Dataphin隐私计算在数据流通过程中解决了三个问题：
• 数据使用合规问题
从数据生命周期来看，数据有数据生产、数据采集、数据存储、数据传输、数据处理、数据交换、数据销毁等多个环节，稍有不慎，就会出现数据违规的现象，尤其是在跨主体数据合作，涉及双方数据交互，更容易出现数据使用违规现象。
Dataphin隐私计算从技术上保证了数据在合作的每一个链路都是以密文的形式存在，通过对数据本身的加固提升了整个数据链路的综合水位，而且隐私计算作为数据流通合规的关键技术手段，法律学者已取得一定共识。
• 数据合作信任问题
从数据流动合作来看，当前基于数据的商业或非商业合作需要基于合法合规的前提下，双方建立足够的信任才可以进行深度合作，其原因是若合作的一方由于各种原因泄漏了合作另一方的数据，那么被泄露数据的一方往往将承担无法预估的责任。
常见的商业数据合作场景，合作双方需要通过商业合同、数据分级交付、数据脱敏、数据混淆等多种法律或技术手段，对数据进行保护，避免后续出现的各类问题影响数据合作；另外数据的权属问题也是数据合作的重要考虑因素之一。
Dataphin隐私计算提供了原始数据不可见、但数据可用可转化价值的途径，数据合作方在严格定义好对应算法和数据源后，数据的调用过程和结果对数据合作方是完全透明的，不存在预期之外的数据泄漏或滥用，即使合作方不值得信任也不会有数据风险，让数据合作多方之间安心合作。
• 数据使用安全问题
在数据合作过程中，数据合作方给出去的数据发生预期之外的使用是当下数据产业的一个缺陷，因此也产生了很多数据泄漏及滥用的问题。比如参与数据合作的一方为了进一步获取利益在数据合作过程中修改了调取程序的代码，导致原本少量的数据调取变成了批量的数据脱取，或计划用于A场景的数据实际被用于了B场景。目前由于数据的交付往往会涉及明文的交付，难以控制交付后的使用，大多数情况下只能以商业条款等法律手段做限制。
Dataphin隐私计算除了对数据进行全程加密保证数据明文不被获取之外，还在数据如何使用的问题上，强化了数据授权的机制设计。在数据的数据源调取、算法使用、算法变更环节，隐私计算都会发起授权，需要数据合作方进行确认审批，保证数据的使用不会出现数据合作预期之外的场景，全程清晰可见。
