加入收藏 | 设为首页 |

隐私安全计算成“关键之钥” 翼方健数突破医疗数据共享困境

隐私 时间:2020-09-19 浏览:
新京报讯(记者张兆慧)9月18日,在中关村论坛的全球医药健康大数据平行论坛上,翼方健数(BaseBit.ai)首席执行官罗震畅谈隐私安全计算技术如何赋能医疗行业,

新京报讯(记者 张兆慧)9月18日,在中关村论坛的全球医药健康大数据平行论坛上,翼方健数(BaseBit.ai)首席执行官罗震畅谈隐私安全计算技术如何赋能医疗行业,并通过实际落地案例,佐证隐私安全计算已成数据价值盘活的“关键之钥”。

医疗领域被认为是对于隐私数据要求最高的场景,医疗平台集聚个人最私密的数据,共享是否意味着失守?面对备受关注的医疗数据话题,罗震坦言,医疗数据的价值不言自明,但是利用率却十分低。传统数据共享的方法是基于原始数据的共享,而医疗行业对于原始数据有非常强烈的数据安全和个人隐私保护的需求,这就导致原始数据的共享很难实现。

对此,翼方健数提出一个数据价值共享的重要理念——不分享原始数据,通过计算共享数据价值。“这就是隐私安全计算的核心。这里的计算有两层含义,一个是我们采用什么样的安全计算方法,另一个是具体的数据应用。”罗震介绍道。

在促进数据价值流通方面,翼方健数已有实际落地案例——与厦门市卫健委合作搭建健康医疗大数据应用开放平台。基于这一平台,健康医疗数据可在数据脱敏、治理的基础上向数据的使用者授权开放。数据的使用者在平台上得到数据的授权后,并不能下载数据,而是通过第三方应用或者自己开发的程序利用沙箱计算等安全计算方式对于原始数据进行挖掘。平台允许用户拿走数据分析的结果或者通过智能服务的方式对平台外输出数据产生的能力。

罗震表示,通过这一方法,平台可以和大量对于健康医疗数据有诉求的第三方机构合作,在平台内形成一个数据生态,数据价值充分发挥,并且通过联邦学习等隐私安全计算的方式,实现跨平台的数据价值共享,同时保证数据安全,打消数据共享的顾虑。

技术选择方面,翼方健数根据不同的信任假设和计算的复杂度,有多方安全计算和同态加密,联邦学习,安全沙箱计算与可信任执行环境等多种安全计算方式。对技术的选择来源于不同的信任假设和实际业务场景。数据隐私安全方面,罗震建议通过差分隐私的技术手段进行隐私安全保障。

罗震表示,希望通过隐私安全计算的方法构建一个数据和计算的互联网,一个让数据所有者、数据使用方和服务提供商所组成的活跃生态系统。实现技术向善,在充分保护数据安全和个人隐私的前提下,让数据产生价值,成为真正的生产要素。