PrimiHub一款由密碼學專家團隊打造的開源隱私計算平臺，專注於分享資料安全、密碼學、聯邦學習、同態加密等隱私計算領域的技術和內容。
貧困是全世界都在面對的一個終極問題，每個國家都有自己的政策，也有自己的創新和嘗試，本文將透過荷蘭的嘗試，來看看隱私計算技術在其中如何發揮作用？
雖然荷蘭屬於傳統北歐已開發國家，但是貧富差距依然存在，生活在貧困線以下的公民數量不斷增加，根據荷蘭計劃局（CPB）的計算，到2024年，5.8%的人口將位於貧困線以下。
為了有針對性地解決貧困問題，政府的資助必須要觸到真正需要幫助的人群。而這裡，技術就可以在其中發揮作用。TNO正在與荷蘭政府合作，開發可以在貧困減少方面以負責任且安全的方式做出貢獻的技術。接下來將透過13個問題來詳細解釋這些隱私計算技術和工作原理。
回答問題的是TNO的高階顧問Freek Bomhof，他專門從事資料的安全流通和共享。
1. 技術如何幫助政府減少貧困？
為了適當地幫助公民，政府首先必須對經濟問題的人們有一個清晰的瞭解。這種洞察力來自於能夠將多個機構的資料進行組合。技術可以在其中發揮作用。使用技術，我們可以從資料中獲得洞察力，而不必自己檢視資料。這使我們能夠在不侵犯隱私的情況下積極地幫助人們。
2. 我們如何知道誰需要幫助？
我們透過組合來自多個資料來源的洞察力來了解這一點。如果有人只有醫療保險債務，這不一定會立即造成問題。但當公用事業費無法支付並且債務開始積累時就需要幫助。如果某人在多個機構有債務並且收入低，那個人很可能需要幫助。
3. 機構是否可以彼此共享我的資料？
共享個人資料必須始終有所謂的“法律依據”。但即使存在這樣的法律依據，資料共享也應該非常小心地進行。畢竟，我們正在處理潛在的高度敏感的個人資料。隱私增強技術（PETs）確保不能使用資料進行的操作超出法律允許的範圍。非法出售資料，只是“隨便檢視”荷蘭某個知名公民的個人資料，或進行與打擊貧困無關的附加分析？使用PETs時，這些都是不可能的。
4. 政府如何在尊重隱私的情況下看到誰需要幫助？
透過使用隱私增強技術。使用此技術，機構不會以可讀形式共享資料。他們只會共享預先商定的聯合計算在這些資料上的結果。透過從不同組織中結合和豐富此類計算的結果，產生了新的洞察力。透過這種方式，獲得了誰需要幫助的洞察力。
5. 這些減貧隱私計算技術已經經過測試了嗎？
是的，不僅如此；它們似乎效果非常好。例如，在我們與UWV和SVB進行的一個試點專案中，我們看到了這一點，以幫助那些沒有獲得完整國家養老金的人。此外，這些都是已經在許多領域中使用的經過驗證的技術，不僅用於減少貧困。
6. 哪些隱私計算技術可以幫助政府減少貧困？
這些是隱私增強技術（PETs），是一個統稱，涵蓋了允許組織在不侵犯人們隱私的情況下使用彼此資料的各種技術。其中主要包括：多方計算（MPC）;聯邦學習（FL）;合成資料生成我們將在下面解釋這些技術。
-
多方計算
您可以將MPC視為一個數字“工具箱”，裡面裝滿了密碼學技術。這些加密技術允許多個參與方共同計算資料，就像他們有一個共享的資料庫一樣。由於此加密，各方永遠無法看到彼此的資料。 -
聯邦學習
當組織使用機器學習進行合作研究時，通常有一個集中的資料庫儲存所有資料。多虧了聯邦學習，這已不再需要，這意味著資料不會再洩漏。資料不會被髮送到“機器學習”模型進行計算。相反，聯邦學習將模型帶到資料中。因此，對模型的培訓被分解為在組織中本地執行的部分計算。之後，只有模型“學習”的洞察力與其他組織共享，而不是隱私敏感的資料本身。 -
合成資料
合成資料是透過首先從個人資料建立模型，然後用於生成新的模擬資料。因此，使用的是無法再追溯到個人的資料。這對於測試和建立系統特別有用。使用合成資料時，您不需要原始的、敏感的個人資料仍然能夠確定您的資料分析是否正常執行且可靠。
原文地址：Poverty reduction with privacy technology: the 13 most pressing questions
翻譯 & 整理：開放隱私計算 & PrimiHub