQCjQenWYFtdQ5cbMeA

[13]提供数据安全立法的中国方案， http://finance.people.com.cn/n1/2021/0621/c1004-32135498.html

[14]构建全新的数据安全法律保障体系， http://www.xinhuanet.com/tech/2021-06/22/c_1127585364.htm

[15]对《数据安全法》的理解和认识：数据分级分类， https://www.secrss.com/articles/23618

[16]百度百科，中华人民共和国网络安全法，https://baike.baidu.com/item/%E4%B8%AD%E5%8D%8E%E4%BA%BA%E6%B0%91%E5%85%B1%E5%92%8C%E5%9B%BD%E7%BD%91%E7%BB%9C%E5%AE%89%E5%85%A8%E6%B3%95

[17]DLA Piper, Data Protection Laws of the World, https://www.dlapiperdataprotection.com/

[18]政务数据在金融领域的共享应用， https://note.youdao.com/ynoteshare1/index.html?id=a17844b7c6aaf56ab4b02767f42c557a&type=note

[19]《腾讯隐私计算白皮书（2021）》， https://www.tisi.org/18351

[20]隐私计算：拿什么保护我们的数据安全？https://finance.sina.com.cn/tech/2020-11-09/doc-iiznezxs0770929.shtml

[21]中国人民银行，《多方安全计算金融应用技术规范》（JR/T 0196—2020），https://www.cfstc.org/bzgk/gk/view/yulan.jsp?i_id=1896

[22]2021年上半年隐私计算产品测试及行业发展观察， https://mp.weixin.qq.com/s/3Dw8_0dF0Qmwt1IS8kZZ9w

[23]中国信通院解读“隐私计算系列标准与测试方法”， https://www.163.com/dy/article/G16OH68I05149RFA.html

来源：腾讯大数据。