7-2 隐私计算三剑客在营销领域应用：适合才是最好 - 陈治宇

数字营销与隐私

营销技术的发展

• AI+营销：利用AI技术如机器学习、自然语言处理等进行精准用户画像、渠道触达、创意个性化、智能投放等，涵盖会员资料、搜索历史、电商消费信息、线下购物、出行记录等数据。
• 隐私保护：涉及个人信息、个人敏感信息、重要数据、国家核心数据、国家秘密、军事数据、商业数据等。

什么是隐私计算？

• 定义：解决“数据可用不可见”的问题，仅获取结果，不泄露额外信息。
• 实现方式：软件、硬件、软硬结合。
• 特点：使用权和所有权分离。

联邦学习/多方安全计算

联邦学习（FL）

• 应用场景：航空领域、教育领域、汽车营销等。
• 优势：不依赖硬件、原始数据不出区域、点对点链接、知名度高。
• 案例：南航高净值人群精准投放，提升转化率，降低成本。

安全多方计算

• 技术：差分隐私、同态密码学、混淆电路、联邦学习、秘密分享、零知识证明、不经意传输等。
• 优势：速度快、简单易懂、算法种类丰富。
• 挑战：速度慢、原理复杂、可用算法有限。

可信执行环境（TEE）

优势

• 计算速度快：支持大数据处理，低延迟。
• 执行逻辑清晰：容易度量其安全性。
• 移植算法成本低：支持多种算法。

应用场景

• 通信领域：营销、生物基因领域。
• 案例：通过TEE分析病例样本数据，用于情绪识别和车载音频切换。

安全数据沙箱（SANDBOX）

优势

• 简单快速：几乎无损耗，适用于大规模数据场景。
• 不依赖硬件：所有算法都可以使用。

应用场景

• 广告传媒：全量数据样本数据安全隔离域运行环境。
• 政务数据：开放平台提供数据共享。

百度产品矩阵

技术框架

• 联邦学习（FL）：舍弃计算效率，但无硬件要求，原始数据不出域。
• 可信执行环境（TEE）：舍弃硬件通用性，但计算效率更高，支持一定算法的扩展。
• 安全数据沙箱（SBX）：仅保护数据方的安全，但支持超大规模的数据计算和所有算法工具。

隐私计算应用指南

• 明确保护对象：根据数据规模和操作范围选择合适的隐私技术。
• 常见应用：小数据规模使用联邦学习，中等数据规模使用可信执行环境，大数据规模使用安全沙箱。

未来趋势分析

技术融合

• 联邦学习+多方安全计算+可信执行环境：降低复杂度，提高效率。
• 安全沙箱+可信执行环境：增强数据安全。
• 安全沙箱+多方安全计算：引入外部数据。

软硬结合

• 联邦学习+GPU/FPGA：加速深度学习。
• 安全沙箱+Trusted VM+Clear Container：加速启动速度。

互联互通

• 隐私计算平台互通：推动标准制定和平台互通。