突破数据信息合规管理商品流通之困，火山引擎Jeddak网络信息安全沙盒让数据“可以用看不到”

在数据变成重要规模经济的当下，数据信息合规管理商品流通面临各种考验。例如类似数据信息不容易汇聚，数据价值无法更大化；例如数据库间彼此之间防护，统计数据没法相辅相成；又比如优化算法水平受到限制，不少企业充分发挥数据价值有心无力等。怎样在维护社会网络信息安全、保护个人信息和商业机密前提下，推动数据信息合规管理高效率商品流通应用、挖掘数据价值、创变中国实体经济，成为很多技术服务平台持续发力的方向之一。

火山引擎是字节跳动集团旗下的云管理平台，其研制的Jeddak网络信息安全沙盒（下文简称“沙盒”），以可信执行环境（Trusted Execution Environment，TEE）为基础，为企业发展客户提供可调节、灵巧、高效率的联合建模解决方法。

据了解，沙盒在规划之前就已经主要重视于提升模型的便捷性，所以其内嵌了一系列的常见人工智能算法助力企业客户做规范化的模型，如逻辑回归、XGBoost、通用性神经网络等。除此之外，沙盒还提供了线上和线下模型推理服务项目，确保模型数据网络信息安全。根据以上水平，沙盒可以灵活满足不同模型要求，为数据预处理模型、数据外包运算数据开放商业场景给予支持。

现阶段，沙盒早已立足于外部环境好几个业务模型、预测分析情景，为多方数据库的项目生命周期个人隐私安全保驾护航。文中阐述了数据信息合规管理流通难题，及其火山引擎是如何走出困境数据信息合规管理商品流通之困。

数据信息合规管理商品流通，四个最典型的联合建模困境

伴随着数字化变革推动，数据信息已经成了每个机构核心资产，并成为智能化、数字化转型的前提，真切地决定着生产制造、分派、商品流通、交易、体系等每一个环节。

2022年底《中共中央国务院关于构建数据基础制度更好发挥数据要素作用的意见》（“数据信息二十条”）宣布对外公布，标志着井然有序标准发展数据经济，从一开始的特殊行业、地方政府的现行政策建议，发展成国家层面全方面的现行政策。“数据信息二十条”以推动数据信息合规管理高效率商品流通应用、创变中国实体经济为切入点，从而达到数据资源使用价值充足完成、推动全体成员分享数字经济建设收益为主要目标。但另一方面，“数据信息二十条”也阐述了需要以维护社会网络信息安全、保护个人信息、维护公司机密做为数据流通应用的三大前提条件，标志着关心数据信息“可以用看不到”可信隐私计算技术性跻身关键解决方案和基础设施建设。

“数据信息二十条”中强调的三大维护数据隐私保护的前提条件，一直以来都是数据流通要面对的考验：怎样全面地发挥价值的前提下，也可以守护好数据隐私保护安全性。联合建模做为数据流通的一个典型场景，一样面临同样的问题：

●类似数据信息不容易汇聚，数据价值无法更大化。三甲医院经过长期对患者的问诊，通常积累了丰富的医疗数据（比如心血管疾病的医疗影像），根据聚集这些信息，能够在练习用以辅助诊疗的医疗模型上给予很大的助推。但是医疗数据牵涉到患者的关键所在个人隐私，医院门诊对于这类数据库的分享互动有着非常大的顾忌。

●数据库间彼此之间防护，统计数据没法相辅相成。在整合营销行业，广告商对其客户通常会进行一定的标识，便于更方便地挑选客户群。这种消息针对广告投放平台填补她们目标受众特点、提升广告营销实体模型而言具有重要的实际意义。不过随着数据隐私保护相关法律法规的进一步拉紧，并且群众针对数据隐私保护的观念日益增强，这些信息的商品流通会因出更多的考验。

●海量信息商品流通抛锚，没法充分运用使用价值。政务服务类数据信息通常具备了大量规模与高颜值特性，比如气候、交通出行等相关信息。这种数据信息不易公布获得，但是对于相关行业、领域、科研机构有着非常大的好用实际意义。但是，直接把该类数据信息公布给外界应用，存在数据信息乱用风险，甚至造成公民隐私乃至国家秘密的泄露。

●优化算法水平受到限制，充分发挥数据价值有心无力。根据大数据挖掘，获取使用价值时为业务流程创变，成为了领域里的基本上的共识。可是不少企业（如一些传统产业、中小企业）受制于模型水平的缺陷，没法充足出发挥自己数据的价值，便会有求于第三方的完善水平。但在这过程中彼此都存在顾忌：一方面数据信息方担忧数据和信息的泄露，另一方面优化算法一方会顾虑于优化算法企业知识产权维护，加上欠缺好用的监管与控制方法，造成该类协作存在一定的风险性。

突破数据流通之困

为应对以上考验，沙盒以可信执行环境（Trusted Execution Environment，TEE）为基础，对于联合建模为企业发展客户提供可调节、灵巧、高效率解决方案。

据了解，沙盒在规划之前就已经主要重视于提升模型的便捷性，因而沙盒内嵌了一系列的常见人工智能算法帮助大家做规范化的模型，如逻辑回归、XGBoost、通用性神经网络等。沙盒消费者对算法超参进行配备后，可以对上传至沙盒中数据直接使用模型，因此沙盒根据图形化界面为用户提供了一系列的可调式超参，帮助大家方便地开展调参。沙盒内嵌了一系列的定量指标，能即时意见反馈锻炼的实际效果，为顾客优化模型提供参考。除此之外，沙盒适用个性化模型作用，在这个模式下沙盒适用客户自主开发模型训练脚本制作，给予贴近于原生的模型感受，用户可按照实际项目需求进行自定模型训练脚本制作，比如练习根据TensorFlow/PyTorch的神经网络算法实体模型。

沙盒还提供了线上和线下模型推理服务项目来保证模型数据网络信息安全。因为实体模型蕴含着练习数据的特征，并且也彰显着优化算法提供者的专利权，因此沙盒适用在TEE内模型拟合应用方录入数据开展逻辑推理。依托完善的模型推理架构、集群化部署，沙盒在安全和特性中间获得最好均衡，为模型项目生命周期开展服务保障。

●根据以上能力，沙盒可以灵活立足于各种各样模型要求，为数据预处理模型、数据外包运算数据开放商业场景给予支持：

●数据预处理模型：联合建模参与者彼此之间享有一定量的数据信息，可是因为缺乏一定的特点、标识，或数据规模不够等因素，必须对业务进行结合后才能进行练习；

●数据外包测算：依托可靠第三方，将来源于一方或是多方的数据信息、优化算法则在内部结构进行安全性结合测算，处理参与者模型因素的缺失或是云计算服务器严重不足的问题；

●数据开放服务项目：是一种特殊环境下的数据外包测算，数据信息方应用可靠服务平台进行数据代管，优化算法放在此平台服务下，能够根据自身的练习脚本制作或是服务平台内置的优化算法部件完成灵便、可控的模型要求。

数据预处理模型情景

在现在的联合建模场景下，较比较常见的要求主要是因为参加的一方的练习数据缺乏重要特点、标识或是数据规模不够，必须参与者之间用共享信息的形式进行协同模型练习。进一步地，依据参与者的练习数据的特征遍布差别能够大概划分成横着与竖向两大类。

在横着联合建模场景下，沙盒最重要的职责是实现对全部参与者数据库的聚集。练习开始，参与者根据沙盒的手机客户端将数据上传到沙盒内，而沙盒乃为该全过程打造了安全数据加密无线信道，保证数据可以信赖的被传送至沙盒内。沙盒在做完对每一个参与者数据库的聚集后，会把密态的数据加载到可靠内存中，并进行数据预备处理，如多方数据库的拼凑、逻辑回归模型（如归一化、规范化等）。接着沙盒会根据进行处理过的数据信息模型拟合开展迭代更新练习，可实时意见反馈运动效果给手机客户端。在做完训练后，沙盒也严格遵守数据信息降到最低使用原则，立即删除聚集的信息。横着联合建模是针对一类比较简单的画面，每个参与者的信息拥有相同的特点遍布，可是每一个参与者所具有的数据信息是来自于不同类型的样版个人（样版ID不一样）。典型性的案例如：某一业务流程与其说合作方当地都具有结构了相似的数据以练习运营模型，根据练习好一点的实体模型来赋能业务，但由于单方面数据规模太小的主要原因，没法取得效果。横着联合建模的目的是为了根据拓展数据样本的信息量，来提高训练算法的精密度。

竖向联合建模适用参与者的特征空间不一样，可是数据信息基本上来源于同样的样版个人（样版ID同样）的画面，这种场面在广告推广、金融分析等行业非常常见。以广告推广为例子，广告投放平台的客户群体往往与广告商的消费者有着很高的重合度；但由于所了解领域内的不一样，彼此收集到的特点会有所差异。竖向联合建模也可通过结合多方的数据特征，进而提高训练算法效果。以广告推广为例子，根据结合广告商与广告投放平台的数据特征，能够为广告营销实体模型产生更优质效果，提升广告宣传转换效率。

沙盒同样为竖向联合建模环节中各行为主体的数据隐私保护保驾护航。针对竖向联合建模，其关键因素是两端对齐全部参与者的样版，即找到全部参与者中ID同样的样版。因此，沙盒根据TEE带来了个人隐私求交水平（Private Set Intersection，PSI）协助参与者安全性迅速地进行样版两端对齐。在模型时期，沙盒工作流程与横着联合建模的操作流程基本一致，还有对数据的预处理，及其依据界定模型进行迭代更新。

数据外包测算情景

数据外包测算主要是针对的画面是怎样在数据方欠缺模型水平，优化算法方欠缺数据信息，或是模型的参与者欠缺云计算服务器的情形下，安全性全面地挖掘我方财产(数据信息、优化算法）其价值。因为没有数据收集由来、欠缺三维建模技术积淀等因素，难以促使一方能够并且拥有数据与优化算法；或者因为费用等要素考虑到，联合建模参与者不具有练习大型模型的云计算服务器，这时候必须引进可靠第三方来协助进行模型每日任务。在这样的场景中，数据信息方要由于数据隐私保护难题存有数据信息出域的焦虑；与此同时，针对优化算法方可能会出自于知识产权管理的顾忌回绝发放给可靠第三方。

沙盒都是基于可信执行环境开展设计，其内部数据和编码都是会通过硬件配置形式进行维护，难以被外界盗取。对于上述数据外包测算情景，优化算法方算法和数据信息方信息能够外包给沙盒，根据沙盒进行数据库的与算法聚集。

针对数据信息方顾忌，沙盒可以通过安全无线信道接纳数据信息方数据信息，确保密文数据信息只对沙盒由此可见。据了解，沙盒会把内部结构的算法分成非敏感构造部分与比较敏感配置一部分，而沙盒会让非敏感构造内容进行一致性校检，同时向数据信息方提供一致性汇报，便于其认证优化算法与算法方所说明的一致。而对于优化算法方顾忌，沙盒最先确保其优化算法仅会到运行中以密文情况载入，其他时时刻刻都是以密态方式储存在本地；与此同时，在一致性校检时，沙盒仅会往数据信息方提供通过抗过敏的算法结构一部分，不容易泄露涉及到优化算法企业知识产权配备一部分的信息。

在计划中，沙盒作为唯一的汇聚节点汇聚了优化算法、数据信息，而彼此之间的具体内容都是对的对方是个看不到，保证了数据库的个人隐私安全与算法专利权。

数据信息合规管理对外开放商业场景

针对一些大型的数据服务商，它拥有着大量的数据信息，因为该类数据信息多是特殊行业的结构数据信息，因而这些信息针对外部各种企业、科研机构具有重要的实际意义，这种外部客户（也称为优化算法方）希望可以根据这些信息挖掘出真正的价值。虽然数据服务商也希望通过数据库的商品流通，为外部顾客增添助力，可是出自于针对数据隐私保护的焦虑，或是欠缺安全分享方式等因素，数据服务商通常针对数据信息出域拥有保守心态。

以上情景能通过沙盒的联合建模水平融合数据开放水平来及时解决。根据沙盒针对联合建模的因素区划，数据服务商是数据信息方，并且外部客户乃是优化算法方。数据信息方能将沙盒做为我方基础设施，连接内部数据信息，根据沙盒进行数据库的管理和受权。针对优化算法方，沙盒带来了模块化的优化算法部件，能够支持优化算法方个性化地结构模型优化算法；并且通过这种控制模块，沙盒能够对业务的走向开展高效地监管，防止了优化算法方对业务实行恶意实际操作。进一步，数据信息方能够对业务做额外标识，沙盒会根据用户标识在数据的流转过程内进行抗过敏、汇聚等行为，那样又为数据信息方提供了监管及管理数据流分析能力。沙盒为双方带来了可控的模型水平，既保障了数据信息方数据隐私保护，与此同时也实现了数据的价值反映。

除此之外，沙盒更为优化算法方提供调节水平，协助优化算法方调节算法逻辑性。为确保调节实际效果准确性，沙盒会到数据信息方受权前提下根据基于数据信息方数据生成测试报告，协助优化算法方开展更准确的调节。

不断对焦更高效、实用可信隐私计算解决方法

火山引擎Jeddak网络信息安全沙盒精英团队持续磨炼本身针对可靠隐私计算科技的了解，而求为消费者提供高可靠性、高效化、高品质的用户体验。据了解，火山引擎安全性科研团队2022年首次参加iDASH国际大赛，便喜获商业秘密测算跑道第2名，展现了它在模型训练和优化算法有关技术沉淀达到领先水平。

现如今，Jeddak网络信息安全沙盒早已做为Jeddak可靠隐私计算服务平台的一个重要作用版块参与到火山引擎互联网安全系列产品产品架构中。

“海阔凭鱼跃”，怎样给予更高效、实用可信隐私计算解决方法，将永远都是Jeddak网络信息安全沙盒关心的出题。据了解，火山引擎将来也将继续向着开源系统、通用性、安全自主可控方向发展，深层次领域具体应用领域，勤奋给用户带来丰富和方便快捷的安全性测算作用。（创作者：杨封）