摘要：隐私计算的互联互通有助于促进数据要素的高效有序流通，同时互联互通的实现能够拓宽隐私计算应用边界。隐私计算技术的相互融合发展能够实现技术的最优化输出和技术优势的高效表达。开放生态是未来发展趋势，需要打破技术应用壁垒进而促使跨技术平台间的互联互通。互联互通按阶段规划实现，着重构建通用性、可扩展性、互联互通等隐私计算能力。
关键词：隐私计算；数据流通；平台；互联互通
在数字经济快速发展的背景下，金融业受到数据要素化战略影响，积极探索隐私计算应用。但由于我国数据要素市场仍处于发展的初级阶段，存在市场培育的统筹规划不足、发展规划的标准不清晰等问题。数据间如何实现互联互通一直是数据要素市场快速发展过程中存在的难点。在数据实现相互融合的条件下，数据归属的平台同样会因为较大的技术差异难以实现有效的互联互通。隐私计算的互联互通有助于促进数据要素的高效有序流通，同时互联互通的实现能够拓宽隐私计算应用边界。隐私计算技术的相互融合发展能够实现技术的最优化输出和技术优势的高效表达。开放生态是未来发展趋势，需要打破技术应用壁垒进而促使跨技术平台间的互联互通。[1]互联互通按阶段规划实现，着重构建通用性、可扩展性、互联互通等隐私计算能力。以隐私计算在金融领域应用为背景，着眼于金融行业的数据要素流通，探索性分析隐私计算平台互联互通的基本思路。
一、金融领域隐私计算平台互联互通设计思路
金融领域因有着庞大的客户信息而备受关注，其数据价值不言而喻。因此金融领域也在积极探索隐私计算的应用，通过安全平台的打造实现数据的互联互通以及融合发展，以最大化发挥数据价值。但在具体实践上，不同平台间仍然存在壁垒，导致总能更高的互联互通难以实现，依然会出现平台数据“抱团”的现象。
（一）隐私计算平台互联互通的内涵
基于信息机构构建的具备数据互联互通功能的隐私计算平台需有自治权（包括自主选择、管理成员；制定适合平台内的数据流通规则；接受某一个或多个监管方的监管；根据业务选择某一种或多种隐私计算技术），平台的自主决策权是实现互联互通能力必不可少的要素。但对于数据平台互联互通的实践，仍存在认知误区，如数据源在多个平台注册、流通与数据互联互通并不对等。事实上，隐私计算平台间的互联互通是不同平台基于各自数据融合结果进行规整，进而再次进行计算并得出结果的过程。具体来看，隐私计算平台能够自主处理数据，同样存在最小化原则指导下，在“数据可用不可见”的处理中保护数据不泄露。进一步通过良好的合作机制，完成不同平台间的互联互通，融合使用平台处理过的数据，进一步提升数据价值。同时在不同平台分散式协作过程中实现风险的最小化。对于隐私计算互联互通，平台异构性是其中难点之一。其存在原因在于不同平台的技术路线和原理、信任基础等不一致，难以达成一致合作。隐私计算平台互联互通在落实实践前，抑或在当前落地应用上，应达成共识，即平台间互联互通的实践并不是打破独立平台的信息基础和规则而重新建立融合后的新地基，恰恰相反其是在原有信任共识的基础和能力上，叠加跨平台功能，最终实现数据平台间互联互通的“可用不可见”。基于技术视角，隐私计算平台的互联互通与互联网技术架构类似，原因在于互联网的出现使设备间实现链接，二者就互联互通的实践操作相似，可由互联网的架构构建思路引申，即主要包括控制面和数据面两大类协议。
（二）隐私计算平台互联互通设计思路
1.控制面：自治系统与边界网关协议
自治系统与边界网关协议同隐私计算平台的异构性相似，互联网发展初期同样面临不同设备互联等问题。互联网后期快速发展，逐渐形成了互联网自治系统（Autonomous System，AS），即该系统通讯策略相同、管理路径统一，且有自主权决定由何种技术、策略链接何种设备。而自制系统连接外部路由协议则逐渐形成了边界网关协议（Border Gateway Protocol，BGP），其没有发现并匹配内部路由的能力，但是能够根据不同属性控制数据流传输。互联网互联的设计思路为隐私计算平台互联互通提供启发，每个隐私计算平台同样具备自主权（类比于互联网平台的AS），能够自主执行内部决议，同时基于外部结构能够实现对外互联等。
2.数据面：层次化设计与“沙漏”模型
以TCP/IP协议（Transmission Control Protocol/Internet Protocol）为代表的层次化设计较为常用，其中间层的传输和网络能够向上层互联网传输应用协议，向下通过物理方式进行通信传输，整体呈现为一个“沙漏”状结构。隐私计算平台本身设计具备一定的层次化特征，顶层包括金融领域中只能风控、精准营销等场景以及对应的联合建模、联合统计等算法；底层则涵盖了各类隐私计算技术。[2]因此参照TCP/IP协议的“沙漏”结构，可以设计连接实现隐私路由的功能。
综上，从控制面和数据面两部分看，对于隐私计算平台互联互通的设计可由控制面和数据面分工协作（控制面负责资源管理、安全管理以及任务管理等工作，包括资源目录同步、计算合约达成、跨平台身份认证、密钥管理、任务执行调度与流程管控等；而数据面则依照计算合约，执行数据、算法等资源的接入、同步和格式转换，协同、高效地完成计算任务），实现互联互通的有效实现。循序渐进推动标准化与检测认证体系旨在推动隐私计算平台互联互通的实现，一方面，需要构建标准化的检验认证体系。
通过标准化工作的开展明确技术方向和核心技术，并进一步全层扩展进而最终实现互联互通体系的完整构建。另一方面，通过明确互联互通的评估体系和方法，为金融机构数据融通的实现提供依据。
二、基于中间件与区块链的异构隐私计算平台互通系统研究
随着数字经济的快速发展，大数据时代数据要素使用价值愈发提升，因此对数据要素的利用和挖掘成为衡量企业、产业甚至是国家竞争力的重要因素。数字经济发展的核心要义是数据安全：只有在数据安全得到良好保障的前提下，数字经济方能实现健康有序的发展。具体的操作路线为，通过对隐私计算技术的应用实现数据“可见不可得”，即在数据不出域的前提下能够进行传输互换以及价值变现等。政策层面，国家一直强调构建数字中国，数据化发展将是我国未来的发展趋势。数据安全保障则是数字化发展进程中持续强调且需关注的重点，且近年来数据安全逐渐在政策层面被确定为国家安全战略的重要组成部分。[3]数据安全将成为数字化社会发展的中心，隐私计算的使用将为数据安全应用提供保障，为数据经济健康安全发展作出贡献。
（一）数据的跨域融合
数据要素的融通过程是数据价值的最大化体现，但该过程极易造成数据隐私信息的泄漏，安全性难以得到保障。因此当前数字经济发展出现的困境是数据融通和隐私安全难以得到有效兼顾，故数据流通体系构建首先要考虑实现二者效用最大化。当前发展的另一大趋势是多方安全计算借助技术优势逐步取代了传统数据融合和使用方式，其是当前法律法规趋严的背景下未来数据行业合规发展的确定方向。
近年来隐私数据泄漏现象频发，数据使用方的使用不规范、不标准，数据隐私违规操作成为数据行业的代表标签，使个人、企业对于数据市场中自身数据安全存有担忧。因此不同国家和地区将加大立法宣传力度和立法频率，以此保障个人数据安全，规范数据的采集、使用等流程。企业如何处理海量数据成为难题，提升数据价值的有效途径在于推动多方数据的有效融合，以此扩大企业竞争力并带来更高的收益。但与此同时，传统的处理模式将面临成本高、风险高、数据留存等合规风险，个人用户的数据安全保护对于维护企业形象和利益同样影响深远。《全国一体化大数据中心协同创新体系算力枢纽实施方案》指出“加强跨部门、跨区域、跨层级的数据流通与治理”，并把“加快网络互联互通”作为建设国家枢纽节点的重点任务之一。因此在隐私计算平台互联互通的推动下，需要推动数据流通相关基础设施建设，完善融通机制等。
（二）隐私计算的应用
在当前数据安全技术的使用中，较受欢迎的主流形式是基于数据访问控制“静态”隐私保护方法。数据泄漏的保障或是“零信任”安全框架的搭建，都是在对数据隐私等级分类的基础上，对数据进行了加密管理等。这些技术更多是解决数据在静态状态下的管理问题，虽做到了静态管理可控，但在流通和共享的动态变化中如何保障安全成为难题。针对上述难题，多方安全计算的隐私计算技术为数据“动态”变化提供了安全保障，在数据融通过程中不会发生隐私泄漏的问题。同时多方安全计算技术能够有效整合多方数据，做到了多方数据融合使用的“可用不可见”。[4]隐私计算在智能营销和金融场景的应用概述如下。
1.隐私查询在金融场景中的应用
身份核验是金融场景需求增加后的必然结果和强制需求。银行数字业务的推进需要依靠来自运营商的身份核验数据，同时随着相关法律法规的出台，如国家层面的《网络安全法》以及《个人信息保护法》《数据安全法》的推进实施，使企业和个人提高了对个人隐私数据的安全保护意识。但在传统的数据安全保护方法中，银行机构对数据安全处理仍有漏洞，存在数据泄漏的风险，因此加强安全监管和保障成为当前银行的重要课题。[5]
隐私查询是隐私计算技术的一种，其能够在保护查询信息隐私性的前提下，为查询方提供除敏感信息以外的结果，实现对数据提供双方的隐私保护。具体的，隐私查询的身份核验流程为：首先，查询方对客户三要素信息进行加密，同时对数据方的原始数据进行加密索引处理；其次，向数据方提出查询请求，并依托密码协议对数据进行交互运算，敏感信息经过前期的加密以及交互处理，使数据方仅能对其进行定位，并返回查询结果，但无法准确获知查询方具体的查询对象；最后，查询方通过隐私加密组件恢复目标数据并完成三要素匹配返回客户。在最后步骤中，查询方除了能够知悉匹配情况外，无法获取数据的其他敏感信息。[6]隐私查询能够保证银行方以企业、机构为代表的数据查询方在不暴露客户信息的前提下完成客户身份核验，增强了业务的合规性；同时对于数据提供方而言，用户三要素信息并未泄漏，有较强的业务安全性。因此该技术在保证信息安全的前提下，能够实现数据要素的流通和使用，做到了数据价值的最大化利用。[7]
2.联邦学习在联合智能营销中的应用
联邦学习是隐私计算的核心技术之一，其可视为多方安全计算和机器学习的融合。[8]联邦学习主要指在机器学习过程中多方数据可进行联合建模但无需共享数据的过程。以电信5GPLUS用户权益推广系统为例，其是联邦学习在智能营销中的典型代表。具体来说，数据标签拥有方即运营商在推广过程中提供购买该产品的标签信息和用户行为、兴趣等特征，以此进行模型训练。底层通过对数据进行同态加密等密码学处理后，确保数据信息在接收方无法获得原始数据的情况下，能够通过计算获得结果。训练完成后将新阶段的用户行为输进模型，借此检验另一方数据与购买行为的关联度。
3.异构隐私计算平台的互联互通
近年来，业界对异构隐私计算平台互联互通实现的研究较多，但未有突破。互联互通的应用不断面临挑战，如互联互通前隐私计算技术的协同问题、由合作带来的行业规范及标准思考、以及技术使用过程中安全和性能的选择等，皆是实现隐私计算平台互联互通亟需考虑的问题。
（1）行业标准的缺少造成隐私计算平台“孤岛化”
由于隐私计算技术具备数据安全保护功能，能够实现数据的最大价值发挥并提升企业竞争力，导致进行隐私计算技术研发及使用的厂商数量逐渐增多。但技术的受欢迎程度并不代表技术已经发展成熟，其仍处于发展初期阶段，相对应的行业技术标准和规范准则匮乏。可以说异构隐私计算平台的互联互通难以实现，一方面在于计算技术路径多样性，另一方面则是标准难以统一（主要包括底层不同的通信协议、身份认证机制、密码算法及其安全强度；算法层中安全多方计算与联邦学习方案设计与实现方式的差异；以及应用层接口调用、任务调度方式等），致使异构的隐私计算平台进行互联互通仍是远景，该问题的滞后解决将阻碍数据价值的最大利用与提升。对此，技术人员从框架结构到任务管理等全方面进行优化统筹，实现任务的跨平台合作和流程协同，实现在异构平台的联合任务执行。
（2）基于“中间件”与区块链，达到任务的跨平台执行
基于“中间件”和区块链的任务跨平台执行以Priv Torrent密流安全计算平台为例进行概述。具体的，该平台包括多种隐私计算技术，Priv Torrent密流安全计算平台与FATE隐私计算平台的异构对接依托中间件和区块链技术能够满足异构互通基本需求。
基于中间件的解决方案：异构平台的互联互通需以隐私计算平台的分层为依据，进行多维度考量。即隐私计算平台由上到下可分为基础层、数据层、算法层和应用层。因此，互联互通要求背景下，针对不同应用层而言，强调基础层需统一通信协议、数据层应保证数据安全参数和加密机制一致、算法层保证算法协议一致、应用层确保算法参数相同等。实践中，Priv Torrent密流安全计算平台与FATE系统互联互通过程中完成了上述4个层面的协同。此外，中间件的部署可是异构平台的各点，同时中间件也可看作是隐私计算平台的桥梁，起到较好的通用性。从节点视角出发，中间件透明且节点与部署隐私计算平台的节点进行任务交互状态一致。
基于区块链的解决方案：区块链是新型应用模式（分布式数据存储、点对点传输、共识机制、加密算法等），其特征包括防篡改、追踪溯源以及公开透明等。因此，在实现中间件和异构的对接外，还涵盖了依托区块链技术并整合智能合约机制构建更高效灵活的异构平台互通策略。区块链的解决方案具备如下优势：区块链技术的使用以及智能合约机制的形成，有助于实现交互标准、底层通信等防线的统一。同时，结合区块链特征属性，可对链上历史任务进行溯源。隐私计算网络的形成主要是由多个隐私计算参与方组成计算节点，并进而生成网络。在场景应用中，通过实现对数据集的约定后，由数据发起方以任务形式向需求方发出，收到任务后数据方按约定形式进行协同计算。在区块链的解决方案中，数据方将个人数据资产接入隐私计算节点，进一步将非隐私属性信息上链并通过智能合约更新和授权数据，使参与方可以查看和使用数据资源。[9]
（3）跨平台互通的应用
在征信系统中，隐私计算技术的应用缺少互联互通。原因在于各个数据持有方各自为战，仅基于自有数据进行信用建模最终导致了信用评价“孤岛”模式。因此，数据“孤岛”将抑制数据价值最大化发挥，整合各方数据并进行有效的数据融合是实现数据价值提升的有效途径。在数据融合利用时旨在提升数据安全性和使用效率，利用隐私计算技术确保数据不出域的前提下，参与方能够通过联合建模得到信用评价模型，最终实现数据价值的最大化发挥。同时，多技术融合如与区块链技术融合应用，基于区块链的特征，如可验证等，将其视作传递媒介，为隐私计算提供授权等能力。同时，基于区块链技术的运用使征信系统中的征信链得以实现，因此隐私计算技术与区块链在征信领域的结合使用，对跨平台的任务处理更具优势。
三、金融应用场景下隐私计算面临的挑战与展望
目前隐私计算虽已成功解决一些金融场景下的数据合规问题，但其在安全、性能、互联互通等方面仍存在巨大挑战，可能限制进一步的推广和应用。
（一）隐私计算应用于金融领域的挑战
1.安全有待进一步提升
隐私计算涉及的算法多样，但其安全基础通常都会设定一些假设，以此为基础进行安全算法的设计。比如，假设多方计算的各参与方都严格遵守协议流程、假设各参与方之间不产生共谋、假设硬件提供商完全可信等。但实际情况下，这些假设并不一定成立。同时，隐私计算技术在产品化过程中，不可避免会产生系统安全风险，由于隐私计算产品的安全要求较高，系统安全薄弱环节将成为最易被攻击的部分。
2.隐私计算需要更大的计算和通信负载
大规模应用隐私计算面临着计算和网络负载的限制。例如，通过隐私计算联合建模的耗时是传统机器学习的数十倍甚至数百倍。并且，隐私计算意味着多方同步计算，某一方计算或通信资源的瓶颈将直接限制整个计算平台的性能。
3.各方安全共识难以形成
隐私计算实际上是让多个参与方在安全共识下开展多方计算。但是，参与者很难直观验证各方的安全性，当前也缺少隐私计算安全分级标准，使得实际应用场景下各方安全共识通常难以达成。
4.不同产品间很难互联互通
每一个隐私计算应用方都面临着与不同机构多方计算的问题，但各方部署的隐私计算平台可能基于特定的算法和设计实现，平台间很难完成信息的交互，导致重复建设和成本的浪费。因此互联互通也成为隐私计算面对的巨大挑战。
（二）隐私计算技术在金融应用场景下的展望
近年来隐私计算技术虽取得明显进步，但离大规模使用及赋能仍有差距，需持续优化发展。软硬件优化升级是实现隐私计算技术升级的有效手段，隐私计算的底层技术框架安全保障得以提升，但效率却未能得到有效兼顾。故针对未来大规模数据处理的需求，隐私计算技术需对数据处理的各个环节进行性能优化，以满足后期需求。随着隐私计算技术商业应用愈发加强，商业银行逐渐通过隐私计算技术的应用实现数字化转型。商业银行借助隐私计算技术能够实现与不同机构、平台的数据共享及合作，借此实现金融服务的提质增效；在保障个人用户信息的前提下，实现数据价值的最大化挖掘及利用。但当前隐私计算技术仍处于发展的起步阶段，有以下问题亟待解决：一是隐私计算的技术应用水平存在局限。原因在于隐私计算技术对于操作系统的软硬件要求较高，同时后期大规模的应用将导致投入成本增加。因此隐私计算技术在使用前仍需考虑效率和成本问题。二是针对个人用户数据共享和流通的法律法规保障不完善，缺少使用过程中的规范要求，故合规性需要在后期逐步确立。三是目前隐私计算缺少技术和行业标准，故如何在数据流通过程中保障隐私安全亟待破解。
1.技术层面的性能提升和技术融合成为重要发展方向
由于隐私计算技术水平不成熟且仍处于初级使用阶段，对于大规模数据的交互使用存在挑战。在后期的应用发展上，隐私计算技术应向算法迭代优化、云网融合等方向发展，加大深度融合力度，实现对大规模数据的规范处理。在场景侧，商业模式依托数据融合衍生出了多种创新模式。隐私计算技术能够促进数据融合，解锁多种合作模式，同时，能够拓展合作新形式，形成不同的合作范式。在法规侧，标准需要持续制定。隐私计算技术能在技术层面为数据融通提供安全保障，但在法律法规层面，相关细则和标准需持续优化。在生态侧，在一定范围内和行业内建设数据共享联盟成为发展趋势。隐私计算技术为多方数据共享提供安全保障和基础，同时数据融通实现了数据价值的提升，大大提高了企业竞争力并催生出了新的商业模式。这一趋势又吸引了众多企业、机构参与到联盟里。在商业侧，当前隐私计算产业的主要商业模式分为三类：软硬件销售、提供维护服务和数据运营分润。当前业界较受欢迎以及接受度更高的商业模式是软硬件销售和提供维护服务，但不可否认的是数据运营分润将会是未来的发展趋势，其指在与数据提供方进行合作后进行利润分成。
2.技术由初级阶段向成熟期过渡
软硬件的协同优化和性能提升，为隐私计算技术的持续发展提供支撑。其中硬件技术在隐私计算技术的性能优化中起到关键作用，算法的优化离不开硬件环境的搭建，优良的芯片和控件是实现隐私计算技术走向技术成熟的必备条件。大规模分布式计算成为发展趋势。隐私计算技术深化发展以及技术成熟的表现之一是分布式计算的广泛应用，能够解决大量数据难以处理的困境；服务能力工具化、模块化。针对不同客户精准提供产品以满足个性化、定制化需求成为提升竞争力的关键。
3.加速与其他技术的协同以推进大规模落地应用
一方面，促进隐私计算技术与区块链技术的协同发展。二者协同发展备受业界欢迎的原因在于，区块链技术的特征如不可篡改、去中心化和公开透明与隐私计算技术的结合运用，将加强隐私计算任务的可验证性和可审计性；除此之外，隐私计算技术同云计算和人工智能的协同，一则提高了数据处理量，并加强了处理过程中的安全和隐私保护；二则有利于推进数据智能化发展等。另一方面，隐私计算技术为不同平台数据的互联互通提供安全保障。隐私计算技术能够为不同平台数据提供融通技术保障，但实际操作难度不小。原因在于不同技术路线的数据处理存在差异，不同产品的实现方案并不相同导致最终互联互通只能分块完成，独立融通的实现将导致应用成本的提升。因此，长远看，分块融通势必将向跨技术路径、跨平台互联互通转向，同时这也是市场需求。
4.隐私计算技术与数据治理深度融合
首先，隐私计算技术快速发展，将逐渐成为数据流通的关键保障和有效支撑。隐私计算产品的应用推动传统数据流通模式和流程实现转型升级，但隐私计算技术成为数据流通的重要保障基础的前提仍是要实现技术的成熟和完善；其次，技术进步随数据合规要求而产生动态变化。随着《数据安全法》《个人信息保护法》等法律的相继出台，各个行业将陆续出台相应的监管规定。虽然监管层面认可隐私计算技术在数据流通和隐私保护间的防控作用，但法律法规方面缺少有关其具体应用路径的条例，缺少该层面的有效实施路径。随着技术的发展，信息攻击者的手段也将随之提高，对合规的要求也会更新，借此技术发展也会出现动态演变现象。此外，隐私计算技术的转型升级路径同样包括以下几方面：其一，隐私计算技术同多种技术的融合。隐私计算技术与同态加密、区块链等技术融合使用，通过技术优势互补以减少技术漏洞，最大化发挥技术融合优势，并拓展场景应用边界，放大各自优势如安全隐私服务的保障并弥补各自缺陷。其二，隐私计算行业生态的融合发展。隐私计算技术的实践仍处于摸索实验阶段，难以形成规模化发展。同时加强隐私计算在产学研各界的学术研究，降低开发门槛和技术壁垒，通过开源生态的形成实现产业的良性发展。其三，隐私计算技术的应用为金融快速发展提供驱动力。隐私计算技术是实现金融业数字化转型的重要节点，有助于构建并形成健康开放的金融生态。
金融业对于隐私计算的应用处于起步阶段，仍存有上升空间。作为新兴技术，隐私计算技术需要结合适用场景，在合规要求下实现技术的创新，最终为数据流通以及质量的提升提供安全环境。一方面，金融机构与合作方进行数据共享合作，借助隐私计算技术使数据共享环境更加安全可靠，合作更加高效；另一方面，隐私计算技术为数据互联互通时提供了安全保障，进一步提高了数据价值并扩大了市场规模。但当前隐私计算技术发展仍不成熟，还需要很长一段时间才能在金融业普及应用与大规模落地。行业优化发展仍需在政府部门的宏观调控和指导下，推进合规政策落地以及技术升级，促进隐私计算技术与实体经济深度融合。风控环节方面，对于金融机构而言，风险的精准识别和高效防控需要借助大数据技术，而在隐私计算技术的应用下，数据的流通和使用更加安全，数据市场规模逐步扩大。隐私计算技术能够帮助金融机构利用外部海量数据进行联合建模分析，大数据技术的应用能够缓解信贷风险，借助分析能够对产品进行精准定价。同时多方数据的融合使用，有助于提高机构反洗钱甄别能力。[2]营销环节方面，利用隐私计算技术可以精准识别客户风险，以此提升精准营销的效果。同时，不同金融机构将隐私计算技术视作重点发展技术后，个人隐私和信息安全成为公众关注重点。对此，我国相继出台了《网络安全法》《数据安全法》和《个人信息保护法》，明令禁止售卖隐私数据非法获利的行为。对于金融机构而言，如何用好隐私计算技术实现数据价值的深入挖掘与利用已经成为未来科技金融发展的新命题。
参考文献：
[1]徐葳，王云河，靳晨，等.基于隐私计算的数据流通平台互联互通思考[J].金融电子化，2021（9）:72-73.
[2]李立志，陈媚.隐私计算技术在商业银行数字化风控中的应用[J].海南金融，2022（6）:50-56.
[3]闫树，仵姣姣.《数据安全法》实施对隐私计算的影响分析[J].通信世界，2021（23）:36-38.
[4]龚光庆.隐私计算技术在银行业的应用探索[J].中国金融电脑，2021（10）:36-39.
[5]强锋，薛雨彬，相姝.隐私计算在金融领域的合规分析[J].信息通信技术与政策，2021（6）:57-62.
[6]李伟.银行数字化转型中的隐私计算[J].银行家，2022（7）:108-110.
[7]孙菲阳，文娟.发展隐私计算，需警惕多重风险[J].中国电信业，2022（6）:24-27.
[8]石元兵，张舒黎，曹占涛，等.隐私计算融合应用研究[J].通信技术，2022（7）:919-925.
[9]曾钊创，刘朝伟，彭顺求，等.工商银行区块链隐私计算融合技术探索与实践[J].中国金融电脑，2022（3）:46-49.
关注SCI论文创作发表，寻求SCI论文修改润色、SCI论文代发表等服务支撑，请锁定SCI论文网！
生产批量问题是物流企业进行生产决策经常遇到... 详细>>
如何设计有效的环境治理政策, 是学术界和政策... 详细>>
