通信行业：隐私计算：数字经济安全底座

请仔细阅读在本报告尾部的重要法律声明 [Table_Title] 隐私计算：数字经济安全底座 [Table_Title2] 通信行业 [Table_Summary] 1、隐私计算概念：隐私计算是指在保证数据提供方不泄露原始数据的前提下，保障数据在流通与融合过程中的“可用不可见”。 2021年Gartner曲线中隐私计算列为九大趋势之一，预测到2024年，隐私驱动的数据保护和合规技术支出将在全球突破150亿美元以上。 2、目前初创公司根据业务逻辑和产品可以分为技术型、平台型等，商业模式上早期主要有产品解决方案及服务模式为主，主要提供软件系统获取系统软件销售及运维费用；中长期看调用模式+分润模式将会是行业发展趋势，通过平台业务流量获取相应分成。 3、市场应用主要包括：1）联合营销：跨行业数据融合重构用户画像；2）联合风控：引入外部数据优化金融风控模型；3）智慧医疗：数据互通发挥医学数据价值；4）电子政务：促进政务数据安全共享开放。 4、主要投资机会梳理： 1）隐私计算技术及平台类公司：由于应用市场变化较快及目前市场格局未确定，早期重点关注技术及平台型隐私计算公司； 2）硬件层面：当前算力仍是隐私计算发展的障碍，硬件平台计算加速来实现效率提升是产业发展的关键。重点关注DPU方面的投资机遇：多方安全计算MPC、联邦学习等需要多轮网络交互的技术，DPU等近内存硬件可以带来新能提升改善。 3）芯片国产化：国产替代将大大加速可信执行环境技术的发展，同时解决部分由海外供应商引起的不信任问题。 5、通信板块观点 1）2022年紧抓数字经济主脉络，以数据流量为线索，挖掘元宇宙、工业互联网、智能驾驶等新应用带动下，智能传感、硅光传输、存储到云原生等新技术创新机遇。 从底层我们持续重点关注港股运营商（中国联通、相关受益标的：中国移动、中国电信）、IT主设备（紫光股份、中兴通讯）、网络安全、通信+新能源（朗新科技）、车联网应用、军工通信和卫星互联网（海格通信、和而泰）、物联网（广和通）等高成长性板块，以及基本面好转，云生态相关及衍生的新兴赛道，包括IDC（光环新网、奥飞数据、黑牡丹；相关受益标的首都在线）、边缘计算和云原生（相关受益标的青云科技）、元宇宙等（平治信息）。 2）本周重点推荐低估值个股：紫光股份、威胜信息、黑牡丹（收购艾特网能布局热能管理业务）、TCL科技、七一二、光环新网、金卡智能、航天信息、平治信息、中兴通讯等公司。 6、风险提示 评级及分析师信息 [Table_IndustryRank] 行业评级： 推荐 [Table_Pic] 行业走势图 [Table_Author] 分析师：宋辉 邮箱：songhui@hx168.com.cn SAC NO：S1120519080003 联系电话： 分析师：柳珏廷 邮箱：liujt@hx168.com.cn SAC NO：S1120520040002 联系电话： -21%-14%-8%-2%5%11%2021/022021/052021/082021/11通信沪深300证券研究报告|行业点评报告 仅供机构投资者使用 [Table_Date] 2022年03月06日 134985 证券研究报告|行业点评报告 请仔细阅读在本报告尾部的重要法律声明 2 19626187/21/20190228 16:59 隐私计算场景拓展不及预期；底层硬件及算法无法满足市场需求。 1.隐私计算概念：数据“可用不可见” 隐私计算（Privacy-preserving computation）是指在保证数据提供方不泄露原始数据的前提下，对数据进行分析计算的一系列信息技术，保障数据在流通与融合过程中的“可用不可见”。 隐私计算可以增强数据流通过程中对个人标识、用户隐私和数据安全的保护，为数据的融合应用和价值释放提供了新思路。 证券研究报告|行业点评报告 请仔细阅读在本报告尾部的重要法律声明 3 19626187/21/20190228 16:59 2021 年Gartner发布的前沿科技战略趋势，隐私计算（其称为隐私增强计算）列为未来几年科技发展的九大趋势之一。预测到2024年，隐私驱动的数据保护和合规技术支出将在全球突破150亿美元以上。 图 1 2021前沿科技（Gartner发布） 资料来源：Gartner，华西证券研究所整理 2.应用、政策、产业配套多轮驱动，隐私计算“方兴未艾” 数据流通需求推动隐私计算“方兴未艾”：数据是数字经济时代的关键生产要素，跨领域、跨行业、跨地域数据流通是释放要素价值的关键。 隐私计算平台就为数据要素化提供了底座和基础设施，能够让不同城市、不同部门既能管好自己的数据，又能打通数据、共同协作，隐私计算平台让数据要素在技术层面变得可用可扩展。 政策环境为隐私计算发展提供新机遇：近年来我国数据立法进程不断加快，尤其强调数据应用过程中的数据安全。《中华人民共和国网络安全法》《中华人民共和国数据安全法》和《中华人民共和国个人信息保护法（草案）》逐步完善了国家数据相关立法的顶层设计，着重强调了流通过程中的数据安全和个人隐私。 大数据交易试点推进，业态初具端倪：2021年3月31日，国内首家基于“数据可用不可见、用途可控可计量”新型交易范式的数据交易所——北京国际大数据交易所成立。 2021年11月25日，上海数据交易所揭牌成立，重点聚焦数据确权难、定价难、互信难、入场难、监管难等关键共性难题。 证券研究报告|行业点评报告 请仔细阅读在本报告尾部的重要法律声明 4 19626187/21/20190228 16:59 2021年12月1日，深圳数据交易有限公司完成工商登记（简称深数交），深数交作为促进数据要素市场化配置的重要主体，将坚持公共服务的职能定位，兼顾市场驱动和合规发展，推动数据资源汇聚和交易流转。 3.隐私计算技术原理 隐私计算技术是指在保护数据本身不对外泄露的前提下实现数据分析计算的技术体系，隐私计算技术不归属于某一学科领域，其包含了密码学、分布式计算、人工智能、数据科学等众多领域。 隐私计算从数据使用角色角度看包括三个方面：数据输入方、数据计算方与结果使用方。使用方需先向输入方以及用户发送申请，经各方同意后方可通过计算方得到结果。隐私计算通过实现输入隐私与输出隐私以达到对原始数据和计算结果的保密。 与传统数据的使用方式相比，隐私计算更专注于数据使用过程和计算结果的保护，其目标是在保证数据安全的前提下实现数据价值最大化。 图 2 隐私计算技术流程 资料来源：PLUGANDPLAY，华西证券研究所整理 隐私计算技术体系包括底层硬件、软件平台、算法应用三个层面。 底层硬件：不同的技术路径对于硬件要求不同，大致分为通用硬件（多方安全计算、联邦学习等技术路径从软件层面设计安全框架，基于通用硬件为底层硬件基础）、可信硬件（可信执行环境路径则是通过专用的可信硬件为底层技术实现） 算法构造平台：多方安全计算技术基于各类基础密码学工具设计不同的安全协议，相当于隐私计算的“操作系统”。 算法应用：以不同技术为基础，隐私计算逐渐演化出丰富的算法应用场景。这些应用往往为了实现特定计算目的而组合应用了多种隐私计算技术，可更直接用于实际生产。 证券研究报告|行业点评报告 请仔细阅读在本报告尾部的重要法律声明 5 19626187/21/20190228 16:59 图 3 隐私计算技术体系构成 资料来源：PLUGANDPLAY，华西证券研究所整理 目前隐私计算主要技术趋势包括：多方安全计算、可信执行环境、联邦学习、同态加密等。 多方安全计算：基于密码学的隐私计算技术；联邦学习：人工智能与隐私保护技术融合衍生的技术；可信执行技术（TEE）：代表的基于可信硬件的隐私计算技术。 1）从技术路线上看，多方安全计算的复杂度高、开发难度大，龙头企业多致力于此，力图打造以多方安全计算为底座的数据流通基础设施。 2）可信执行环境对于硬件的局限及国外芯片的强依赖，使得其在国内的产品选型相对较少，较集中于互联网大厂和部分初创企业，但目前已出现一些技术企业与芯片企业在国产化硬件研发上的合作探索。 3）联邦学习，由于机器学习类应用需求的突出，且有较成熟的开源社区为基础，开发难度相对轻松，因而，运营商、金融科技公司等自营业务需求方大多专注在基于联邦学习的隐私计算产品化中。 由于各类技术方案各有优势，面对用户的不同应用需求，部分企业能够提供多种技术方案供用户选择。 表 1 隐私计算主要技术流派 技术 多 方安全计算 可 信执行环境 联邦学习 同 态加密 零 知识证明 差 分隐私 性能 中低 高 中 低 低 高 通用性 高 高 中 中 低 低 安全性 高 中高 中 高 高 中 可信方 不需要 需要 均可 不需要 不需要不需要 整体描述 通用性高，计算通信开销大，安全性高，研究时间长，性能不断提升 通用性高、性能强、开发部署难度高，需要信任硬件厂商 综合应用多种技术，主要应用AI模型训练和预测 计算开销大、通信开销小、安全性高 各种认证协议基础，广泛应用于各类安全协议设计 通信和计算新能和直接铭文计算无区别 证券研究报告|行业点评报告 请仔细阅读在本报告尾部的重要法律声明 6 19626187/21/20190228 16:59 技术成熟度 已到达技术成熟预期峰值 技术创新快速增长的阶段 技术创新快速增长的阶段 技术创新快速增长的阶段 技术创新快速增长的阶段 技术创新快速增长的阶段 资料来源：华西证券研究所整理 单从技术角度来看，隐私计算技术虽然拥有较高的商业价值，但目前市面上的主流技术路径仍存在较大的瓶颈，如技术互通性、计算效率等导致的成本负荷。 4.产业应用方向：金融、政务、医疗成为重点方向 从需求来看，基于数据保护的需求主要来自于三方：个人消费者、企业和政府。 对于个人消费者而言，隐私计算应用有助于保障个人信息安全。例如欧洲的MELLODDY项目中，多家药企正在探索借助隐私计算和区块链来进行的基于AI的药物研发。 对于企业和政府而言，企业内借助隐私计算，能够切实保护企业在采集、存储、分析等过程中的关键信息、商业秘密等数据，保护企业自身的利益。同时能够促进企业产业链上下游的跨界数据合作，保障企业数据安全开发的同时增强全社会的数据协作。 主要应用领域包括：1）联合营销：跨行业数据融合重构用户画像；2）联合风控：引入外部数据优化金融风控模型；3）智慧医疗：数据互通发挥医学数据价值；4）电子政务：促进政务数据安全共享开放。 图 4隐私计算应用行业 资料来源：信通院隐私计算白皮书，华西证券研究所整理 5.隐私计算产业链及投资梳理 1）产业链：国内国外布局隐私计算的大型企业和创业团队都有很多，目前市场处于早期阶段，竞争格局尚未确定，更多典型和杀手级应用还有待拓展，仍然有孵化创新独角兽的机会。 国外：2008年第一家专攻多方安全计算解决方案的技术厂商Partisia就已在丹麦成立，为商务合同、加密拍卖等场景提供安全方案。 26%9%27%38%隐私计算应用行业电子政务智慧医疗联合营销联合风控 证券研究报告|行业点评报告 请仔细阅读在本报告尾部的重要法律声明 7 19626187/21/20190228 16:59 科技巨头方面，2011年微软年开始深入研究多方安全计算、谷歌在全球率先提出联邦学习的概念、Intel打造SGX成为绝大部分可信执行环境实现方案的底座；IBM致力于将同态加密与云服务结合，帮助用户数据安全上云；Facebook则是专攻基于隐私计算的机器学习。 创业公司方面，Sharemind、Privitar致力于搭建自研的多方安全计算平台；Duality基于密码学开发的SecurePlus平台支撑医学机构进行病毒基因分析。 但从总体的应用场景来看，目前国外隐私计算项目中的很大一部分都是面向区块链和加密虚拟货币的场景。如美国的Unbound Tech和丹麦的Sepior均集中于将多方安全计算应用于分布式密钥管