为严格保护商业秘密和个人隐私，企业应建立安全高效、分类分级的数据流通安全机制。相关技术保障如下：
一、隐私计算
隐私计算是在保护数据本身不对外泄露的前提下，实现数据分析计算的一类技术集合。该技术集合在处理文字、数值、视频、音频、图像等信息时，对所涉及的隐私信息进行描述、度量等操作，形成一套符号化、公式化且具有量化评价标准的计算理论和算法。技术体系支持对数据进行安全分析计算，实现数据的 “可用不可见”。目前，隐私计算主要包括安全多方计算、联邦学习、同态加密、可信执行环境等技术，在明文数据不出域情况下，实现密文数据下的隐私计算。支持数据输入、共享、计算、结果输出的全流程过程加密，实时监控数据使用量情况，数据使用有迹可循。
安全多方计算：通过加密技术或秘密分享方法，使各参与方可以在不泄露数据的前提下，共同完成复杂的计算任务，适用于多源多表安全联合统计分析的场景。这种技术的价值在于能够在确保数据安全的同时，促进跨域、跨机构的数据合作，解锁更多数据联合应用的可能。 联邦学习：通过在本地训练模型更新，再将更新结合发送到服务器进行聚合，从而实现模型的共同训练，而不需要交换原始数据，适用于多方联合机器学习建模场景。联邦学习能够提高数据利用效率，同时强化数据隐私和安全，支持多方共同构建强大的机器学习模型。 同态加密：是一种特殊的加密形式，允许人们对密文进行特定形式的代数运算得到仍然是加密的结果，将其解密所得到的结果与对明文进行同样的运算结果一样。同态加密支持在加密的数据中进行诸如检索、比较、计算等操作，得出正确的结果，而且在整个处理过程中无需对数据进行解密。 可信执行环境：是指通过软硬件方法，在中央处理器中构建的安全区域，可以保证其中的程式和资料在机密性和完整性上得到保护。可信执行环境是一种隔离的执行环境，通过硬件的可信来保证计算执行的机密性和正确性。
二、数据脱敏
数据脱敏分为静态脱敏和动态脱敏。静态脱敏技术配置常用的敏感数据发现算法，也可以通过自定义方式进行扩展，能够在对系统不够了解的情况下对源库进行扫描，自动进行敏感数据匹配，通常基于内置脱敏算法实施静态脱敏。
动态脱敏技术支持在分类分级的基础上，根据数据实体字段的安全级别，在数据共享环境下对敏感数据进行针对性防护实时脱敏和数据监控，提高整体数据安全防护体系质量和稳定性。支持不同用户、不同角色、不同岗位、不同职责的人员在申请数据访问时授予不同的数据访问权限，在用户申请或访问数据时，系统能自动根据访问权限与实体数据字段的安全等级关联起来，根据安全级别的高低采用对应的脱敏算法对数据进行脱敏操作。
三、数据加密
一是 面向访问控制的加密技术，它通过用户的属性来控制加密数据的访问权限。这种加密方式是基于用户的属性，如角色、组织属地、职位等来控制数据加解密的策略。相关技术包括条件代理重加密、基于身份的加密、基于属性的加密等。
二是 数据传输加密，确保数据在网络传输过程中保持机密性与完整性。主要的加密技术包括SM2、SM3、SM4、SM9等国密算法，用于保护数据在从源点到目的地传递时不被未授权的第三方截取、阅读或篡改。传输加密是网络安全和数据保护的一个关键组成部分，特别是在互联网和企业网络环境中。实际使用的传输加密方法应支持国密算法的对称密钥加解密、支持组合加密算法的签名和验签等，为数据的传输加密提供细粒度的流通共享策略。
三是 数据存储加密，对数据库中存储的敏感数据进行加密保护，采用国产密码算法实现数据的透明加解密，在数据写入数据库前自动加密，在读取数据时根据访问权限自动解密，确保敏感数据在数据库中处于密态，防止敏感数据的外泄。
左上角“海纳数智研究院”，感谢您的关注！
