我们在享受数据便利的同时，数据隐私安全问题也成为了困扰。Dataphin隐私计算可以帮助企业在遵循法律法规的要求下，既充分发挥数据的价值，同时又不会影响用户的数据隐私安全。
下面，我们来看一个广告投放精准营销的场景，如何实现在原始数据不出企业的情况下，实现广告投放的人群圈选，使用圈选的人群进行精准营销。
一、场景介绍
在广告投放业务中，广告商传统的业务投放方式是将自有的消费者数据（包含ID、手机号等）通过简单的加密（MD5算法）传输到媒体侧，然后媒体在自己的数据库中查找对应的用户进行投放，但这种简单的数据加密方式可以推倒出原数据，导致用户信息泄漏。
Dataphin隐私计算提供的ID安全匹配能力，能支持两个企业，在原始数据不出域的前提下，求出共有ID集，非共有ID不会透出，可以为广告主提供更为安全可信的人群圈选方案。
二、操作步骤
在Dataphin隐私计算中，实现ID安全匹配，主要可以分为以下五个步骤：
1、创建合作空间
在【合作空间管理/我侧创建】，广告主创建合作空间，将合作空间邀请码发给媒体侧，媒体侧申请加入。
2、上传数据到合作空间
在【工作台/合作空间数据管理】，媒体和广告主，分别把自己的用户数据加入到该合作空间中。
3、创建任务
在【工作台/任务管理】，由广告主创建【ID安全匹配任务（TrustDA/PSI）】，指定两侧用于求交的用户表，并指定求交结果输出表，输出到媒体侧。
4、任务审批
在【任务中心】，媒体对任务进行审批。
5、执行任务
任务审批通过后，广告主侧可以执行任务，期间可以在【工作台/运行实例】，查看【任务运行状态】。任务运行完成后，媒体侧可在指定的结果表中查看求交结果。
三、结语
上面通过广告精准营销的例子，讲述了Dataphin隐私计算的ID安全匹配能力。除此，Dataphin隐私计算还有隐匿信息查询、安全联合分析、安全联邦学习三大能力，其中：
1、隐匿信息查询，能支持数据查询方不透露自侧用户ID的情况下，从数据服务商侧查询标签信息，常用在用户画像增补场景；
2、安全联合分析，能支持两个企业数据在不共享的情况下，通过SQL进行联合统计，常用在广告全链路复盘分析中；
3、安全联邦学习，能支持两个企业在不共享样本数据的情况下，通过交换参数信息，共建机器学习模型，在金融联合风控、联合营销推荐场景中常常被使用。
后续，我们也会结合更多实际业务场景，介绍Dataphin隐私计算能力。协助客户在安全合规的前提下，更好的释放数据价值。
