抖音Jeddak隐私计算的实践与探索-安全客

2022世界人工智能大会可信隐私计算高峰论坛上，抖音集团安全研究团队负责人吴烨带来《Jeddak Project-隐私计算实践应用与探索》的议题，该议题聚焦在隐私计算上的能效平衡和应用生态两个维度，就安全性与计算效率的实用化挑战和技术突破，分享了抖音集团的落地经验，希望可以给隐私计算行业提供实践参考。

近年来，各国政府越来越重视用户隐私的问题，相继制定了以隐私为重点的数据保护法规。与此同时，企业对于数据的流通交易和共享也存在切实需求，如何打破“数据孤岛”，保障数据安全动态的使用，成为当前企业重点关注和迫切需要解决的问题。隐私计算技术的出现，是解决数据可用不可见的突破口，逐渐成为数字经济发展的新基建。

在隐私计算领域，能效平衡和应用生态是两个关键的挑战，因此如何既满足安全性的要求又能满足实用化的效率要求，是业内一直探索的方向；同时由于隐私计算起步较晚，当前缺少一些杀手锏级别的应用。针对上述的两个挑战，抖音集团启动了Jeddak Project，推出一款面向数据安全与隐私计算的综合平台，实现端到端的数据安全和计算过程中的隐私保护。

Jeddak-HE在业务风控场景典型应用

如果说隐私计算构成了用户信任的护城河，那隐私计算背后的功臣莫属密码学，众所周知同态加密是密码学的皇冠，那么Jeddak是如何落地同态加密的呢？
在企业内部，很多的财务和人事的敏感数据，从数据治理角度看是需要进行访问控制的；但是从业务角度需要对敏感数据进行分析处理，Jeddak使用ABE技术授权专业人员完成。但由于数据属于高敏类型，分析人员往往没有获取明文数据的权限，借助Jeddak-HE让分析人员实现安全外包计算。宏观上看，上述流程实现了端到端的全生命周期的数据保护，整个分析处理是在密文下完成的。

Jeddak-DPSQL在隐私数据脱敏的应用实践

为了解决统计查询以及用户数据采集场景中的隐私泄露问题，Jeddak基于差分隐私技术，实现数据脱敏和隐私度量，自研了面向查询保护的 DPSQL （Differentially Private SQL Query Service）服务，将差分隐私计算应用到数据的SQL查询中，比如与ClickHouse数据库结合，实现统计查询的差分攻击保护。

Jeddak-MPC在联合查询与统计场景的实战

在面对需要利用多方数据进行联合查询时，Jeddak-MPC也有不俗实力。比如一方拥有人群的特征数据，另一方拥有购买标签数据，需要联合分析广告的投放效果。首先MPC的底层实现对用户是透明的，用户通过使用常规的SQL发起任务，Jeddak将SQL重写技术与MPC算子结合，从而实现在各方数据均不出域的情况下实现联合查询，目前Jeddak-MPC已支持亿级的联合查询。

Jeddak-FL助力金融机构精准营销

同时，在金融领域的联合营销案例中，需要基于人群特征和金融标签两方数据建立营销模型，实现存量客户促活。Jeddak-FL提供了丰富的算法协议支持，以及完整的联邦学习任务。首先通过高性能PSI来实现训练样本的对齐，用联邦特征工程进行训练预处理，之后利用树模型/深度神经网络来实现联邦建模，最后通过离线或在线预测的方式进行打分和投放，实现在保护各方数据不出域情况下的营销闭环。

Jeddak-TEE企业敏感数据合规治理场景的应用

在典型的企业场景中，如数据提供方比如客户服务部拥有大量的CRM数据，但是需要定期提交给相关数据治理部门来更新和纠错，比如电话号码的缺失、合适的规则校验等，这一场景属于公司内部十分常见的上下游数据使用情况。如何保障数据协同过程中不出现隐私泄露，保护数据安全和计算的完整性与机密性。Jeddak-TEE让数据提供方和数据治理方分别加密各自数据，之后安全传输至沙箱进行数据融合。在数据沙箱中，其他实体无法修改运行的服务逻辑，也无法窥探在沙箱中的数据。计算任务完成后，平台侧仅可获取到预期的结果，规避了数据直接提供给数据治理部门的合规风险。