通过集成大量的机械、光学、声呐传感设备，并搭载先进的控制、执行装置，汽车逐渐具有数据采集、智能决策和自动控制能力，这为安全、高效、舒适、节能的交通运输方式提供了全新的解决方案。然而，传统模式下数据交换后存在被对方“滥用”的风险，难于管控，如何实现数据安全共享、安全流通成为大家关注的问题。
隐私计算可以帮助机构在不输出原始数据的基础上，共享整合多机构间、多维度的数据。随着技术成熟及应用场景不断扩展，隐私计算将有望为新能源汽车实现车内、车与云平台、车与车、车与路、车与人等全方位网络链接与智能管理的车联网技术体系保驾护航。
以北理新源建设的车联网隐私计算平台为例，该平台中引入了安全多方计算、联邦学习及可信执行环境等隐私计算技术，将车联网数据平台、国家电网数据平台、保险公司数据平台等多个数据源安全、高效、稳定的聚合起来，在确保多方原始数据、原始计算模型不出各自平台前提下，为车桩路网数据融合应用、保险定价、风险车识别等应用场景提供合法合规的数据支撑服务，构建了全新的车联网数据智能服务生态。
北理新源车联网隐私计算平台
系统的核心是安全多方计算层，包括多方计算引擎、跨节点的分布式计算框架与多方安全交互协议栈。跨节点分布式计算框架支持单任务大规模运算与多任务并行运算等多种复杂计算模式，支持两方、三方以及N方计算协议。值得一提，安全多方计算是隐私计算技术的一种，其核心理念是数据可用不可见。这种安全特性的实现依赖于底层密码学技术，包括同态加密、秘密分享、不经意传输等，在应用逻辑上，同态加密与秘密分享等技术解决了多方数据安全运算的问题，而隐私求交、匿踪查询等可用于多方间数据安全查询，联邦学习则实现了用于多方数据模型训练的模型算法，通过上述技术的独立或者组合应用，可支撑特定场景应用。
最上层是数据融合，以数据安全分级分类为前提，在明密文混合运算机制下实现对数据的多级特征提取与融合特征计算。主要流程包括数据预处理、数据特征提取、分层与泛化处理等，以车端平台为例，数据特征范围覆盖单车特征、分类特征、地域特征及事件特征等，在跨平台的多方融合特征处理上，通过多方计算技术实现区域充电特征、车型分类运行特征、用户分类运行特征、单车行驶特征及充电特征等特征计算。
在车联网复杂应用场景中，主要技术挑战来自两方面，一是面向软件、安全、数据等多维度的融合处理技术难度高，二是隐私计算技术不够成熟所带来的适配与整合难度。
本篇文章来源于微信公众号: 数字金融网
