隐私计算包含哪些技术？

隐私计算面对不同的场景，有多种技术路线可以适配。当用户对隐私计算有需求 时，可以综合结合使用多种技术来实现。

1. 安全多方计算

2. 可信执行环境

3. 联邦学习

《数据安全流通方案/瓴羊隐私计算白皮书》电子书，点击https://developer.aliyun.com/ebook/download/7824 可下载完整版

首先需要明确的是，隐私计算并非单一的技术，而是包含多种隐私计算保护技术/隐私增强技术，设计密码学、安全硬件、信息论、分布式计算等多个学科。基于实现隐私保护的原理可以将隐私计算分为四类路线：

1、密码学路线：其代表技术是多方安全计算（secureMulti-Party Computation,以下简称“MPC”）。这一路线是在“密态”下进行数据的计算、检索等处理，这一过程中输入数据、中间结果处于密态不暴露，只输出最终结果
2、可信执行环境路线：可信执行环境路线（Trusted Execution Environment，一下简称为“TEE”）是通过可信的抗篡改的软硬件构建一个可信的、难以被外界窃听内部数据的安全环境，数据在改环境中由可信的程序进行处理。
3、信息混淆脱敏路线：其主要代表技术是匿名化和差分隐私。其典型方法是通过加噪、删除、泛化等信息处理手段对数据进行处理，以减少或去除其中的敏感信息后再输出。
4、分布式计算路线：其代表是联邦学习（Federated Learning，以下简称为“FL”）和拆分学习（Split Learning，以下简称为“SL”）。大多分布式计算任务原始数据不需要对外输出，只需输出本地基于原始数据计算的中间结果。