2022年4月16日百度点石私享会营销专场，以“驭数创智，点石成金——隐私计算激活数字营销新引擎”为题，在北京千禧大酒店开展。大数据在营销行业运转中的核心价值越来越凸显，围绕海量数据分析处理需求而产生的受众分析、内容创意、广告投放、渠道运营及客户流程管理等“Mar-Tech”体系成为零售经济发展的重要引擎，其数据与策略场景的核心需求方主要分为品牌主、广告代理商、媒体平台方，多方数据融合的需求围绕着释放相关的数据要素价值。

活动首先由百度安全部数据安全业务副总经理韩祖利进行开幕致辞，表示随着社会的数字化发展，大量企业使用大数据辅助业务提效，增强自身行业竞争力。数据已切实成为当下提升生产力的重要元素，国家在2020年发布的《中共中央国务院关于构建更加完善的要素市场化配置体制机制的意见》中，数据正式被定义为与土地、劳动力、资本、技术相并列的第五大生产要素。同时为促进数据要素有序发展，主管部门不断地给予行业的规范性要求，而隐私计算的出现，便是响应行业秩序建立的落地方案。目前来看，隐私计算虽仍是一个宏观概念，但从安全的视角出发，“数据安全”涵盖了隐私计算的所有部分，数据安全第一要务，是要保证数据生产过程符合法律规范，即隐私保护的部分；数据安全的第二要务，是要保护数字资产不被复制，不被滥用。百度在2018年GDPR发布前，便储备了一整套覆盖数据全生命周期的生产管理流程，覆盖了数据的采集、传输、存储、处理、交换和销毁；在保护数据资产上，更于2016年开始为解决集团各事业部或生态公司之间的数据资产交换的难题时，便大力投入在相关基础技术的探索上，开启了数据安全沙箱技术、机密计算技术、多方安全计算技术与联邦学习技术的深度研究。因不同技术具有不同的优点及其局限性，所以需要综合运用四种隐私计算技术才得以高效解决数据安全的相关挑战。百度点石已做好为数据要素进行价值释放的全方位准备，而进一步深化实体经济与隐私计算的深度融合，则仰赖参与私享会的各位专家们共襄盛举。

《隐私计算行业发展及合规发展思考》

随着数据安全风险和关键技术的不断演变，数据流通的技术形态也在不断变革，为了加强数据流通过程中的监管合规和安全保护，越来越多的机构开始关注隐私计算。中国信通院云计算与大数据研究所大数据与区块链部副主任闫树，以《隐私计算行业发展及合规发展思考》为题，讲到就信通院参与测试的企业数量来看，目前已有88家企业陆续发布了隐私计算技术相关产品；而从产品数量来看，相较于2019年的15款，2021年的54款，今年产品数量达到105款，每年都在以一倍以上的速度递增。隐私计算市场的繁荣除了表现在产品数量的增加上，还体现在技术的理论创新方面，每年隐私计算相关的论文和专利数量在以不低于10%的速度增加，尤其是新增专利数量已经较2020年的高出一倍多。而在政策驱动和市场需求的同时作用下，隐私计算技术产业应用迅速发展，其核心在于数据要素市场规范化发展所需解决的问题越来越具象化，对合规前提下充分挖掘数据价值的要求也逐渐提高。

《个人信息保护法》合规要点解读及应对

在数字时代下，数据成为了关键的生产要素，其中个人信息占有重要比重。人脸识别、人工智能等领域的技术发展给人们生活带来便捷的同时也使得个人信息遭受侵害的风险成几何量级增大，导致泄露事件层出不穷、愈演愈烈。北京德恒律师事务所合伙人王一楠律师，以《<个人信息保护法>合规要点及应对》为题，深入浅出的剖析了《个人信息保护法》中敏感信息、个人权利等全方位、多维度的法律责任体系，并形象地结合到模拟推演与具体法例，生动为在场专家们厘清了“六大处理原则”与相应的责权边界，引领现场进行了提纲契领的深刻探讨。

《各行业在数据流通背景下的隐私计算产品赋能》

而随着数据安全融合与应用服务在政策与市场上不断地完善、成长，联邦学习、多方安全计算、可信执行环境等主流隐私计算技术，在不同的场景下又存在哪些具体差异？更重要的是，在数据的采集、处理、流通及计算等各个生命周期中，如何以安全高效为前提，去实现合规数据赋能。百度点石产品负责人周远以《各行业在数据流通背景下的隐私计算产品赋能》为题，向大家介绍在各行各业中是如何通过隐私计算，安全合规地促进数字经济健康发展、释放数据要素的价值。

《联邦学习在汽车零售中的数据要素价值释放》

由上汽财务星联联邦学习平台总负责人潘林轩，所带来的《联邦学习在汽车零售中的数据要素价值释放》，讲到了联邦学习在精准投放引领、高价线索回收与提高购买转化的具体应用，示范了隐私计算是如何在汽车零售营销领域这一顾客购买决策周期长、购买决策维度多的行业内，实现数据要素价值的释放。

《度小满基于联邦学习的应用实践》

隐私计算虽然为数据打造了一个可信的安全空间，让数据在安全空间内完成计算并向各方仅输出计算结果及其可推导出的信息，从而实现“可用、不可见”。但还需要根据场景数据的特点及需求，进一步结合相应的技术步骤，为此，度小满数据安全架构师陈鑫以《度小满基于联邦学习的应用实践》为题，讲述了有关联邦学习在金融领域中的联合风控、联合营销、名单共享上的高效实践。

《百度联邦学习平台的安全分布式数据处理》

若仅是初识隐私计算，或误以为这些技术手段离日常的生活还很遥远，但以联邦学习为代表的隐私计算技术手段，其实已经大规模的运用在我们很多生活场景中。百度研究院大数据实验室资深研究员刘吉，在《百度联邦学习平台的安全分布式数据处理》的演讲中，以疫情研究、房价评估等具体场景为例，讲解到相关的技术难点、全动态执行方式，与测试效果，以及为了提高数据训练的效率，基于分布式处理方法去提供更好的扩展能力。

企业机构在积极构建数字化转型的过程中，对隐私计算这一提升数据质量、加强数据安全的产品技术，虽充满兴趣但仍有诸多尚待厘清的细节，如具体的合规要求、技术路径及效果评估等等。因此，百度点为响应国家号召与产业需求，特意举办性质的百度点私享会，邀请营销行业及隐私计算产业中的一线专家及负责人，以精准对接的形式，在现场采小组座位，向企业机构详细解答如何通过隐私计算充分释放数据要素价值。并设置“驭数创智，点石成金——隐私计算激活数字营销新引擎”的主题沙龙，引领与会专家分别在数据安全面临的挑战、释放营销的数据要素价值与隐私计算的落地方式及意义的三个区块进行热烈的交流探索，将产学研中最富有大数据洞察能力的人才齐聚一堂，经过四个多小时的干货满满的交流中，共襄盛举来探讨如何通过隐私计算，在保证数据安全及隐私保护的基础上，可信合规地用数据赋能营销效果提升。