赠书：系统揭秘隐私计算、保护数据安全，港科大陈凯、杨强新书《隐私计算》全新上市

2022 年 3 月 11 日 机器之心

机器之心报道

机器之心编辑部

近年来，杨强教授著作颇丰，前有首部全面、系统的联邦学习专著《联邦学习》，后有沉淀十余年研究的《迁移学习》。近日，港科大计算机科学与工程系副教授陈凯与杨强联合撰写的新书《隐私计算》已经出版，为读者深入解读保护数据安全的隐私计算技术。

数据要素已成为核心生产要素与推动经济发展的核心力量。数据要素的价值在不断得到释放，对提高生产效率的推动作用日益突出。今年 1 月份，国务院更是印发了《“十四五” 数字经济发展规划》，强调数据要素是数字经济深化发展的核心引擎，到 2025 年数据要素市场体系初步建立，要充分发挥数据要素作用，加快数据要素市场化流通。

数据的流通和共享虽然为社会发展创造了巨大价值，但人们对互联网企业的信任也日益走低，认为巨头们在收集海量数据的同时，正「暗地里」侵犯用户隐私权。

手机、监控摄像头及各种传感器也在源源不断地收集人们的日常活动数据。越来越多的数据滥用和隐私泄露事件提醒着人们，不恰当地使用大数据也会带来灾难性后果：用户设备及其活动信息的泄露可能导致用户被软件「杀熟」，用户个人信息的泄露还可能导致用户被犯罪分子精准诈骗。

在此背景下，国家在政策层面出台了一系列法律、法规来规范数据的管理和使用。继《中华人民共和国网络安全法》生效之后，《数据安全法》和《个人信息保护法》也相继于 2021 年颁布和实施。除了依靠法律制度保护隐私，利用技术保护数据安全也至关重要。作为一种在保护数据安全的同时兼顾行业应用与发展的新型技术，隐私计算也获得了越来越多的关注。

从 20 世纪 80 年代多方安全计算提出至今，隐私计算相关技术发展已经将近半个世纪。2021 年以来，在技术、政策、资本等多种因素的催化下，隐私计算行业开启加速发展模式。相比于传统数据保密方法，隐私计算最大的亮点是使数据在各个环节中「可用不可见」，通过实现数据的物理分散、逻辑集中，在确保数据安全隐私性的同时，挖掘数据价值、促进价值流通。

但应看到，在隐私计算赛道中，国内外、各大技术公司选择的技术路线各有不同。研究者想要全面深入了解隐私计算，并非易事。2 月初，由香港科技大学计算机科学与工程系副教授 & 智能网络与系统实验室主任陈凯教授、加拿大工程院及加拿大皇家科学院两院院士 & 微众银行首席人工智能官杨强教授共同撰写的《隐私计算》中文专著重磅上市，为读者系统地揭秘了隐私计算。

这本书是为计算机科学、隐私保护、大数据和人工智能相关专业的学生，以及对隐私计算感兴趣的从业者、从事隐私计算研究的研究人员、法律法规制定者和政府监管者编写的。无论是入门还是探究隐私计算，本书都可作为阅读资料的第一本书。

新书特色及大纲

在大数据和人工智能时代，如何在享受新技术带来的便利性的同时保护自己的隐私，是一个重要的问题。《隐私计算》系统讲解了隐私计算的基础技术和实践案例，并具有以下 5 大特色。

一是 内容系统完整全面 。本书呈现相对完整的隐私计算知识体系，系统阐述隐私计算关键技术，包括 4 大发展阶段，5 大应用平台，9 大落地实践案例。

二是 理论应用价值兼备 。本书系统讲解隐私计算的基础理论和关键技术，包括秘密共享、同态加密、不经意传输、混淆电路、差分隐私、可信执行环境和联邦学习。此外还介绍了基于隐私计算技术构建的五个前沿隐私计算平台，以及平台的效率问题和常见加速策略。

三是 产业实践案例丰富 。本书结合金融营销与风控、广告计费、广告推荐、数据查询、医疗、语音识别及政务等领域的产业应用案例，详细分析了相关技术的适用范围和落地方法，方便读者理解技术的优点和局限性，对实践者具有很高的参考价值。

四是 全新法律法规解读 。本书邀请观韬中茂律师事务所的资深律师，对最新的中国数据保护法律进行了详细解读，方便读者了解中国新的数据保护制度。

五是 顶级专家学者力荐 。中国科学院院士梅宏倾情作序，中国工程院院士高文、中国工程院外籍院士、加拿大皇家科学院院士罗智泉、创新工场董事长兼 CEO 李开复联袂推荐。

具体地，全书共有 11 章 ，按层次划分为 3 部分 。

第一部分全面系统地阐述隐私加密计算技术，包括秘密共享、同态加密、不经意传输和混淆电路。

第二部分介绍隐私保护计算技术，包括差分隐私、可信执行环境和联邦学习。

第三部分介绍基于隐私计算技术构建的隐私计算平台和实践案例，隐私计算平台主要包括面向联邦学习的 FATE 平台和加密数据库的 CryptDB 系统等五个平台，以及隐私计算平台的效率问题和常见的加速策略；实践案例部分主要介绍包括金融营销与风控、广告计费、广告推荐、数据查询、医疗、语音识别及政务等领域的应用案例。

此外，《隐私计算》还展望了隐私计算未来的研究和落地方向。在附录中介绍了当前新的中国数据保护法律概况。

作者简介

陈凯，香港科技大学计算机科学与工程系副教授、博导、研究生部主任，智能网络与系统实验室（iSING Lab）主任，香港科大 - 微信人工智能技术联合实验室（WHAT Lab）主任，香港人工智能与机器人学会（HKSAIR）执行副理事长，香港主题研究计划（Theme-based Reseach Scheme）首席科学家。

陈凯本科和硕士毕业于中国科学技术大学，获得中国科学院院长奖；博士毕业于美国西北大学。他的主要研究方向包括数据中心网络、云计算、大数据与人工智能底层系统和基础架构、联邦学习与隐私计算。

他曾担任 ACM SIGCOMM、USENIX NSDI、IEEE INFOCOM、Cloud Computing、Big Data、IEEE/ACM Transactions on Networking 等国际会议和期刊的程序委员会委员和编委，亚太网络研讨会（APNet）的发起人和执行委员会主席。

目前，他发表学术论文 100 余篇，拥有科技发明 15 项，其中项成果已成功部署到工业界，与微软、腾讯、华为等 IT 公司保持密切合作，承担多项香港政府课题研究，担任香港 RGC 主题研究计划项目的统筹负责人，参与国家 973 重大基础研究。

杨强，加拿大工程院及加拿大皇家科学院两院院士，微众银行首席人工智能官，香港科技大学讲席教授，AAAI 2021 大会主席，中国人工智能学会（CAAI）荣誉副理事长，香港人工智能与机器人学会（HKSAIR）理事长以及智能投研技术联盟（ITL）主席。

杨强毕业于北京大学，并先后于马里兰大学获得计算机科学硕士和博士学位，之后在加拿大滑铁卢大学和西蒙弗雷泽大学大学任教。他的研究领域包括人工智能、数据挖掘和机器学习等。他曾任华为诺亚方舟实验室主任，第四范式公司联合创始人，香港科技大学计算机与工程系系主任以及国际人工智能联合会（IJCAI）理事会主席。

他是 AAAI/ACM/CAAI/IEEE/IAPR/AAAS Fellow，也是 IEEE Transactions on Big Data 和 ACM Transactions on Intelligent Systems and Technology 创始主编，以及多个国际人工智能和数据挖掘领域杂志编委。曾获 2019 年度「吴文俊人工智能科学技术奖」杰出贡献奖，2017 年 ACM SIGKDD 杰出服务奖。

杨强领衔全球迁移学习和联邦学习研究及应用，最近的著作有《迁移学习》、《联邦学习》和《联邦学习实战》等。

赠书

为了满足读者的求知欲，机器之心联合电子工业出版社博文视点向读者赠送 10 本《隐私计算》。读者可以在留言区写下自己对于隐私计算的理解或学习动机，获赞最多的前 10 名读者将获赠此书。