专访锘崴科技董事长王爽教授：隐私计算，可信AI的技术底座和安全基石 | 爱分析访谈(6)

爱分析：锘崴服务医疗客户的过程中，遇到挑战是什么？相应技术和服务能力有哪些迭代？

王爽教授： 挑战随着时间在变化。 早期的挑战来源于市场教育，刚开始做隐私计算时要向市场解释为什么要保护隐私。 现阶段遇到的问题主要有三方面。

第一，数据源节点的建设不充分，不能满足数据需求。 比如药厂新药研发时需要病人详细的入住条件信息，但当对入住条件进行严格筛选时，只有很少的数据源能够满足要求，因此就需要多中心的数据源的合作。然而当下隐私计算节点的部署数目是有限的，还需要持续建设。

第二，数据质量问题。 数据源的归一化， ETL 等都需要跟友商进行合作，才能提供更高质量的数据。

第三，隐私计算平台无法覆盖所有医疗应用场景。 对于用户的定制化需求有两种解决方法，一种是根据用户需求自主开发，效率比较低，当需求很多时就会出现瓶颈。另一种是提供 SDK满足用户个性化需求，这种形式能满足大部分AI场景需求。

爱分析：请介绍锘崴的隐私计算技术框架，隐私计算技术框架如何支持应用？

王爽教授： 我们应用和框架是分开的。iPRIVATES我们定义成应用，应用是用来解决多中心的全基因分析的应用。

隐私计算框架是底层，底层采用微服务的方式，提供不同的服务模块。比如联邦学习的模块、可信执行环境的模块、MPC以及同态加密模块，可以根据用户对于场景的性能、安全性、精度等要求编排不同的模块形成Pipeline，满足具体场景需求。

上层是应用。如多中心全基因组分析中的iPRIVATES应用，涉及到基因数据的筛选、人口的分层， 统计假设检验PCA等算法组合在一起，提供调参的接口给用户使用。