潮科技｜隐私计算技术的三大主流门派(2)

2. 隐私计算之华山派
「华山派」：主要是基于可信硬件方面技术，即通过硬件技术来对数据进行隔离保护。通用的应用方法包括安全屋，可信执行计算环境等。安全屋主要依赖芯片制造工业和系统架构，山路凶险，易守难攻，对独立第三方来说，好处是不用深入研究算法和密码学，缺点是受限制较多，数据需要先集中后处理。
3. 隐私计算之武当派
「武当派」：联邦学习是后起之秀，就像武当派从少林派得到很多启发一样，联邦学习结合密码学和分布式计算，实现了多方协作的机器学习，在人工智能领域开辟了新天地。
除了以上三大门派外，还有差分隐私、K匿名算法、L多样性等隐私相关的技术，这些技术不是相互替代关系，而是可以相互结合，产生更强大的威力。
二、隐私计算公司的分类
将隐私计算行业里比较有代表性的科技公司按三大门派在自研基础技术和集成开源应用两个维度进行分类，如下：

图2 隐私计算公司的分类
少林派主要是华控清交、富数科技、蚂蚁金服、数犊科技、矩阵元等，因为这几家都尚未开源，基于这些自研技术的上层集成开源应用也基本上没有出现。这些公司更多是直接给企业机构提供个性化的多方安全计算服务，解决业务实际的问题，很欣喜地发现少林派这几家公司完全自主研发，掌握多方安全计算的核心技术。
武当派（联邦学习）主要有Google的TensorFlow Federated、微众的Fate、百度的PadleFL、富数科技Avatar，蚂蚁Morse，除了TensorFlow，其他几个都算是自主知识产权，从联邦学习的专利所有权来看，大多数专利已被这几家收入囊中。其中TensorFlow Federated、Fate、PadleFL都是已开源项目，业内也有类似京东数科、平安科技等基于开源的内核搭建了上层应用平台。
华山派以Intel的TEE可信执行环境为代表，国内包括蚂蚁金服、翼方健数等公司将之集成到自己的隐私计算平台。